容量3D间隔布料压力传感器的制造,具有介电常变,用于高灵敏度
Ji-Eun Lee1, Sang-Un Kim2, Joo-Yong Kim1
1Department of Materials Science and Engineering, Soongsil University, Seoul 06978, Republic of Korea.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
这项研究开发了使用碳纳米管 (CNT) 输入布料的高度敏感的可穿戴传感器. 一个人工智能模型准确地预测了为量身定制的传感器性能提供最佳CNT度.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 生物医学工程 生物医学工程
背景情况:
- 智能可穿戴传感器对于实时生物信号监测至关重要.
- 容量型传感器为先进的人际接口技术提供了一个有前途的途径.
研究的目的:
- 使用碳纳米管 (CNT) 浸的3D间隔面料设计高灵敏度电容传感器.
- 为了研究不同度的CNT对传感器性能和度因子的影响.
- 利用人工智能来预测特定传感器应用的最佳 CNT 内容.
主要方法:
- 基于聚的3D间隔面料传感器的制造,使用不同度的碳纳米管 (CNT) 分散.
- 传感器对压力反应的表征,重点关注测量因子变化.
- 开发和验证多层感知 (MLP) 人工智能模型,用于对CNT度和传感器灵敏度进行非线性回归分析.
主要成果:
- 随着CNT的增加,观察到标尺因子的显著增加,从1.967 (没有CNT) 增加到5.210以0.04重%的CNT.
- 由于CNT属性的介电常数的非线性变化直接影响了传感器度因子.
- 经过验证的MLP模型表现出高准确度,实现0.99564的相关系数,以预测基于CNT重量%的传感器性能.
结论:
- 与CNT浸的3D间隔面料使得高度灵敏的电容可穿戴传感器的开发成为可能.
- 人工智能,特别是MLP模型,对于优化CNT度来满足各种应用特定的灵敏度要求是有效的.
- 这项研究为通过材料功能化和人工智能驱动的预测提供了定制,高性能可穿戴传感器设计的途径.
