中山大学周建华/乔彦聪、清华大学任天令InfoMat：具有高拉伸性和稳定性的微米织物增强应变传感器用于全范围和周期性人体运动监测

2024-03-07 来源：高分子科技

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信息技术与材料交叉领域重要期刊《InfoMat》上发表了题为《Micromesh Reinforced Strain Sensor with High Stretchability and Stability for Full-range and Periodic Human Motions Monitoring》的研究论文。本文通过使用SEBS微米织物强化激光直写石墨烯（Laser-scribed graphene, LSG)片层与柔性基底之间的界面结合以及柔性基底的拉伸性能，设计了一种具有高拉伸性和稳定性的微米织物增强应变传感器（micromesh reinforced strain sensor, MRSS）。一方面传感器的高拉伸性满足了全范围人体运动监测的需求，另一方面传感器的高稳定性确保了连续采集周期性信号的一致性，结合不同神经网络算法实现了多种呼吸状态和手势的高准确率智能识别，该工作在智能健康管理和人机交互等应用领域表现出巨大潜力。

图1. MRSS结构示意图。

近年来，可穿戴柔性电子器件迅速发展并被广泛应用于人体运动监测、健康管理、人机交互等诸多领域之中。作为其中重要成员之一，可穿戴柔性应变传感器，尤其是可穿戴柔性电阻式应变传感器因其数据读出和记录方便、拉伸性高、动态性能好以及制备工艺简单等优点备受研究者青睐。目前，人们侧重于开发具有高拉伸性和高灵敏度的传感器以便更好地满足应用需求。然而，大多数已报道的传感器拉伸性仍然不足，且高灵敏度往往会限制传感器的拉伸性，这极大地阻碍了传感器进一步发展与应用。更重要的是，传感器在大多数应用场景中需要长时间连续监测某一信号，而这类信号大部分是周期性信号，这对于传感器的稳定性提出了巨大挑战。因此，设计具有高拉伸性和高稳定性的传感器对于实现全范围和周期性人体运动信号监测具有重要意义。基于实际需求，周建华/乔彦聪团队与任天令团队首次提出了一种微米织物增强结构并基于此设计了一种高性能的应变传感器MRSS。

MRSS由包裹在Ecoflex中的两层SEBS微米织物和一层片状LSG组成。激光直写过程中，激光产生的焦耳热导致局部高温，使得涂敷在微米织物上的氧化石墨烯被还原为石墨烯，同时氧元素气化所释放气体导致石墨烯片层膨胀并部分包裹微米织物。使用Ecoflex浸润后，Ecoflex渗透并包裹住微米织物和石墨烯，并与微米织物形成复合柔性基底。

图2. 制备过程各阶段样品SEM照片

为了获得最佳性能的传感器，研究团队基于不同静电纺丝时间（1、2和3 h）制备了具有不同厚度微米织物层的传感器（MRSS-1、MRSS-2和MRSS-3）。结果显示，MRSS-2性能最佳，具有宽工作范围（120%）、低检测限（0.02%）、高灵敏度（100-120%应变范围内GF=2692）和高稳定性（11000次拉伸循环）。令人惊讶的是，传感器在拉伸形变达到300%后人不会损坏，在工作范围内仍能使用。此外，传感器对于不同应变频率的响应具有良好一致性。

图3. MRSSs的电机械性能。

为了探究MRSS-2高拉伸性和稳定性的机理，研究团队设置了三种不同结构的传感器（E[L]、SLS和ESLSE）作为对照组。传感器的拉伸性主要取决于导电通路在大应变下是否连通，而稳定性则与导电材料与柔性基底之间的界面结合以及柔性基底拉伸性能密切相关。结果表明，微米织物的存在是MRSS-2具备高拉伸性和稳定性的主要原因，微米织物穿插在部分石墨烯片层之间，增强了导电材料与柔性基底的界面结合；Ecoflex的浸润是次要原因，Ecoflex浸润使得导电材料与柔性基底的界面结合得到进一步强化，并与微米织物复合增强了柔性基底的拉伸性能。强化的界面结合一方面使得MRSS-2在大拉伸应变下产生了连续均匀且密集的裂纹，确保了导电通路的连通性而赋予了传感器高拉伸性；另一方面与强化的柔性基底发挥协同作用，赋予了传感器高稳定性。

图4. MRSS-2高拉伸性的机理探究。

图5.MRSS-2高稳定性的机理探究

通过观察拉伸时裂纹形貌以及受力情况，分析了不同静电纺丝时间制备的传感器拉伸性能存在差异的原因。更进一步，基于LSG多层结构以及裂纹形貌，提出了一种六层有限元并联仿真模型来研究传感器应变响应行为和失效机理。

图6. MRSSs拉伸时裂纹形貌与受力情况以及MRSS-2六层有限元并联仿真结果。

基于传感器的优异性能，传感器在人体运动监测、智能健康管理和人机交互领域表现出巨大的潜力。MRSS-2优异的拉伸性使得其能够满足全范围人体运动信号监测的需求。更进一步，柔性可穿戴传感器与神经网络算法结合是未来传感器发展的趋势之一。算法通常根据信号特征进行分类识别，为了实现高分类准确率，需确保采集的信号具有高度一致性，这与传感器的稳定性关系密切。基于传感器的高稳定性，研究团队根据信号类型的不同选择了两种不同结构的神经网络算法来识别多种呼吸状态和手势，分类准确率分别高达94.29%和100%。

图7. MRSS-2用于全范围人体运动监测及协同神经网络算法实现多种呼吸状态和手势的智能识别

中山大学生物医学工程学院是论文第一单位，中山大学生物医学工程学院硕士研究生刘海东是文章的第一作者，中山大学周建华教授和乔彦聪助理教授是论文的通讯作者、清华大学集成电路学院任天令教授，该研究成果得到了国家自然科学青年基金、深圳市科技计划、深圳市优秀科技创新人才培养项目、清华大学北京信息科学与技术国家研究中心开放课题、广东省传感技术与生物医学仪器重点实验室的支持。

论文链接: https://onlinelibrary.wiley.com/doi/full/10.1002/inf2.12511

版权与免责声明：中国聚合物网原创文章。刊物或媒体如需转载，请联系邮箱：info@polymer.cn，并请注明出处。

（责任编辑：xu）

【大中小】【打印】【关闭】

诚邀关注高分子科技

更多>>最新资讯

更多>>科教新闻