3D Printing‐Induced Hierarchically Aligned Nanocomposites With Exceptional Multidirectional Strain Sensing Performance
Notice bibliographique
Résumé
High-performance sensors capable of detecting multidirectional strains are indispensable to understand the complex motions involved in flexible electronics. Conventional isotropic strain sensors can only measure uniaxial deformations or single stimuli, hindering their practical application fields. The answer to such challenge resides in the construction of engineered anisotropic sensing structures. Herein, a hierarchically aligned carbon nanofiber (CNF)/polydimethylsiloxane nanocomposite strain sensor is developed by one-step 3D printing. The precisely controlled printing path and shear flow bring about highly aligned nanocomposite filaments at macroscale and orientated CNF network within each filament at microscale. The periodically orientated nanocomposite filaments along with the inner aligned CNF network successfully control the strain distribution and the appearance of microcracks, giving rise to anisotropic structural response to external deformations. The synergetic effect of the multiscale structural design leads to distinguishable gauge factors of 164 and 0.5 for applied loadings along and transverse to the alignment direction, leading to an exceptional selectivity of 3.77. The real-world applications of the hierarchically aligned sensors in multiaxial movement detector and posture-correction device are further demonstrated. The above findings propose new ideas for manufacturing nanocomposites with engineered anisotropic structure and properties, verifying promising applications in emerging wearable electronics and soft robotics.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».