Amplifying the Sensitivity of Electrospun Polyvinylidene Fluoride Piezoelectric Sensors Through Electrical Polarization Process for Low-Frequency Applications
Notice bibliographique
Résumé
Piezoelectric sensors convert mechanical stress into electrical charge via the piezoelectric effect, and when fabricated as fibers, they offer flexibility, lightweight properties, and adaptability to complex shapes for self-powered wearable sensors. Polyvinylidene fluoride (PVDF) nanofibers have garnered significant interest due to their potential applications in various fields, including sensors, actuators, and energy-harvesting devices. Achieving optimal piezoelectric properties in PVDF nanofibers requires the careful optimization of polarization. Applying a high electric field to PVDF chains can cause significant mechanical deformation due to electrostriction, leading to crack formation and fragmentation, particularly at the chain ends. Therefore, it is essential to explore methods for polarizing PVDF at the lowest possible voltage to prevent structural damage. In this study, a Design of Experiments (DoE) approach was employed to systematically optimize the polarization parameters using a definitive screening design. The main effects of the input parameters on piezoelectric properties were identified. Heat treatment and the electric field were significant factors affecting the sensor’s sensitivity and β-phase fraction. At the highest temperature of 120 °C and the maximum applied electric field of 3.5 kV/cm, the % β-phase (F(β)) exceeded 95%. However, when reducing the electric field to 1.5 kV/cm and 120 °C, the % F(β) ranged between 87.5% and 90%. The dielectric constant (ɛ′) of polarized PVDF was determined to be 30 at an electric field frequency of 1 Hz, compared to a value of 25 for non-polarized PVDF. The piezoelectric voltage coefficient (g33) for polarized PVDF was measured at 32 mV·m/N at 1 Hz, whereas non-polarized PVDF exhibited a value of 3.4 mV·m/N. The findings indicate that, in addition to a high density of β-phase dipoles, the polarization of these dipoles significantly enhances the sensitivity of the PVDF nanofiber mat.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».