Advanced nanocomposites for 4D printing: High-performance electroactive shape memory polymers for smart applications
Notice bibliographique
Résumé
The potential of 4D printing to enable dynamic, programmable structures has been constrained by the reliance on heat and moisture as activation stimuli, limiting the complexity of shape transformations and hindering localized actuation. This study addresses these limitations by developing electroactive shape memory polymers (SMPs) by incorporating multi-walled carbon nanotubes (MWCNTs) into poly(lactic acid)/polyvinylidene fluoride (PLA/PVDF) blends. Using fused deposition modeling (FDM)-based 4D printing, the MWCNTs were strategically dispersed within the polymer matrix to enhance both electrothermal responsiveness and mechanical properties. The optimized composite, containing 7.5 % MWCNTs, achieved a rapid temperature rise to 80 °C in just 10 s under a low voltage, alongside outstanding shape recovery and fixity ratios of 98.56 % and 99.6 %, respectively. Numerical simulations developed in Abaqus accurately replicated the electrothermal behavior and shape recovery dynamics, with results aligning closely with experimental observations. The advanced SMPs were successfully implemented in bio-inspired origami structures and soft robotic hands, showcasing precise actuation, high flexibility, and robust structural integrity. These findings reveal the transformative potential of electroresponsive nanocomposites for next-generation applications in soft robotics, bio-inspired mechanisms, and adaptive intelligent systems.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».