中山大学付俊教授团队 Adv. Mater.：低迟滞、耐高低温的有机水凝胶人工触觉

2024-09-12 来源：高分子科技

机器触觉系统在智能机器人等领域有十分重要的应用前景。基于柔性传感阵列的人工触觉是机器触觉领域的前沿和热点研究方向。基于水凝胶的应力应变传感器具有柔软可拉伸、仿形度高、贴附性好等优点，可感知力、温度等刺激，成为近年来柔性仿生人工触觉研究的热点。然而，水凝胶受热易失水、受冻易结冰，在高低温等恶劣环境下工作时，往往会丧失传感性能和机械性能；在长期动态载荷下，水凝胶内部结构易破坏，导致机械性能迟滞(Hysteresis)现象，使得传感信号延迟和失真。因此，研究和开发低迟滞、耐高低温的凝胶材料，使其在高低温环境中保持稳定的可拉伸性、韧性以及传感特性，是仿生柔性人工机器触觉研究和发展亟待解决的关键科学问题。

中山大学付俊教授和周业成副教授合作研究了耐高低温、低迟滞的有机水凝胶，构建稳定的柔性应力应变传感器，结合机器学习，赋予机械手人工触觉，实现机器人运动感知和物体抓握识别。该团队设计了一种半互穿网络有机水凝胶，以甘油和水作为二元溶剂，将导电聚苯胺链穿插于聚（丙烯酰胺-丙烯酸）共聚网络中（图1a），刚性聚苯胺链与柔性聚（丙烯酰胺-丙烯酸）网络通过π-π作用、静电作用、氢键作用等相互连结，达到“刚柔相济”的增强增韧效果。凝胶可承受90%以上的压缩而不破碎，压缩韧性高达1.58 MJ m^-3（图1d）。凝胶的拉伸强度可达 92 kPa，断裂应变482%。基于非共价作用的互穿网络协同变形，有效耗散机械加载过程中产生的能量；卸载时，网络变形迅速恢复，过程中网络结构几乎不破坏，因而在循环加载过程中，加载曲线和卸载曲线几乎重合，滞回环极小（图1b, 1c），经过1000周次压缩循环加载卸载，凝胶的迟滞系数低于3.13%。与文献报道的高性能凝胶相比，该团队研制的有机水凝胶兼备高强韧、低迟滞性能（图1e），解决了水凝胶强韧性与低迟滞性难以兼得的难题，对于研制高性能、高鲁棒性的凝胶传感器有非常重要的意义。

图1 低迟滞高韧性有机水凝胶的结构和力学性能。

聚苯胺链贯穿于凝胶网络中，赋予凝胶较高的导电能力，电导率可达0.27 S/m （图2a）。在拉伸变形过程中，聚苯胺链滑移，凝胶的电导率/电阻率发生变化，在较宽的应变范围内呈线性传感特性（图2b）。在压力作用下，凝胶在低应力区呈现高灵敏度（35.1 MPa^-1），在高应力下呈现低灵敏度（图2c）。重要的是，在循环加载中，由于凝胶的导电网络结构保存完好，其低迟滞特性也赋予凝胶基传感器优异的传感鲁棒性。在1000次循环拉伸（100%应变，图2d）和压缩（20%应变，图2e）测试中，传感信号呈高线性度，且不衰减或漂移。

图2 有机水凝胶的应变和应力传感灵敏度和稳定性。

该凝胶采用甘油-水二元溶剂体系，显著降低了冰点和蒸汽压，使有机水凝胶在低温下不结冰、高温下几乎不失水。DSC研究结果表明，凝胶在-100°C~0°C范围凝胶不结冰。在60°C，凝胶的保水率达60%以上。因此，在-18 °C和60 °C环境下，凝胶保持优异的柔韧性（图3a,b）和应力应变传感性能；循环拉伸100次，凝胶传感基线和信号保持稳定（图3c,d）。

该团队进一步探究了凝胶传感器在连续变温环境下（-18 °C，20 °C和60 °C）的长期稳定性。将传感器在20 °C环境中连续循环加载卸载24小时（1800次，应变100%），所监测的信号峰高度线性且稳定。然后将该传感器置于-18 °C，循环加载卸载1800次（应变100%，持续24小时），尽管低温导致电导率、传感灵敏度、传感信号峰值有所下降，传感器仍然保持结构完整、性能稳定。继续将传感器置于60 °C环境，循环加载卸载1800次（应变100%，持续24小时），传感性能保持稳定。重复上述变温操作，持续七天，全过程中传感信号基线不漂移，凝胶结构和传感信号保持稳定，表现出非常出色的耐高低温性能。

图3 有机水凝胶在高低温环境中保持优异的柔性和传感鲁棒性。

该团队探索了有机水凝胶应变和应力传感阵列在机器人运动感知、手势识别和抓握感知等方面的应用。为了实时监测机械手的运动过程，在手指背安装应变传感阵列（图4a），每根手指的运动导致凝胶传感器拉伸变形、电导率/电阻率变化，产生手指运动状态信号（图4b），信号强度反映了手指的弯曲程度，通过五个通道分别采集五根手指的运动，综合分析信号特征，可识别机械手的运动和手势（图4c）。

另一方面，在指肚和指节处分布应力传感器阵列，辅助机械手“感知”抓握对象的力学特征（图4a）。当机械手抓取物体时，压力传感器与物体首先接触并挤压，产生传感信号，物体模量不同，产生的信号强度也不一样；不同部位与物体接触的程度不同，所反馈的信号也有差异（图4d）。抓握不同软硬的物体（如凝胶、硅橡胶、泡沫等），相应的应力传感信号峰也显著不同（图4e）。

图4 有机水凝胶应变和应力传感阵列用于机械手运动监测和物体感知。

基于上述研究结果，该团队结合线性回归的机器学习模型实现了仿生机器触觉，用于辅助“识别”机械手抓握物体的形状。首先，在机械手背安装应变传感器阵列，通过五通道分别采集各手指的运动状况（图5a）。以球、圆锥和长方体等规则形状的物体为研究和训练模型，采集机械手在抓取物体时的传感信号，并与相应的手势建立对应关系，通过抓握时的手势反映物体的形状，用于训练线性回归模型（图5b）。经大量测试数据训练后，线性回归模型可识别机械手所抓握物体的形状（图5c）。在15000次的物体抓握模拟中，模型对球、圆锥和长方体的识别准确率均为100%（图5d）。

图5 机器学习辅助的人工触觉用于物体形状识别。

该研究工作通过简单的材料结构设计获得了高强韧、低迟滞的有机水凝胶，解决了水凝胶易失水、易结冰、结构破坏而导致丧失性能的难题，使有机水凝胶传感器能够在高低温下长期稳定工作，初步验证了基于该凝胶构建人工触觉的可能性，为研制高性能、长寿命人工机器触觉、推动其在新一代智能机器人领域的应用提供了重要的思路。

该项研究以“Flexible Artificial Tactility with Excellent Robustness and Temperature Tolerance Based on Organohydrogel Sensor Array for Robot Motion Detection and Object Shape Recognition”为题发表在Advanced Materials。文章的第一作者是中山大学2021级博士研究生陈国旗，付俊教授和周业成副教授为共同通讯作者。该工作得到了国家自然科学基金（22375225）的支持。

全文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.202408193

版权与免责声明：本网页的内容由中国聚合物网收集互联网上发布的信息整理获得。目的在于传递信息及分享，并不意味着赞同其观点或证实其真实性，也不构成其他建议。仅提供交流平台，不为其版权负责。如涉及侵权，请联系我们及时修改或删除。邮箱：info@polymer.cn。未经本网同意不得全文转载、摘编或利用其它方式使用上述作品。

（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