用于高度敏感的自动供电传感器和机器学习辅助的温度识别的热电转换eutectogels.

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术 纳米技术
• 收集能源 收集能源

背景情况:

• 灵活的传感器需要自动供电能力,用于实际应用.
• 现有的热电凝面临着灵活性,信号扭曲和整体性能方面的挑战.

研究的目的:

• 设计和合成具有增强热电特性和机械灵活性的新型eutectogels.
• 开发使用这些先进的eutectogels的自动供电温度传感器.

主要方法:

• 使用离子液体和可聚合深溶剂 (PDES) 制备了eutectogels.
• 评估了热电转换和响应性能,包括Seebeck系数.
• 凝单元被组装成数组,以创建温度传感器.
• 使用机器学习 (K-means集群) 来提高信号一致性和降低噪音.

主要成果:

• 合成的eutectogels表现出良好的机械性能和粘附性.
• 在10K的温度差异下,达到30.38mV K-1的高Seebeck系数 (Si).
• 开发的温度传感器显示了更好的信号一致性和噪声过.
• 在不同的温度差异下实现了准确的绝对温度预测.

结论:

• 新型的eutectogels为灵活的,自动供电的热电传感提供了一个有前途的解决方案.
• 机器学习的整合提高了这些传感器的可靠性和准确性.
• 这项工作为热电自动供电传感的先进应用铺平了道路.