社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

青岛科技大学高传慧教授团队AFM:高机械强度、韧性和抗疲劳性多功能纳米导电水凝胶用于自供电可穿戴传感器及深度学习辅助识别系统

高分子科学前沿 • 3 月前 • 128 次点击  
高机械强度、坚韧和抗疲劳性对于提升导电水凝胶在自供电传感系统中的可靠性至关重要。然而,要同时实现这些互斥的性能仍然具有挑战性。近日,青岛科技大学高传慧教授团队提出了一种基于拓扑网络结构和力学训练的新型定向互锁策略,通过优化网络结构和调节分子链取向,成功构建出一种具有优异机械性能的多功能导电水凝胶

图1多功能导电水凝胶的网络结构及应用场景。

由聚乙烯醇(PVA)、聚丙烯酰胺(PAAm)和纤维素纳米纤维(CNFs)构成的独特三重互锁网络不仅确保了结构的稳定性,同时通过机械训练使分子链定向排列,大幅提升了水凝胶的机械强度和韧性。纳米晶域的形成和重新取向过程使得材料在应对裂纹扩展时表现出卓越的抗疲劳性能。独特的网络设计有效保证了机械训练过程中材料性能的持续增益效果。

图2 PBACA-Zn2+水凝胶机械性能。

本研究首先设计了一种具有三重网络结构的互锁水凝胶,系统探讨了不同纤维素纳米纤维(CNFs)含量及金属离子浓度对材料机械性能的影响。由于CNFs具有较大的纵横比以及分子链间的缠结,过量添加CNFs会导致团聚体的形成,从而引起水凝胶中应力分布的不均匀性,导致机械强度的下降。因此,本研究选定含量为4 wt%的CNFs水凝胶用于后续研究。通过引入增强的金属交联系统,成功构建了三重网络互锁结构,并采用动态流变测试验证了水凝胶的稳定性。所制备的三网络水凝胶的最大拉伸强度可达2.52 MPa,应变达到1520.4%。

图3机械训练策略下PBACA-Zn2+水凝胶力学性能。

为了进一步提升导电水凝胶的韧性和抗疲劳性,研究中引入了一种机械训练方法,以实现水凝胶中纳米纤维的定向排列结构。图3形象地展示了骨骼肌仿生水凝胶的训练策略。从中可以观察到,原本在PBACA-Zn²⁺水凝胶中随机取向的纳米晶域经过训练后被重新定向排列。同时,PVA链段与CNFs链段之间通过氢键重新构筑的互锁结构有效阻碍了链段的移动,从而实现了PBACA-Zn²⁺水凝胶在强度和韧性上的同步提升,其最大拉伸强度达到4.98 MPa,韧性高达48 MJ·m-3。此外,互锁网络中的链段在滑移后紧密排列,形成定向的纳米晶域排列,显著提高了水凝胶的结晶度。通过这些对齐排列的纳米晶域,水凝胶能够有效传递和分散应力集中,显著提升其抗疲劳性。

图4 PBACA-Zn2+水凝胶的自修复特性和防冻保湿特性。

此外,为了拓展导电水凝胶的应用领域,研究人员引入了多重可逆相互作用机制,使材料具备自修复能力,从而显著提升其耐用性。同时,由于氟原子具有较强的电负性,其打破了冰晶间的原有结构,赋予材料优异的防冻性能,极大地增强了其环境适应性。

5 PBACA-Zn2+水凝胶的应用场景。
锚定在纤维素纳米纤维上的聚苯胺通过在训练过程中构建导电纤维形成独特的导电通路,极大提高导电性能,确保自供电设备具有强大的输出性能。该导电凝胶已成功应用于自供电传感系统,并开发了深度学习辅助运动识别系统,显示出可靠的实际应用价值。

总的来说,研究团队通过定向互锁策略成功制备了一种具有优异机械强度、韧性和抗疲劳性能的导电水凝胶。值得强调的是,定向导电通路的构筑显著增强了水凝胶的导电性能,从而提高了自供电器件的输出效率。得益于多重可逆效应,受损的水凝胶能够实现快速而高效的自我修复;同时,氟原子与水分子之间的强相互作用赋予了水凝胶优异的抗冻特性。当前所开发的自供电系统已展示出广泛的实际应用潜力,这为多功能水凝胶材料提供了新的应用前景。

该工作以“Multifunctional Nano-Conductive Hydrogels With High Mechanical Strength, Toughness and Fatigue Resistance as Self-Powered Wearable Sensors and Deep Learning-Assisted Recognition System”为题发表在 Advanced Functional Materials青岛科技大学化工学院高传慧教授为论文通讯作者,第一作者为化工学院博士研究生王彦庆。该研究得到国家自然科学基金、山东省泰山产业创新领军人才和山东省高等学校青创团队计划等项目的支持。

--检测服务--

原文链接:
https://doi.org/10.1002/adfm.202409081
来源:高分子科学前沿
声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/174395
 
128 次点击