通过MTEG-TENG协同传感和机器学习优化在多种环境中实现的双模态材料识别方法

《Langmuir》：Dual-Modal Material Identification Method via MTEG-TENG Synergistic Sensing and Machine Learning Optimization in Multiple Environments

提出基于微热电发电机（MTEG）和三机电荷发生器（TENG）的二元模态协作材料识别方法，研制原型系统，通过温度差异和接触电势分析材料特性，实验表明在开放条件下识别准确率达93.54%，并探讨外部条件的影响。

　　

材料识别传感器作为赋予机器人智能感知能力的核心组件，对其发展和创新至关重要。然而，环境条件的复杂性和多样性给传感器的材料识别精度带来了更大的挑战。本文提出了一种基于微热电发电机（MTEG）和摩擦电纳米发电机（TENG）的双模态协同材料识别方法。该原型由基于MTEG的热触觉材料识别单元（TT-IU）和基于TENG的接触电化材料识别单元（CE-IU）组成。TT-IU通过测量其两端之间的温差所产生的电压来反映材料的热扩散性；CE-IU则通过测量材料与单元接触时产生的电压来指示材料的电子亲和力。由于不同材料具有不同的热扩散性和电子亲和力，因此可以通过关联和分析这两种独立的电压数据来实现材料的分类。为了验证该方法的材料识别能力，建立了一个MTEG-TENG双模态协同特性材料识别性能验证实验系统。此外，本文还探讨了外部条件（如接触压力、材料表面粗糙度、环境温度和湿度）对识别性能的影响。实验结果表明，在开放条件下，该材料识别方法能够显著区分不同材料。结合机器学习技术后，该方法在各种外部条件下可识别八种特性材料，总体识别准确率为93.54%。