1月22日，中山大学生物医学工程学院周建华教授/乔彦聪助理教授团队，清华大学集成电路学院任天令教授团队在纳米材料领域重要期刊《Journal of Materials Chemistry A》上发表了题为《Intelligent Nanomesh-Reinforced Graphene Pressure Sensor with Ultra Large Linear Range》的研究论文，受钢筋混凝土结构启发，基于纳米织物增强的激光直写石墨烯作为核心材料实现了具有超大量程、超宽线性范围、高灵敏度的压力传感器。该器件具有良好的透气性与皮肤保形性，可以实现压力信号的原位放大，可以模仿中医把脉过程中的浮中沉脉诊。通过与神经网络算法相结合，基于纳米织物增强的石墨烯压力传感器（NRGPS）可以通过按压盲文图案实现触觉信号分析。

图1. NRGPS的制备流程与微观结构。

  随着社会经济的发展以及人口结构的改变，人们对于生理信号监测的需求日渐加深。各大厂商纷纷推出各种可穿戴电子设备。人体无时不刻不在产生各种生理信号，在各种生理信号监测中，压力传感器在脉搏、呼吸、触觉等信号中扮演了重要的角色。但是，现有的传感器大部分为负电阻式传感器，即器件电阻随着压力的增大而减小，使得电阻变化小于100%，限制了传感器的量程与灵敏度。另一方面，柔性传感器由于材料性能，在大压强情况下存在稳定性不足的问题。为了解决上述问题，周建华团队与任天令团队借鉴钢筋混凝土结构，使用纳米织物作为骨架，通过激光直写的方式在其中嵌入多孔石墨烯结构限制传感器中裂纹的产生与扩展，极大提高了传感器的量程与灵敏度等参数，以纳米织物增强石墨烯作为核心材料实现超大量程（1000 kPa），超宽线性范围（1000 kPa），高灵敏度（4.19 kPa^-1），高稳定性（>10000次循环）的NRGPS。

图2. NRGPS的电机械特性以及与其他压力传感器对比。

  为了解释传感器工作机制，周建华团队与任天令团队基于传感器的微观结构提出有限元电阻网络模型，通过模拟不同压强下裂纹与厚度的影响分析不同压强情况下传感器电阻分布情况，并与实验结果相符合，该模型对指导织物型压力传感器设计具有重要意义。

图3. 基于微观结构的NRGPS有限元模型。

  NRGPS在硬件与软件两个方面都具有智能特性。通过模拟MOSFET的信号放大特性，将NRGPS压力受力端视为力学栅极，通过调节所施加压力改变静态工作点可以实现微小力学信号的原位放大。基于NRGPS原位信号放大的功能，周建华团队与任天令团队实现了中医脉诊中浮中沉三种压力情况下的脉搏信号提取。并且由于NRGPS高超薄特性，脉诊过程中传感器并不会影响手感。

图4. 基于NRGPS监测寸关尺三个位置浮中沉力道下脉搏。

  为了实现触觉信号的智能分析，周建华团队与任天令团队使用卷积神经网络算法用于分析NRGPS按压盲文后的信号并进行分类，最终准确率达到88%。

图5. NRGPS与神经网络结合用于触觉信号智能分析。

  论文链接: https://pubs.rsc.org/en/content/articlelanding/2022/ta/d1ta09813f

  下载：Intelligent Nanomesh-Reinforced Graphene Pressure Sensor with Ultra Large Linear Range