Highly Flexible, Stretchable, and Compressible Lignin‐Based Hydrogel Sensors with Frost Resistance for Advanced Bionic Hand Control
Notice bibliographique
Résumé
Abstract Bio‐based hydrogels, valued for their flexibility, tunable mechanical properties, and biocompatibility, are promising materials for wearable skins and sensing devices in bionic hand control systems. Lignin, a biopolymer rich in functional groups, can be modified into UV‐curable monomers, enabling the development of 3D‐printed hydrogels via photopolymerization. However, the inherent rigidity of lignin's aromatic rings, coupled with covalent cross‐linking between lignin and other monomers, often limits the hydrogel's stretchability (poor strain) and compressibility. Additional challenges, including poor moisture retention and freeze resistance, further hinder their wider application. In this study, a lignin‐based hydrogel is developed with high flexibility, tensile strain (≥350%), compressive strain (≈95%), and fatigue resistance (up to 10 000 cycles under 50% strain, and 200–800 cycles under 95% compressive strain), which is achieved by incorporating glycerol and lithium chloride to facilitate dynamic hydrogen and lithium ion bonds, while accordingly reducing covalent cross‐linking sites between monomers. The enhanced moisture retention and freeze resistance of hydrogels allow effective sensing performance at −40±1 °C. Afterward, using 3D printing technology, wearable tensile strain sensors and ripple‐shaped 3 × 3 Matrix hydrogel pressure sensors are fabricated, which demonstrated uniform stress distribution and improved performance in controlling complex bionic hand movements, underscoring their application in advancing human–machine interfaces.
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) | 0,001 | 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 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 ».