基于Pullulan的半互穿网络水凝传感器用于人工智能驱动的压力识别

科学领域:

• 材料科学 材料科学 材料科学
• 生物医学工程 生物医学工程
• 聚合物科学 聚合物科学

背景情况:

• 水凝传感器对于检测各种刺激变得越来越重要.
• 开发具有改进的机械性能和传感能力的水凝对于先进的应用至关重要.

研究的目的:

• 开发一种具有增强机械强度和高灵敏度的新型半透网络 (sIPN) 水凝传感器 (PKPM-S).
• 将这种水凝传感器集成到无线远程监控系统中,用于人类运动分析.
• 探索该系统在步态识别和辅助康复方面的潜力.

主要方法:

• 使用单方法,从聚乙醇 (PVA) 和普鲁兰多糖化物 (PUL) 中合成sIPN水凝,其中包括MXene和化 (KCl).
• 索尔凯特 (SK) 处理用于网络收缩以增强机械性能,从而产生了PKPM-S水凝.
• 使用PKPM-S水凝和蓝牙技术开发了一种无线远程智能监控系统,其中包含一个卷积神经网络 (CNN) 来进行数据分析.

主要成果:

• 该PKPM-S水凝在机械性能方面表现出9.6倍的改善,最大断裂强度为5.706MPa.
• 在低于40%的菌株中,压缩性能被提高了2倍.
• 水凝表现出高灵敏度 (尺度系数为4.6) 和快速响应时间 (100毫秒).

结论:

• 开发的PKPM-S水凝提供了卓越的机械性能和传感性能.
• 无线监控系统对准确的步态识别和辅助康复非常有希望.
• 这种水凝传感器在医疗康复和人工智能 (AI) 中具有很大的应用潜力.