可伸缩的温度计;从2D到3D物体。
可伸缩的温度计
哈佛大学约翰·a·保尔森工程与应用科学学院(SEAS)开发了一种可拉伸和自供电温度计它可以被集成到各种系统中，比如可拉伸电子设备和软体机器人。
根据使用的材料不同，这种可伸缩温度计可以测量200摄氏度到零下100摄氏度的温度。可拉伸温度计具有快速响应时间。而且，即使设备发生弯曲或变形，它仍然是准确的。
该行业正在开发下一代生物兼容医疗设备、智能服装和软机器人。机器人技术的一个子领域，柔软的机器人包括开发由物理上灵活的身体和电子元件组成的机器人。在某些情况下，软体机器人被设计用来抓取和操纵形状微妙的物体。有时，它们被用于人体内部部署。
软机器人以及生物兼容医疗设备和智能服装可能需要可以拉伸的温度传感单元。但传统传感中使用的许多元件都是刚性的。
为了解决这个问题，哈佛大学设计了一种可拉伸的温度计，它由三部分组成——电解质、电极和介电材料。电介质将电解质和电极分开。
利用这些组件，研究人员开发了四种温度计设计。在一项测试中，他们将它集成到一个柔软的夹具中，并测量了一个热煮鸡蛋的温度。据哈佛大学介绍，这种柔性温度计比传统的热电温度计更灵敏，可以在大约10毫秒内对温度变化做出反应。
温度计的工作原理就像一个带电的温敏电容器。“电解质/电介质界面积聚离子，电介质/电极界面积聚电子(过量或不足)。两个界面上的离子和电子通常不是电荷中性的，这种电荷不平衡在电解质中形成了离子云。该设计的功能是一个带电的温度敏感电容器。当温度变化时，离子云厚度变化，电极开路电压变化。我们展示了高灵敏度(~ 1 mV/K)和快速响应(~ 10 ms)。在一篇发表于发表在《国家科学院院刊》上。其他人也参与了这项工作。
从2D到3D
另外，利用机器学习，哈佛大学的SEAS找到了一种转变的方法2D可拉伸物体变成特定的3D形状。
该技术可用于多个科学和工程领域。根据SEAS的说法，它可以为建筑、软传感器、人体工程学服装和医疗设备的可变形表面的发展铺平道路。
在实验室中，SEAS将该技术用于伤口愈合的机械疗法。为了开发这项技术，SEAS设计了一种基于弹性材料的2D方形片膜。
然后，将膜安装在丙烯酸腔体上。受压时，二维弹性膜转变为三维圆顶形状。薄膜的高度取决于材料的刚度和薄片的厚度。
但确定最终材料的确切形状并非易事。为了开发这些材料的精确3D形状，研究人员使用了一种称为反向设计的技术。
逆向设计是一个简单的概念。假设你想用精选的材料开发产品。在计算机中，你在系统中输入所需的材料和属性。然后，使用算法，系统生成一个预测的解决方案。
为了实现逆向设计，SEAS的研究人员使用了机器学习。作为人工智能(AI)的一个子集，机器学习在系统中使用先进的算法来识别数据中的模式，以及学习和预测信息。
“一旦机器学习模型得到训练，我们就会提出一个任意的3D形状，并将其传递给模型，”SEAS的前博士后Antonio Elia Forte说。“然后，神经网络输出膜的设计和我们应该在多大的压力下充气，以获得所需的3D形状。
“这个平台有潜力快速有效地设计针对患者的机械治疗设备。在这项研究之前，我们不知道如何使用机器学习来解开充气系统中的非线性映射，但事实证明，它们在这些目的方面非常强大，”Forte说。“机器学习可以突破目前已知设计策略的边界，使我们能够设计和制造完全可重构的变形材料。”
这项研究已经发表高级功能材料。
|
|
|
|
|
|
|
|
|
|
留下回复