High-performance PEEK for 4D printing by confining the PEEK powder within photocurable polymer network
Notice bibliographique
Résumé
Poly(ether-ether-ketone) (PEEK) is widely used in aerospace applications as a self-lubricating material owing to its exceptional mechanical strength and thermal stability. Although fused deposition modeling (FDM) 3D printing is commonly employed for PEEK fabrication, the precise printing of complex and intricate structures remains challenging. In this study, we developed a novel 3D printing strategy for the precise molding of high-performance PEEK using digital light processing (DLP) to print a photocurable resin, in which ACMO-PEGDA (PACMO) was blended with commercial PEEK powder. In the photocured structure, PEEK powder was confined within the elastic crosslinking network. Each 3D printed PEEK sample underwent individual phase transitions in response to temperature changes. Experimental results confirmed an exceptional shape memory performance, with shape fixation and recovery ratios exceeding 94%. The 4D printed PEEK components exhibited high strength and facilitated the transition from 2D to 3D complex structures. Furthermore, the fabricated components demonstrated an exceptionally low coefficient of friction of below 0.1, offering a groundbreaking solution for customized production of advanced wear-resistant mechanical components. This study represents a significant advancement in PEEK processing technology, establishes new paradigms for high-performance PEEK 3D/4D printing, and opens new avenues for the development of next-generation intelligent devices with enhanced performance.
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 ».