近年来大数据,云计算发展迅速,ChatGPT等AI模型的发展,标志着人工智能的到来,它们将重新定义我们与物理世界的交互方式,将物理世界与人工智能连接的核心技术之一便是柔性传感器;许多机器学习算法是基于传感器进行的,比如卷积神经网络(CNN),人工神经网络(ANN)以及循环神经网络(RNN);这些算法通过对传感器得到的电信号进行处理,除去异常值,去噪并进行归一化处理,将电信号转换成易于模型分析的数据集,在这个过程中电信号的采集对于传感器具有较高的要求,比如高灵敏度,高分辨率,低的漂移,以及良好的循环稳定性;传统的刚性传感器具有良好的循环稳定性与准确性,但刚性传感器难以弯曲,在人机交互领域无法满足需求,而柔性传感器可以弯曲适应各种曲面,更加贴合人体曲线,能够很好地与人体或物体配合,提供舒适的体验;柔性压电传感器作为柔性传感器的一个分支,将物理信号转化为机器可识别的电信号,利用压电效应制造的压电传感器具有很高的灵敏度,能够检测微小的压力变化,在医疗诊断、运动监测等领域能够提供精确的数据;与传统的刚性传感器相比,柔性压电传感器更轻、更灵活,能够以更便捷的方式集成到衣物、配件、或其他设备中,提高了便携性和舒适度,可以广泛应用于智能穿戴、虚拟现实、人机交互、医疗健康监测等领域。
图1. (a)-(c) MOF、MoS2和MOF@MoS2的FTIR光谱,(d) XRD谱图,(e)紫外可见吸收光谱,(f)-(g) Tauc图,(h) Mott-Schottky图,(i)能带示意图。
图2. AFM图像(a) MoS2, (b) MOF, (c) MOF@MoS2(1:2)的幅值、高度和三维图像。
图3. 可能的机制和AFM图像
图4. (a)压电传感器正接、反接的压电输出,(b)不同传感器压电输出,(c)-(d) 0.5% MOF@MoS2(1:2)传感器灵敏度,(e)响应和恢复时间,(f)传感器漂移测试,(g)循环稳定性测试,(h)-(i)传感器结构图和光学图像。
对制作的压电传感器进行性能测试,如图4a所示,压电传感器在2.2kPa的作用力下具有0.3V的输出电压。灵敏度为0.183V/kPa。具有10.3ms的响应时间,与18.1ms的恢复时间,在经历3个月的放置后,压电性能基本不变,经历3000次的循环后仍然具有优异的循环稳定性。
原文链接:https://doi.org/10.1016/j.cej.2024.157399
- 烟台大学刘洪亮教授课题组《Adv. Sci.》:具有面内可逆折叠-伸展性能的柔性导电薄膜 2021-08-17
- 北理工黄佳琦特别研究员课题组在高安全性金属锂电池领域研究取得新进展 2018-01-12
- 中科院纳米能源所李琳琳团队 Small:氧空位工程增强压电声动力学肿瘤治疗 2023-03-17
- 中科院纳米能源所李琳琳&王中林团队 ACS Nano:具有压电电子效应的纳米声敏剂用于增强肿瘤声动力治疗 2022-06-30
- 南方医大口腔-西交大《Chem. Eng. J.》:仿生骨膜生物活性硅基杂化纳米纤维支架协同压电效应促进临界骨缺损修复与再生 2020-08-25
- 北石化师奇松课题组 CEJ:可用于人体健康和运动监测的柔性压电传感器 2024-04-19