MétaCan
Menu
Retour à la cohorte
Enregistrement W4394582467 · doi:10.1088/1361-665x/ad3bfd

Hybrid triboelectric-piezoelectric nanogenerator for long-term load monitoring in total knee replacements

2024· article· en· W4394582467 sur OpenAlexaff
Mahmood Chahari, Emre Salman, Milutin Stanaćević, Ryan Willing, Shahrzad Towfighian

Notice bibliographique

RevueSmart Materials and Structures · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensWestern University
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin Diseases
Mots-clésNanogeneratorTriboelectric effectPiezoelectricityTerm (time)Materials scienceAutomotive engineeringEngineeringComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A self-powered and durable pressure sensor for large-scale pressure detection on the knee implant would be highly advantageous for designing long-lasting and reliable knee implants as well as obtaining information about knee function after the operation. The purpose of this study is to develop a robust energy harvester that can convert wide ranges of pressure to electricity to power a load sensor inside the knee implant. To efficiently convert loads to electricity, we design a cuboid-array-structured tribo-pizoelectric nanogenerator (TPENG) in vertical contact mode inside a knee implant package. The proposed TPENG is fabricated with aluminum and cuboid-patterned silicone rubber layers. Using the cuboid-patterned silicone rubber as a dielectric and aluminum as electrodes improves performance compared with previously reported self-powered sensors. The combination of 10 w t % dopamine-modified BaTiO3 piezoelectric nanoparticles in the silicone rubber enhanced electrical stability and mechanical durability of the silicone rubber. To examine the output, the package-harvester assemblies are loaded into an MTS machine under different periodic loading. Under different cyclic loading, frequencies, and resistance loads, the harvester’s output performance is also theoretically studied and experimentally verified. The proposed cuboid-array-structured TPENG integrated into the knee implant package can generate approximately 15 μ W of apparent power under dynamic compressive loading of 2200 N magnitude. In addition, as a result of the TPENG’s materials being effectively optimized, it possesses remarkable mechanical durability and signal stability, functioning after more than 30 000 cycles under 2200 N load and producing about 300 V peak to peak. We have also presented a mathematical model and numerical results that closely capture experimental results. We have reported how the TPENG charge density varies with force. This study represents a significant advancement in a better understanding of harvesting mechanical energy for instrumented knee implants to detect a load imbalance or abnormal gait patterns.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207