- 0
- 0
- 约5.08千字
- 约 7页
- 2026-10-31 发布于江苏
- 举报
基于液态金属的可拉伸电路制备技术结题报告
一、项目研究背景与意义
在柔性电子、可穿戴设备、生物医学工程等前沿领域,传统刚性电子器件的局限性日益凸显。刚性电路无法适应复杂曲面、动态形变的工作环境,在人体运动监测、软体机器人驱动、智能皮肤等场景中,易因机械应力集中出现断裂、性能衰减等问题。液态金属(如镓基合金)兼具金属的高导电性与流体的形变适应性,其熔点低、室温下呈液态,拉伸、弯折等形变过程中能保持稳定的电学性能,成为制备可拉伸电路的理想材料。
本项目聚焦基于液态金属的可拉伸电路制备技术,旨在突破传统刚性电路的形变瓶颈,开发兼具高拉伸性、高导电性、高稳定性的新型柔性电路制备工艺,为可穿戴医疗设备、柔性传感器、人机交互界面等领域提供核心技术支撑。项目实施期间,团队围绕液态金属材料改性、图案化制备工艺、封装与集成技术等关键方向展开研究,取得了一系列具有创新性与应用价值的成果。
二、液态金属材料体系优化
(一)镓基合金成分调控
项目初期,团队系统研究了镓(Ga)、铟(In)、锡(Sn)等元素不同配比对液态金属性能的影响。通过正交实验设计,制备了12种不同成分的镓基合金样品,测试其导电性、熔点、粘度、表面张力等关键参数。研究发现,当Ga、In、Sn质量比为68:22:10时,合金熔点低至11℃,室温下流动性优异,同时电阻率仅为3.2×10^-8Ω·m,接近纯铜的导电水平。此外,该成分合金在-
您可能关注的文档
- 基于神经网络的跨语言命名实体识别研究综述.doc
- 基于神经网络的跨语言情感分析中的文化偏见与情感迁移研究综述.doc
- 基于神经网络的跨语言实体链接中的跨语言知识图谱嵌入与语义桥接研究综述.doc
- 基于神经网络的跨语言语义相似度计算中多语言编码与对齐机制研究综述.doc
- 基于神经网络的跨语言摘要生成中的源语言语义保真与目标语言流畅性平衡研究综述.doc
- 基于神经网络的跨语言知识图谱对齐中的实体表示学习研究综述.doc
- 基于神经网络的量子态保真度估计研究综述.doc
- 基于神经网络的问答对生成研究综述.doc
- 基于神经网络的问答系统研究综述.doc
- 基于神经网络的问答系统中多跳推理与外部知识库融合策略研究综述.doc
原创力文档

文档评论(0)