了解水凝胶纤维制造?自润滑纺丝来帮忙!高韧性纤维用途广!

news2024/9/28 0:41:57

      

       大家好,今天我们来了解一篇水凝胶纤维文章——《Continuous Spinning of High‐Tough Hydrogel Fibers for Flexible Electronics by Using Regional Heterogeneous Polymerization》发表于《Advanced Science》。在柔性电子领域,水凝胶纤维因其独特的性质而备受关注。然而,目前缺乏有效的连续纺丝方法,且其机械性能也有待提高。为了解决这些问题,科学家们进行了深入研究,开发出一种基于区域异质聚合的自润滑纺丝策略,成功实现了水凝胶纤维的连续制备,并使其具有优异的机械性能和多功能性。接下来,让我们详细了解一下这项研究的具体内容。

*本文只做阅读笔记分享*

一、引言

水凝胶纤维因其离子导电性、高表面积比和易于构建多维结构等特性,在柔性电子领域引起了广泛关注。然而,目前缺乏通用的连续纺丝方法来制备水凝胶纤维,且其机械性能也有待提高。本研究旨在开发一种通用的自润滑纺丝(SLS)策略,以实现水凝胶纤维的连续制备,并使其具有良好的机械性能和多功能性。

二、自润滑现象和机理

(一)现象

通过实验发现,聚丙烯酰胺PAM水凝胶纤维在氟化乙烯丙烯(FEP)管状模具中容易自润滑,而在玻璃管状模具中难以推出。

(二)机理

为探究原因,对润滑溶液的成分和来源进行研究,发现其主要是水和少量部分聚合的丙烯酰胺AM。

进一步实验表明,氟化乙烯丙烯FEP模具能诱导丙烯酰胺AM溶液发生模具尺寸无关的区域异质聚合,形成中心凝胶相和模具壁周围液相的混合体系。

这种区域异质聚合主要是由于氧气被截留在单体溶液和粗糙疏水材料的界面处,且氧气渗透不是氧气抑制效应的主要原因。

基于此,建立了自润滑模型:在UV照射下,疏水模具中心形成水凝胶纤维,模具壁附近产生含部分聚合单体的润滑溶液,避免水凝胶纤维与模具壁接触,使其在施加小应力后能成功自润滑出模具。

三、连续纺丝

(一)系统构建

基于SLS策略构建了连续纺丝系统,包括进料区、纤维形成区、纤维增强区和收集区。

(二)参数影响

进料速度对相态的影响:随着进料速度降低,纺丝产品从液相转变为凝胶相,直至水凝胶纤维在FEP管中堵塞。根据相态和是否堵塞,可分为三个速度区域(区域 I、II、III),理想的水凝胶纤维在区域II中获得。

进料速度对聚合度和机械性能的影响:通过FTIR和拉伸测试发现,随着进料速度从 600降至400 μL/min,所得水凝胶纤维的C=C转换率从53.93%提高到83.75%,机械性能变好。

聚合动力学参数对 SLS 策略可纺性的影响:改变单体浓度、交联剂浓度、引发剂浓度和UV距离等聚合动力学参数,发现SLS策略的可纺性与这些参数有关,且无需特定的纺丝溶液流变学性质。

此外,SLS策略制备的PAM水凝胶纤维可用于编织有趣的针织面料,且表面缺陷比模板挤出法制备的PAM水凝胶纤维少。

四、单体通用性和水凝胶设计策略兼容性

(一)单体通用性

用十种常见乙烯基单体制备纺丝溶液,证明了SLS策略的通用性,且AM可与其他单体共聚引入官能团,实现水凝胶纤维的多种设计。

(二)水凝胶设计策略兼容性

高度纠缠网络设计策略:通过调整纺丝溶液的单体和交联剂浓度,SLS策略可直接纺制具有高度纠缠网络的高韧性PAM水凝胶纤维。

离子交联网络设计策略:利用SLS策略纺制具有羧基基团的聚(丙烯酰胺-共-丙烯酸)(PAMAA)水凝胶纤维,然后将其浸泡在FeCl₃溶液中进行配位强化,得到PAMAA/Fe³⁺水凝胶纤维,再浸泡在H₂O中去除多余抗衡离子,获得具有离子交联网络的高韧性W-PAMAA/Fe水凝胶纤维。

五、高韧性水凝胶纤维的机械性能和增韧机理

(一)机械性能

高度纠缠的PAM和离子交联的W-PAMAA/Fe水凝胶纤维具有良好的机械性能,分别能轻松提起100g和500g的重量。

经过组分优化,高度纠缠的PAM水凝胶纤维的韧性可达2.53±0.43 MJ m⁻³,比软常规和硬常规PAM水凝胶纤维提高了约30倍;

优化的离子交联的W-PAMAA/Fe水凝胶纤维的韧性为30.08 ± 3.88 MJ m⁻³,比PAMAA 水凝胶纤维高约100倍,且机械性能强于大多数报道的水凝胶纤维。

(二)增韧机理

通过比较PAMAA水凝胶纤维制备成W-PAMAA/Fe水凝胶纤维过程中元素组成、氢键相互作用和离子配位的变化,阐明了其增韧机理。当PAMAA水凝胶纤维浸泡在FeCl₃溶液中时,PAMAA/Fe³⁺水凝胶纤维中出现Fe2p和Cl2p特征峰,而W-PAMAA/Fe水凝胶纤维中Cl2p特征峰消失,表明Fe元素被限制在W-PAMAA/Fe水凝胶中,Cl元素在浸泡H₂O后被去除。

O1s光谱中出现Fe-O拟合峰和Fe2p光谱中出现Fe³⁺特征峰,证实了PAMAA/Fe³⁺和W-PAMAA/Fe水凝胶纤维中羧酸Fe³⁺配位的形成。

PAMAA、PAMAA/Fe和W-PAMAA/Fe水凝胶纤维的活性氢特征峰分别位于3421 cm⁻¹、3451 cm⁻¹和3430 cm⁻¹,表明PAMAA水凝胶纤维浸泡在FeCl₃溶液中后氢键相互作用减弱,在进一步浸泡在H₂O中后恢复(图 5d)。PAMAA/Fe和W-PAMAA/Fe水凝胶的A₁₅₇₅/A_C = ₀比值分别为0.63和0.70,表明W-PAMAA/Fe水凝胶纤维在浸泡H₂O后离子配位增强。

受益于强氢键相互作用和离子配位,W-PAMAA/Fe水凝胶纤维在pH为3-9的环境中浸泡120天后,溶胀比小于25%,且溶胀后的水凝胶纤维仍具有优异的机械性能。

此外,W-PAMAA/Fe³⁺水凝胶纤维的结晶峰由于Fe³⁺的引入而降低。

六、基于W-PAMAA/Fe³⁺水凝胶纤维的多维传感器构建

(一)1D应变传感器

由于W-PAMAA/Fe³⁺水凝胶纤维具有0.84 mS cm⁻¹的导电性和可拉伸性,可作为1D应变传感器,其最大应变系数为4.63,检测范围为600%,优于报道的水凝胶基柔性传感器。

该传感器响应和恢复延迟分别约为320 ms和300 ms,具有快速响应和循环稳定性。

可集成到手套或口罩中,用于监测手指弯曲、角度、呼吸和说话等。

(二)2D 方向传感器

将两根W-PAMAA/Fe³⁺水凝胶纤维正交嵌入无纺布中组装成2D方向传感器。随着拉伸角度从0°增加到45°,X轴的应变系数从1.54减小到0.53,Y轴的应变系数从-0.095增加到 0.53,呈现出明显的方向诱导应变系数变化。

该传感器可用于监测手腕运动方向,有效放大外部刺激引起的电信号差异,从而容易辨别应变方向。

(三)3D 压力传感器

通过将正负电极分别连接到W-PAMAA/Fe³⁺水凝胶纤维和与其正交的另一根纤维上,可构建基本的压力传感单元。该单元的灵敏度、响应延迟和恢复延迟分别为0.00024 KPa⁻¹、≈200 ms和≈290 ms,在10-90 KPa压力下显示出稳定的ΔR/R₀。

多个压力传感单元可编织和组装成5×5压力传感单元阵列的3D压力传感器,可响应压力水平并检测压力位置。

(四)水下通信传感器

W-PAMAA/Fe³⁺水凝胶纤维由于其优异的抗溶胀性能,可作为水下通信传感器。通过定义手指弯曲形成的不同电信号,可输出各种单词和句子,如 “OK”、“NO”、“YES”、“SOS” 等。

七、结论

本研究构建了基于SLS策略的连续纺丝系统,该策略具有通用性,可与现有的水凝胶设计策略兼容,制备出具有优异机械性能的水凝胶纤维,如高度纠缠的PAM和离子交联的 W-PAMAA/Fe³⁺水凝胶纤维。W-PAMAA/Fe³⁺水凝胶纤维在pH为3-9的环境中具有长期机械稳定性,可通过编织和组装自下而上地制备多种传感器,用于人体行为监测、压力水平/压力位置检测和水下通信,展示了水凝胶纤维在柔性电子应用中的巨大优势。

参考文献:

Wu S, et al. Continuous Spinning of High-Tough Hydrogel Fibers for Flexible Electronics by Using Regional Heterogeneous Polymerization. Adv Sci (Weinh). 2023 Dec;10(36):e2305226.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2137363.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

检查一个复数C的实部a和虚部b是否都是有限数值即a和b都不是无限数值、空值cmath.isfinite(x)

【小白从小学Python、C、Java】 【考研初试复试毕业设计】 【Python基础AI数据分析】 检查一个复数C的实部a和虚部b 是否都是有限数值 即a和b都不是无限数值、空值 cmath.isfinite(x) [太阳]选择题 根据给定的Python代码,哪个选项是错误的? import cma…

适合小客厅使用的投影仪推荐:2024年当贝X5S小户型客厅的最佳选择

我们在买投影前都会先看看家里的环境、预算以及自己的需求去选择适合自己的家的那款;正好最近有朋友向我资讯:我家客厅面积不大,有没有适合的家用投影仪推荐啊?对于这种家庭使用环境不大的小客厅我们该如何挑选投影仪?…

人员抽烟AI检测算法在智慧安防领域的创新应用,助力监控智能化

随着人工智能技术的飞速发展,计算机视觉和深度学习算法在各个领域的应用日益广泛。其中,人员抽烟AI检测算法以其高效、精准的特点,成为公共场所、工厂、学校等场景中的得力助手。本文将介绍TSINGSEE青犀AI智能分析网关V4人员抽烟检测算法的基…

JavaScript高级——执行上下文栈

1、在全局代码执行前,JS引擎就会创建一个栈来存储管理所有的执行上下文对象 2、在全局执行上下文(window)确定后,将其添加到栈中(压栈) 3、在函数执行上下文创建后,将其添加到栈中&#xff08…

AI 驱动腾讯游戏智能 NPC,开启新纪元

AI 驱动腾讯游戏智能 NPC,开启新纪元 前言AI 驱动腾讯智能 NPC 前言 曾经,游戏 NPC 往往只是按照预设脚本进行简单互动,缺乏深度和灵活性。然而,如今在 AI 的赋能下,NPC 开始展现出前所未有的智能与活力。它们能够进行…

【springboot】父子工程项目搭建

父工程创建 1.新建一个spring项目 2.选择合适的springboot版本,点击【完成】,即创建父工程完毕 3.删除父工程中无用文件:src 创建子工程模块 1.右键项目名->新建(news)->模块(Module)…

web知识

sql注入的万能密码:1’ or true#如果页面没有什么东西可见,首先可以用diresearch看看有没有什么隐藏的目录,或者检查源代码,如果这些都没成功可以用 dirsearch如果没有找到东西,可能需要调低线程 dirsearch.py -u url -e * --ti…

【数据结构与算法】巧用位运算

【数据结构与算法】巧用位运算 文章目录 【数据结构与算法】巧用位运算位运算的巧思用位运算来求集合公式用位移求集合公式二进制库函数 位扩展:基础例题例题LC190——用到左移和或运算异或运算法则经典例题:[LC136 唯一数](https://leetcode.cn/problem…

stm32单片机个人学习笔记3(GPIO输出)

前言 本篇文章属于stm32单片机(以下简称单片机)的学习笔记,来源于B站教学视频。下面是这位up主的视频链接。本文为个人学习笔记,只能做参考,细节方面建议观看视频,肯定受益匪浅。 STM32入门教程-2023版 细…

基于千问大模型Intel G8i开发主动问询导购助手

文章目录 1. 背景2.环境介绍2.1 硬件环境2.2 软件环境 3. 大模型环境部署3.1 准备硬件资源 3.2 大模型部署3.1 部署Docker3.2 部署Intel xFasterTransformer容器3.3 准备模型数据3.4 运行模型进行AI对话 4. 构建主动问询导购助手应用 1. 背景 北京又开始发放消费券啦&#xff…

整个场面要hold住-《分析模式》漫谈32

DDD领域驱动设计批评文集 做强化自测题获得“软件方法建模师”称号 《软件方法》各章合集 “Analysis Patterns”的第一章有这么一句: It is important to be clear to them that I am not holding them up as gospel, and if they are not comfortable, I will …

RedisTemplate操作ZSet的API

文章目录 ⛄概述⛄常见命令有⛄RedisTemplate API❄️❄️ 向集合中插入元素,并设置分数❄️❄️向集合中插入多个元素,并设置分数❄️❄️按照排名先后(从小到大)打印指定区间内的元素, -1为打印全部❄️❄️获得指定元素的分数❄️❄️返回集合内的成员个数❄️❄…

鸿蒙应用开发:音频播放

鸿蒙系统提供了多样化的API,来帮助开发者完成音频播放的开发,不同的API适用于不同音频数据格式、音频资源来源、音频使用场景,甚至是不同开发语言。因此,选择合适的音频播放API,有助于降低开发工作量,实现更佳的音频播放效果。 本节介绍通过Media Kit实现音频播放。 AVP…

【机器学习】--- 深度学习中的注意力机制

深度学习中的注意力机制 在深度学习领域,注意力机制(Attention Mechanism)已经成为近年来最受瞩目的研究热点之一。它不仅提升了现有模型的性能,更启发了全新的网络结构,如Transformer模型。注意力机制被广泛应用于自…

SMA2:代码实现详解——Image Encoder篇(Hiera章)

SMA2:代码实现详解——Image Encoder篇(Hiera) 写在前面 大家在SMA2:代码实现详解——Image Encoder篇(FpnNeck)下的留言我已收到,感谢大家的支持,后面如果遇到比较难以讲清的部分可能会使用视频的形式。…

jsp+sevlet+mysql图书管理系统

jspsevletmysql图书管理系统 一、系统介绍二、功能展示1.图书查询(学生)2.借阅信息(学生)3.借阅历史(学生)4.借阅历史(管理员)5.读者管理(管理员)6.图书分类(管理员)7.图书借阅信息(管理员)8.图书归还信息(管理员) 四、其它1.其他系统实现 一、系统介绍 系统主要功能&#xff…

《Linux运维总结:基于ARM64+X86_64架构CPU使用docker-compose一键离线部署mongodb 7.0.14容器版副本集群》

总结:整理不易,如果对你有帮助,可否点赞关注一下? 更多详细内容请参考:《Linux运维篇:Linux系统运维指南》 一、部署背景 由于业务系统的特殊性,我们需要面向不通的客户安装我们的业务系统&…

机器学习和深度学习的常见概念总结(多原创图)

目录 使用说明一、未分类损失函数(Loss Function)1. **损失函数的作用**2. **常见的损失函数**2.1. **均方误差(MSE, Mean Squared Error)**2.2. **均方根误差(RMSE, Root Mean Squared Error)**2.3. **平均…

【云原生安全篇】一文掌握Harbor集成Trivy应用实践

【云原生安全篇】一文掌握Harbor集成Trivy应用实践 目录 1 概念 1.1 什么是 Harbor 和 Trivy? 1.1.1 Harbor 1.1.2 Trivy 1.2 Harbor 与 Trivy 的关系 Trivy 在 Harbor 中的作用: 1.3 镜像扫描工作流程 2 实战案例:在Harbor 配置 Trivy …

SafaRi:弱监督引用表达式分割的自适应序列转换器

引用表达式分割(reference Expression Segmentation, RES)旨在提供文本所引用的图像(即引用表达式)中目标对象的分割掩码。 目前存在的挑战 1)现有的方法需要大规模的掩码注释。 2)此外,这种方法不能很好地推广到未见/零射击场景 改进 1)提出了一个弱…