Structural and Electromechanical Insights into Thermoplastic Polyurethane/3D Hybrid Carbon Nanocomposites for Strain Sensor Applications
Notice bibliographique
Résumé
Incorporation of carbon allotropes of different dimensions within elastomeric matrices has been established as an effective strategy to fabricate functional conductive polymer nanocomposites (PNCs). In this work, higher-dimensional 3D hybrid carbon nanofillers, comprising synergistically integrated multiwalled carbon nanotubes immobilized onto few-layer graphene, were incorporated into the thermoplastic polyurethane (TPU) matrix to demonstrate their effectiveness as strain sensors. The conductive films were fabricated through a simple solution casting technique, in which the mechanical, electrical, and strain-sensing characteristics were studied in view of filler distribution, structural confinement, and interfacial interactions. Analyses using wide-angle X-ray scattering, Raman spectroscopy, and tensile testing revealed a higher degree of filler reinforcement within the TPU moieties, indicating pronounced interfacial interactions. Further, the tensile modulus increased significantly with filler loading above its percolation threshold (363% for 20 wt % loading). The structural features of dispersed filler aggregates were explored through an iterative model fitting of the ultra-small-angle X-ray scattering (USAXS) data, along with scanning electron microscopy (SEM). As a strain sensor, the films displayed a superior working-strain Gauge Factor (GF = 123, up to 8%), with exceptional stability under both unidirectional and cyclic strain. The findings provide a fundamental understanding while validating the potential of hybrid carbonaceous fillers for the fabrication of PNCs with futuristic applications.
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 ».