首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

基于室温液态金属的可穿戴应力传感器研究

摘要第4-5页
abstract第5页
引言第10-12页
1 绪论第12-28页
    1.1 可穿戴电子设备与传感器第12-15页
        1.1.1 可穿戴设备第12页
        1.1.2 可穿戴设备的研究和发展现状第12-13页
        1.1.3 传感器在可穿戴设备的作用第13-15页
    1.2 可穿戴应力传感器第15-20页
        1.2.1 应力/应变传感器的分类第15-17页
        1.2.2 弯曲应力/应变传感器的研究和发展现状第17-18页
        1.2.3 可拉伸应力/应变传感器的研究与发展现状第18-20页
    1.3 液态金属及其性质第20-24页
        1.3.1 室温液态金属的组成与性质第20-21页
        1.3.2 室温液态金属的图案化第21-24页
    1.4 液态金属在应力传感器中的应用第24-26页
        1.4.1 液态金属在应力传感器中的研究进展与现状第24-26页
        1.4.2 液态金属在应力传感器中存在的问题第26页
    1.5 本论文的研究内容与意义第26-28页
2 基于液态金属应力传感器的制备与表征第28-39页
    2.1 化学试剂第28页
    2.2 实验设备第28-35页
        2.2.1 差示扫描量热仪第28-29页
        2.2.2 热转印机第29-30页
        2.2.3 3D打印机第30-31页
        2.2.4 台阶仪第31-32页
        2.2.5 扫描电子显微镜第32-33页
        2.2.6 能谱分析仪第33-34页
        2.2.7 电学测量系统第34-35页
    2.3 实验方法第35-38页
        2.3.1 转移印刷法第35-37页
        2.3.2 3D打印光聚合法第37-38页
    2.4 本章小结第38-39页
3 基于液态金属的可拉伸应力传感器第39-61页
    3.1 引言第39-40页
    3.2 室温液态金属的制备及表征第40-44页
        3.2.1 室温液态金属的制备第40-41页
        3.2.2 室温液态金属的表征第41-44页
    3.3 弹性衬底上液态金属薄膜的制备研究第44-46页
        3.3.1 弹性衬底上液态金属薄膜的制备流程第44页
        3.3.2 弹性衬底上液态金属厚度的控制研究第44-46页
    3.4 液态金属可拉伸传感器的制备研究第46-49页
        3.4.1 液态金属可拉伸传感器的结构选择第46-47页
        3.4.2 液态金属基可拉伸传感器的传感机理第47-49页
    3.5 液态金属可拉伸传感器的性能及应用研究第49-59页
        3.5.1 液态金属可拉伸传感器的灵敏度和线性度测试第49-51页
        3.5.2 液态金属基可拉伸传感器的统一性和迟滞性测试第51-52页
        3.5.3 液态金属可拉伸应力传感器的重复性测试第52-53页
        3.5.4 液态金属可拉伸应力传感器的应力松弛测试第53-54页
        3.5.5 液态金属可拉伸应力传感器的分辨率测试第54-56页
        3.5.6 液态金属可拉伸应力传感器的响应时间测试第56页
        3.5.7 液态金属基可拉伸应力传感器的疲劳性测试第56-57页
        3.5.8 液态金属基可拉伸应力传感器的应用研究第57-59页
    3.6 本章小结第59-61页
4 基于室温液态金属的3D打印弯曲应力传感器的研究第61-72页
    4.1 引言第61-62页
    4.2 基于液态金属的3D打印弯曲应力传感器第62-66页
        4.2.1 材料选择及打印第62-63页
        4.2.2 结构设计第63-64页
        4.2.3 液态金属基3D打印弯曲应力传感器的制备研究第64-65页
        4.2.4 基于液态金属3D打印弯曲应力传感器的传感机理第65-66页
    4.3 基于液态金属3D打印弯曲应力传感器的性能研究第66-70页
        4.3.1 基于液态金属3D打印弯曲应力传感器的性能研究第66-69页
        4.3.2 基于液态金属的3D打印应力传感器的应用研究第69-70页
    4.4 本章小结第70-72页
5 总结与展望第72-74页
    5.1 论文总结第72-73页
    5.2 论文展望第73-74页
参考文献第74-78页
在学研究成果第78-80页
致谢第80-81页

论文共81页,点击 下载论文
上一篇:基于改进型遗传算法的网络节点定位方法研究
下一篇:基于深度学习的农作物病害识别