A Simple Method to Produce a Piezoelectric Composite Membrane with Aligned and Crimped Nanofibers for Wearable Pressure Sensors
Notice bibliographique
Résumé
Organic fiber-based pressure sensors are extensively used in smart wearable electronic devices due to their remarkable combination of wearability and sensitivity. However, enhancing their sensing and wearable performance has been hindered by complex processing parameters, use of toxic chemicals, and high costs. Herein, a simple, efficient, and green method is developed using wool lamination and ethanol treatment to prepare cross-scale sandwich-structured composite membranes that contain aligned yet crimped nanofibers. The proposed method significantly improves the permeability and mechanical properties of a poly(vinylidene fluoride) (PVDF) fiber-based membrane, increasing the pore size from 3.18 ± 0.69 to 3.91 ± 0.90 μm, tensile strength from 3.85 ± 0.22 to 8.28 ± 0.98 MPa, and ultimate strain from 60.2 ± 7.7 to 200 ± 30.3%, when compared to the PVDF nanofiber membrane produced without wool lamination or ethanol treatment. Furthermore, the piezoelectric coefficient and sensitivity increase by approximately 70 and 300% respectively, to 45.6 pC/N and 2.0 V/N. The feasibility of applying this method to other materials is demonstrated by testing polyacrylonitrile nanofibers. This work presents an effective method to produce functional structures in nanofiber composite membranes, endowing them with enhanced piezoelectricity and hence elevated potential in smart wearables.
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 ».