上海工程技术大学宋仕强团队 JMCA：糖塑法辅助制备的具有优异触觉感知功能的中空PDMS可穿戴织物

2024-03-13 来源：高分子科技

柔性可穿戴电子设备的快速发展和不断完善使其在健康监测、运动检测、电子皮肤等各个领域凸显出重要的应用价值。柔性压力传感器作为可穿戴电子设备的重要组成，因其能够将外界压力转换为可识别的信号而被广泛构建和使用。为了满足可穿戴和柔性的特性要求，柔性聚合物薄膜、块状和纤维及其织物状结构是基体材料最为广泛的呈现形式，其中纤维及其织物由于其独特的一维结构、良好的透气性、穿戴舒适性和顺应性等，在制造柔性压力传感器方面具有独特的优势。然而，纤维本身有限的空间形变和固有的低弹性限制了其传感性能，特别是受限的压力工作范围。另外，聚二甲基硅氧烷(PDMS)或硅橡胶因其具有优异的热稳定性、高柔韧性和生物相容性等特点，在柔性传感领域获得了广泛的应用，而它们大多以导电的薄膜、块状材料或绝缘包裹层的形式存在。由于它是交联结构，因此采用传统的熔融、溶液和静电纺丝法难以获得其纤维状结构。因此如何通过一种简单高效的方法开发具有宽压力范围和高灵敏度的高性能PDMS纤维类压力传感器具有重要意义。

近期，上海工程技术大学宋仕强副教授团队受传统糖塑工艺的启发，采用高效便捷的糖塑法制备了一种碳纳米管(CNT)嵌入式的中空聚二甲基硅氧烷(PDMS)纤维。柔软的中空PDMS/CNT纤维进一步被刚性导电聚多巴胺(PDA)-聚吡咯(PPy)涂覆，形成了独特分层结构。CNT在PDMS衬底中形成导电网络，通过导电通路的改变，赋予传感器的优异的传感性能；多巴胺和吡咯单体混合物在中空PDMS纤维上进行原位表面聚合生成刚性微结构，致使纤维结构在面向低压时进行压力传递从而引起PDMS/CNT基体形变，而在高压下通过自身的变形又进一步扩大了工作范围。这种简单高效的构建策略与独特的分层结构相结合，有助于先进可穿戴电子设备设计制备，并进一步拓宽其应用范围。

图1. 中空纤维的制备与形貌

中空结构赋予纤维质轻的特性有助于减轻佩戴的重量(图2a-d)。糖塑工艺在调控糖纤维尺寸方面具有可控性，图2e展示了长约40 cm的大尺寸中空PDMS/PDA-PPy纤维，证明了其用于构建大尺寸传感器器件的可行性。与实心PDMS纤维相比，空心PDMS纤维和PDMS/PDA-PPy纤维具有更高的断裂伸长率和韧性，而强度略有下降。此外，中空纤维由于其独特的中空结构，通过两根纤维的重叠也表现出比实心纤维更好的变形能力(图2h)。中空纤维除了具有良好的韧性和压缩性外，还能承受大大超过其重量的物体，如图2i所示重量约为98 mg的中空PDMS/PDA-PPy纤维能够承载700 g的重量，表明其具有优越的承载能力和力学强度。

图2. 中空PDMS/PDA-PPy纤维尺寸和机械性能

在承受外界压力时，纤维独特的中空结构可以提供更多的可变形空间，直到上下表面接触，这为传感器在较宽的压力范围内工作提供重要基础。压力敏感性与中空纤维结构的变形密切相关，压力敏感性会在压缩初始阶段急剧增加，这可能是由于中空纤维上层的PDA-PPy和CNTs剧烈变形所致。然而随着压力的进一步增大，压力敏感性缓慢升高，直至纤维表面的PDA-PPy颗粒接触。当中空纤维的上下底面接触压实时，处于PDMS基体中的导电碳纳米管网络随之发生较大的变形，致使传感器在更高的压力下继续工作。因此，基于中空纤维的压力传感器在较宽的压力范围内具有优异的传感性能(图3)。

图3. 基于中空纤维的压力传感器的压力传感性能

纤维表面的硬质PDA-PP导电颗粒微结构赋予纤维分层结构特点，通过其对物体表面的接触，其接触反作用力会迅速反馈到PDMS基层，从而引起嵌入的导电CNT网络灵敏而快速地捕捉到由于PDMS软变形引起的电阻信号变化。这种结构就如同手指表面微结构，凸起的刚性PDA-PPy颗粒模拟了手指皮肤的脊，柔软的PDMS模拟了表皮，嵌入的CNT模拟了触觉小体，因而具有触觉感知的功能。为了验证其触觉感知能力，我们通过交叉的中空纤维接触具有不同粗糙表面的物体，如聚氨酯棉、纱布、聚四氟乙烯薄膜、不锈钢板、刷子、多孔硅膜等，并结合机器学习算法和人机界面组成的智能触觉识别平台，可以自动智能地分类和识别物体。

图4. 中空纤维接触不同表面粗糙度物体刺激电信号响应性

图5. 基于传感器和1D-COVN的智能触觉识别系统

以上研究成果以“Sugar-plastic Assisted Fabrication of Hollow PDMS Wearable Fabrics toward Excellent Sensory Capabilities”为题发表于Journal of Materials Chemistry A（DOI: 10.1039/D3TA08044G）。论文第一作者为上海工程技术大学化学化工学院硕士生刘眉，通讯作者为上海工程技术大学宋仕强副教授，机器学习算法得到了电子工程系熊玉洁副教授的支持。

文章链接：https://pubs.rsc.org/en/content/articlelanding/2024/ta/d3ta08044g

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