Flexible pressure sensors with ultrahigh stress tolerance enabled by periodic microslits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Stress tolerance plays a vital role in ensuring the effectiveness of piezoresistive sensing films used in flexible pressure sensors. However, existing methods for enhancing stress tolerance employ dome-shaped, wrinkle-shaped, and pyramidal-shaped microstructures in intricate molding and demolding processes, which introduce significant fabrication challenges and limit the sensing performance. To address these shortcomings, this paper presents periodic microslits in a sensing film made of multiwalled carbon nanotubes and polydimethylsiloxane to realize ultrahigh stress tolerance with a theoretical maximum of 2.477 MPa and a sensitivity of 18.092 kPa −1 . The periodic microslits permit extensive deformation under high pressure ( e.g ., 400 kPa) to widen the detection range. Moreover, the periodic microslits also enhance the sensitivity based on simultaneously exhibiting multiple synapses within the sensing interface and between the periodic sensing cells. The proposed solution is verified by experiments using sensors based on the microslit strategy for wind direction detection, robot movement sensing, and human health monitoring. In these experiments, vehicle load detection is achieved for ultrahigh pressure sensing under an ultrahigh pressure of over 400 kPa and a ratio of the contact area to the total area of 32.74%. The results indicate that the proposed microslit strategy can achieve ultrahigh stress tolerance while simplifying the fabrication complexity of preparing microstructure sensing films.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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