XiaoMi-AI文件搜索系统
World File Search System拉伸
可拉伸、可生物降解的植物基氧化还原扩散电池
治疗，并实现新的消费者可穿戴技术，如电子皮肤、电子纺织品和软机器人。2 与身体保形和不可察觉集成的先决条件是需要柔软且可拉伸的电子设备。这些设备包含多个电气元件来执行复杂的功能，并且已经取得了进展以实现其在操作过程中的可拉伸性，但它们通常设计用于容纳刚性和笨重的电池组件。3–5 集成可拉伸紧凑的电池将缓解这个问题。然而，增加现有可拉伸电池设计中的氧化还原活性材料含量通常会导致电极更硬且可拉伸性更低。6–8 此外，它们主要基于不可持续的过渡金属氧化物活性材料、不可生物降解的石油基弹性体（有机硅、苯乙烯嵌段共聚物等）和集电器中昂贵的导电金属纳米填料（金、银等）。9
含人发的风化层基水泥的拉伸强度和孔隙率
可持续结构是一个重要的研究领域，特别是对于预期人类在月球或火星上长期存在而言。人类在月球上持续存在将需要已经存在于月球基地建造现场的建筑材料。任务有效载荷中与加固金属（钢筋）相关的高成本使得必须探索用于持久月球基地的替代加固方法。人类头发具有很强的抗拉强度，可用于任何长期任务。通过使用原本浪费的头发代替重金属，可以降低任务有效载荷和成本。针对一系列不同水泥成分测量了混凝土的可加工性、抗压强度和孔隙率。这些成分由普通波特兰水泥 (OPC)、月球风化层、去离子 (DI) 水和人类头发组合而成。发现随着头发浓度的增加，可加工性和孔隙率增加。抗压强度随着头发浓度的增加略有下降。
退火对 3D 打印 PLA 拉伸强度的影响...
聚乳酸 (PLA) 是 3D 打印工艺中常用的材料。在材料挤出 (MEX) 技术中，最终的 3D 打印部件具有较低的机械性能。本研究的目的是研究经过退火的 3D 打印 PLA 样品的拉伸强度。考虑的变量是退火温度和退火时间，有三个温度水平：70 ℃ 、90 ℃ 和 110 ℃ ，以及两个退火时间：60 和 90 分钟。冷却速度设定为每小时 10 C，并在炉中冷却 24 小时。结果表明，退火显著影响拉伸强度，与未退火部件相比，退火部件的拉伸强度显著提高。与未经过退火的部件的拉伸强度值相比，退火部件表现出更高的拉伸强度。弹性模量趋于下降，工件尺寸在各个方向上略有收缩。在对患有足下垂的儿童踝足矫形器（AFO）进行退火实验的结果中发现，经过退火处理的踝足矫形器样品在各个方向上均有收缩，变化相对较小。当使用退火工件时，无需补偿工件尺寸。在 110 C 温度下进行 90 分钟的退火时，可获得最高的拉伸强度。与打印样品相比，退火样品的拉伸强度平均提高了 42%。该玻璃化转变温度越高，热值越高，这将影响塑料链的排列和结晶度，并导致其物理性质发生变化。此外，研究结果表明，通过选择理想的工艺参数和后处理条件，可以大大提高热塑性材料的优化拉伸强度。
高度可拉伸射频电子设备的力学和电磁缩放定律
a 大连理工大学工业装备结构分析、优化及 CAE 软件国家重点实验室，大连 116024，中国 b 大连理工大学工程力学系，大连 116024，中国 c 大连理工大学 DUT-BSU 联合学院，大连 116024，中国 d 莱斯大学机械工程系，德克萨斯州休斯顿 77005，美国 e 西北大学材料科学与工程系，伊利诺伊州埃文斯顿 60208，美国 f 西北大学 Querrey Simpson 生物电子研究所，伊利诺伊州埃文斯顿 60208，美国 g 西北大学机械工程系，伊利诺伊州埃文斯顿 60208，美国 h 西北大学土木与环境工程系，伊利诺伊州埃文斯顿 60208，美国 i 西北大学生物医学工程系，伊利诺伊州埃文斯顿，美国j 美国伊利诺伊州芝加哥西北大学范伯格医学院神经外科系
优化低温下先进工程材料拉伸试验的夹具设计
先进材料是液氢动力飞机储存和分配技术发展的基础。然而，为了证明材料保证，必须有适合用途的测试和表征方法，能够在代表性条件下准确测量所需的材料特性。这些需要包括此类应用中使用的材料的机械、热和传输特性。在机械测试方面，将负载引入样品的方法至关重要。在这项工作中，开发了一种新型夹持系统，解决了传统楔形夹持中观察到的问题，从而允许在低温下对纤维复合材料进行拉伸测试。在易用性和功能方面，这些夹具表现良好，初步验证了在不同温度下（低至 77K）的性能，使用单一聚合物复合材料 (SPC) 系统。
基于液体金属的高密度互连技术，用于可拉伸印刷电路
基于液体金属（LM）的可拉伸印刷电路板的高密度互连（HDI）技术对于扩大其适用性至关重要。HDI技术提供了高分辨率的多层电路，具有高密度的组件，这是下一代神经探针以及超声波和传感器阵列所必需的。这项研究提出了一种使用激光雕刻的微凹槽的HDI技术，并在硅酮中使用保护性升力 - 聚乙烯醇（PVA）和随后的显微镜LM粒子喷雾沉积。这种方法实现了高分辨率的LM模式，并同时实现了组件的多层连接性和高密度集成，即实现HDI技术。使用可伸缩的0201 LED显示器证明，密度为每毫米2的六个铅和一个耳蜗植入物（CI）电极阵列。所证明的CI制造有可能以提高精度和吞吐量的植入物的全自动印刷电路板制造。植入豚鼠中的植入物表明，CI能够使用高质量的电气听觉脑干反应（EABR）和电气复合动作电位（ECAP）激活听觉神经元。此外，LM互连的U形横截面比正常矩形横截面具有更高的电路机械冲击力。
GNP/Ag可拉伸导电墨水对电导率的影响
这项研究旨在开发和制定高度热的石墨烯杂交导电墨水组合石墨烯纳米颗粒（GNP），银片（AG）和乙酸银（SA），作为与化学和有机溶剂混合的导电填充剂。具有改进的性质，它克服了传统材料的局限性，同时保留其有益特征。研究评估了材料对环境因素（例如温度和湿度）的响应的电阻率和特性如何影响其在各种应用中的性能。为了开发高度热的石墨烯杂交导电墨水，使用石墨烯纳米颗粒（GNP），银片（AG）和乙酸银（SA）作为有机溶剂混合的导电填充剂，使用石墨烯纳米颗粒（GNP），银片（AG）和银片制定了新的导电墨水。为了将一批物质变成粉末，它们被超声处理，然后搅拌以形成混合物成粉末。在250oC固化1小时之前，将粉末滴入有机溶剂，1-丁醇和萜醇，然后使用思想搅拌机混合以形成糊状。使用网状模具，将GNP混合糊印在铜基板上。使用刮板，将混合GNP糊剂应用于底物条的三个选定点上的选定网格（3mm x 3mm）。为了评估性能，将混合GNP导电墨水的电阻率设置为基线，并将其与在不同温度 - 湿度水平不同的电阻率读数进行了比较。这意味着混合导电墨水具有良好的热稳定性。GNP混合室温基线和施用不同温度湿度后的GNP混合动力均以电气和机械性能进行比较。随着温度升高，样品的所有点的平均电阻率测量值保持稳定或降低。它表明，随着温度 - 湿度的增加，墨水的电导率显着降解。这表明墨水能够在一定温度范围内维持其结构完整性和特性。未来的工作应调查在机械变形下改善墨水性能的策略，例如使用添加剂或新颖的印刷技术。
用两光子聚合制造的拉伸负荷下的单细胞连接成像的多物质平台
我们先前报道了由IP-S光蛋白用两光子聚合物（TPP）制造的单细胞粘附微拉伸测试仪（SCAμTT），用于研究定义的拉伸负荷下单个细胞连接的机制。该平台的主要局限性是IP-S的自动荧光，IP-S的自发荧光，TPP制造的光素，它显着增加了背景信号并使拉伸细胞的荧光成像变得困难。在这项研究中，我们报告了一种新的SCAμTT平台的设计和制造，该平台可减轻自动荧光，并证明其在单个细胞对成像中的能力，因为其相互连接被拉伸。使用IP-S和IP-VISIO（一种具有降低自动荧光的光蛋白）的两种物质设计，我们显示了平台的自动荧光显着降低。此外，通过将孔与金涂层整合到底物上，几乎完全缓解了自动荧光对成像的影响。使用这个新平台，我们证明了一对上皮细胞的能力，因为它们被拉伸至250％的应变，从而使我们能够观察到连接破裂和F-肌动蛋白回收，同时记录交界处的800 kPa应力的积累。此处介绍的平台和方法可能有可能详细研究细胞 - 细胞连接中的机制和机械转导的机制，并改善机械生物学应用中其他TPP平台的设计。
建立具有极端可拉伸性的高性能聚合物太阳能电池的共轭聚合物和弹性体的共连网络
高功率转化效率（PCE）和机械鲁棒性是有机太阳能电池（OSC）可穿戴应用的先决条件。但是，应提高当前活动系统的可伸缩性（即裂纹发作菌株（COS）<30％）。在将弹性体引入活动系统中被认为是提高可伸展性的一种简单方法，但弹性体的包含通常会导致OSC的PCE减少，由于缺乏互连的电气和机械途径，该可拉伸性的提高有限。在这项研究中，它是通过在活动层中建立共轭聚合物（D18）和弹性体（SEB）的连续连续网络来发展的，具有特殊的机械鲁棒性（具有特殊的机械鲁棒性）。证明，D18的特定比（40:60 W/W）的混合膜：SEB对于形成共连接结构至关重要，建立了良好的机械和电通道。因此，D18 0.4：SEBS 0.6 /L8-BO OSC的可伸展性（COS = 126％）比基于D18 /L8-BO（COS = 8％）的OSC高16倍（COS = 126％），而基于SEBS-rich Active Layers = 3.8 0.8 0.20％的OSC（12.13％），达到4倍的PCE（12.13％）。此外，D18 0.4：SEBS 0.6基于0.6的IS-OSC将原始PCE的86％和90％的菌株保留在50％的菌株中，分别以15％的菌株拉伸/释放循环后，证明了报告的IS-OSC中最高的机械鲁棒性。
使用基于机器学习的优化算法拆分拉伸强度预测
摘要。预测拉伸强度的预测是确定结构性能的关键机械属性，是评估可回收骨料的可行性的组成部分。评估回收骨料的分裂拉伸强度的传统技术依赖于高级和耗时的实验室测试，这对于大规模应用可能是昂贵且效率低下的。这项工作提出了基于机器学习的算法，以预测分裂拉伸强度的性能。在这项研究中，从先前的研究中获得了257项测量，其中包含影响分裂强度的输入变量。使用三种方法来构建不同的预测模型，即支持向量回归，XG增强和随机森林。使用MAE，RMSE，MAPE和MASE等指标评估了各种模型的性能指数，以测量模型的准确性和可靠性。本研究表明，随机森林算法的表现优于其他RMSE值1.76的模型。实施拟议的模型可提高预测的可靠性，使研究人员能够做出有关将再生材料纳入可持续建筑实践中的明智决定，从而有助于减少建筑部门的环境影响。关键字：回收总骨料混凝土（RAC），机器学习，随机森林，XG提升，拉伸强度，支持向量回归