MétaCan
Menu
Retour à la cohorte
Enregistrement W4318464330 · doi:10.3390/s23031503

Design and Fabrication of Embroidered Textile Strain Sensors: An Alternative to Stitch-Based Strain Sensors

2023· article· en· W4318464330 sur OpenAlexafffund
J. Guillermo Colli Alfaro, Ana Luisa Trejos

Notice bibliographique

RevueSensors · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y TecnologíaCanada Research Chairs
Mots-clésTextileStrain (injury)FabricationEngineeringMechanical engineeringMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Smart textile sensors have been gaining popularity as alternative methods for the continuous monitoring of human motion. Multiple methods of fabrication for these textile sensors have been proposed, but the simpler ones include stitching or embroidering the conductive thread onto an elastic fabric to create a strain sensor. Although multiple studies have demonstrated the efficacy of textile sensors using the stitching technique, there is almost little to no information regarding the fabrication of textile strain sensors using the embroidery method. In this paper, a design guide for the fabrication of an embroidered resistive textile strain sensor is presented. All of the required design steps are explained, as well as the different embroidery design parameters and their optimal values. Finally, three embroidered textile strain sensors were created using these design steps. These sensors are based on the principle of superposition and were fabricated using a stainless-steel conductive thread embroidered onto a polyester-rubber elastic knit structure. The three sensors demonstrated an average gauge factor of 1.88±0.51 over a 26% working range, low hysteresis (8.54±2.66%), and good repeatability after being pre-stretched over a certain number of stretching cycles.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,266
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207