水下智能柔性传感器：工作原理、可靠性及人工智能赋能功能

《Sensors and Actuators A: Physical》：Underwater Intelligent Flexible Sensors: Mechanisms, Reliability, and AI-Enabled Functions

　　•本文讨论了柔性传感技术如何克服刚性传感器在恶劣海洋环境中的适应性限制和结构故障问题。•回顾了水下智能柔性传感器在材料、结构、机制和系统集成方面的最新进展。•总结了海洋柔性传感器的核心挑战，并提出了实际应用策略。

引言
海洋是地球上最大的生态和资源库，覆盖了地球表面大约71%的面积，其全面的跨学科探索在很大程度上依赖于传感器。例如，利用传感器可以检测水下生物[1]、监测海底电缆和管道的缺陷及安全状况[2]，以及识别地震和滑坡等地质灾害的前兆信号[3]。然而，由于极端环境和复杂任务的挑战，获取这些信息存在很大困难。
海洋环境中的极端条件包括高静水压力、腐蚀性化学环境以及生物污染。传统的刚性电子传感器在应对这些多维度、高要求和长期性的任务时逐渐暴露出其固有的局限性：在极端静水压力下存在结构故障的风险；难以适应复杂的表面；长期使用过程中由于腐蚀和生物污染导致性能下降；以及在海水中实现高速、低延迟数据通信的挑战。这些瓶颈严重限制了数据采集的连续性、系统部署的灵活性以及整个网络的智能水平。
为克服传统刚性传感器的局限性，智能柔性传感器技术的发展势头日益强劲。与传统刚性传感器相比，柔性传感器在材料、结构等方面都有了改进，在过去五年中，人们尝试将其与人工智能算法相结合。这些材料进步使传感器能够更可靠地适应恶劣的海洋环境，而其柔性的特点使它们能够适应各种载体。结合通过人工智能技术进一步改进的数据处理和传输能力，这些优势为未来开发分布式、自适应和高度弹性的水下智能传感网络奠定了基础。
尽管有许多综述针对柔性传感技术的各个方面进行了探讨，但它们的范围仍然相对孤立。关于人工智能支持的柔性传感的综述主要强调数据分析和决策能力——从医疗数字化[4]到受大脑启发的机器学习和人工突触框架[5]——但这些研究大多局限于陆地和生物医学领域，并未涉及水下部署或长期材料稳定性。相反，专注于水下柔性传感的综述[6]、[7]主要关注防水性、超疏水性和接口稳定性的材料和结构策略，而算法补偿层面则未被涵盖。关于海上和恶劣环境传感的综述[8]、[9]从系统角度讨论了结构健康监测和传感器网络，但很少涉及柔性电子材料或人工智能驱动的信号校正。大量的关于柔性压力传感器的综述[10]、[11]、[12]、[13]、[60]以及“材料-设备-算法”三层框架[15]则详细探讨了性能优化和智能感知，但未将设备级别的退化与统一的水下可靠性联系起来。
据我们所知，目前还没有综述同时整合了材料-设备-系统-人工智能的完整因果链，并将水下/浸没环境的可靠性作为其统一主题。因此，本文与表1中总结的代表性工作有三个不同之处。首先，它追踪了材料级别的退化（如水塑性、离子侵蚀、生物污染）如何通过设备级别的非理想因素（如粘弹性滞后、封装微裂纹、行-列串扰）最终导致系统级别的误差，而不仅仅是孤立地研究这些故障模式。其次，它将人工智能视为一层有界的增强层——当物理信号仍可检测时，能够抑制残余的可逆漂移和滞后，但根本无法逆转不可逆的材料疲劳或修复断裂的导电网络。第三，它指出了原位水下人工智能漂移补偿基准的缺乏是一个关键的研究空白，区分了作为嵌入式感知层的人工智能（已在相关综述中研究[7]、[17]）和用于逆转材料级别基线漂移的人工智能（尚未应用于水下环境）。这种以问题为导向的框架——而不仅仅是成就的目录——构成了本文的核心动机和独特贡献。
本文旨在系统地回顾水下应用中智能柔性传感器的关键技术进步，分析材料、设备、系统和算法集成的创新范式，并探讨这些技术在关键领域的应用潜力和挑战，为这一跨学科领域未来的发展提供清晰的视角和路线图。

在高压、高盐度和长期浸没等极端操作条件下，传感器的可靠性和适应性有限，这确实阻碍了它们在复杂环境中的广泛应用。在这些情况下，高静水压力不仅要求传感器具有极宽的测量范围，还可能破坏其核心传感元件的线性和灵敏度；此外，刚性材料更容易疲劳和断裂。同时，高压环境常见的化学腐蚀会导致传感器外壳腐蚀、电路短路和组件故障，使得传感器难以在深海或化工处理等恶劣条件下保持长期稳定性。从结构上看，刚性传感器难以适应弯曲的管道等复杂曲面；它们无法适应柔性夹具的弯曲和变形，这可能导致传感器断裂或失效。此外，刚性材料还会削弱柔性夹具的传感能力，降低其灵敏度和适应性，影响夹具抓取物体的能力。这不仅降低了测量精度，还增加了维护和更换成本。在功能集成方面，传统传感器通常依赖于单一物理效应。为了实现多参数传感，需要将具有不同功能的传感器堆叠或分离布置，从而导致系统结构复杂、信号干扰增加以及难以实现轻量化和灵活集成。
相比之下，虽然柔性传感器作为一种新兴的传感技术具有优势，但这并不意味着上述挑战已经完全解决；相反，它们的材料和结构特性为解决这些挑战提供了新的途径。例如，可以通过采用仿生结构主动对抗静水压力的影响，而像水凝胶这样的天然柔性材料可以使其模量接近海水的模量，从而显著降低压力敏感性。然而，柔性传感器在极端环境中的长期可靠性和信号稳定性仍然是关键的研究重点和挑战。人工智能技术的快速发展引入了新的方法和潜在解决方案来应对这些挑战，促使研究人员探索各种集成人工智能的方法。机器学习算法可以用于建立材料退化和信号漂移的预测模型，甚至在数据不完整时智能地补充和增强数据，从而加快可靠性评估和故障机制的识别；边缘智能算法（如TinyML）可以在传感器级别进行实时数据预处理、压缩和特征提取，有效减少需要传输和存储的数据量，显著降低系统功耗并提高响应效率。这些组合为构建长期稳定和智能的水下传感系统提供了关键技术支持。

当前的柔性传感器技术已展现出广泛的应用前景，并有潜力解决海洋环境监测、智能可穿戴设备、海洋设备应用和软体机器人等前沿领域的上述挑战，如图1所示。李等人[19]开发的柔软、耐压的温度和盐度传感器，以及卢等人[18]描述的柔性盐度传感器，都能很好地附着在生物表面上，用于常规监测海洋环境中的温度和盐度。同时，柔性传感器也被应用于许多可穿戴设备中。例如，彭等人的研究[20]描述了一种可穿戴的双模柔性温度/压力传感器，该传感器在测量和区分温度和压力刺激方面表现出足够的能力，最大温度灵敏度系数为0.447%/°C，在0–45 kPa的压力范围内灵敏度为0.228 kPa-1。杨等人[21]研究了基于滑环的水凝胶传感器，该传感器具有极宽的温度范围。柔性传感器还应用于其他海洋设备中。例如，向等人[22]研究的用于海底压力监测的离子电子压力传感器，以及张等人[23]对用于石油和天然气管道检查的柔性卡尺传感器背后的定量理论进行的深入探索，展示了柔性传感器的多功能应用。最后，目前流行的软体机器人研究为传感器的集成提供了“灵活”的平台。李等人[25]通过模仿深海狮子鱼的骨骼分布，在柔软的硅胶主体中巧妙分布了必要的刚性电子组件（如电路和电池）。这种设计使机器人能够在不需要传统笨重耐压外壳的情况下承受高压，研究人员还开发了一种能够适应深海环境的电驱动人工肌肉。这无疑为柔性传感器的耐压应用提供了一种“可拆卸组件”的方法。同时，韦纳[24]及其同事研究的受章鱼启发的软体机器人提供了一种完全自主的集成设计和制造策略。他们的研究涉及设计一个完全由软材料组成的微观流体通道网络作为机器人的“大脑”。这个网络可以根据内部空气压力的变化自动调节气流，将燃料分解产生的气体按特定顺序导向机器人的触须，从而实现有节奏的运动。这项研究首次证明了从电源到控制系统都可以使用软材料实现——代表了该领域的概念性突破——而论文中采用的“多材料嵌入式3D打印”技术也为未来研究人员将复杂传感器和电路集成到软结构中奠定了关键工艺基础。
根据工作原理，常见的柔性压力传感器可以分为压阻式、电容式、摩擦电式和压电式。它们的原理、材料和结构如图2所示。
压阻式压力传感器是最常见的类型。它们通常采用三明治结构设计[27]，由一层电阻膜和一层聚合物膜组成，中间夹有一层压阻涂层。其工作原理基于压阻效应：当传感器受到外部拉伸或压缩力作用时[28]，内部敏感材料的状态或其与电极的接触状态会发生变化，从而导致电阻和电流的变化。
电容式压力传感器利用导电电极之间的电容变化来传输电信号。该传感器的结构由夹在两个平行电极之间的弹性介电层组成[31]、[38]。其工作原理基于介电材料在导电电极之间的电容变化来传输信号[30]、[39]。电容可以用公式C = ?A/d表示，其中?表示材料的介电常数，A是两个电极的有效接触面积，d是电极层之间的距离[29]、[40]。当外部压力施加到传感器上时，会导致介电层和电极变形[41]，进而导致电容变化。这种变化可用于检测机械压力[42]。
压电式压力传感器的工作原理基于压电效应[43]。具体来说，当压力施加到压电材料上时，材料的晶格结构会发生变形，导致内部电荷重新分布并在其表面产生电荷[29]、[44]。压电压力传感器通常由压电元件、机械换能器和信号处理器组成[35]、[36]、[45]。它们使用压电晶体或陶瓷材料，主要是石英、陶瓷、钛酸铅（PZT）和聚偏二氟乙烯（PVDF）[46]、[47]、[48]等。这些材料在受力时会产生电荷或电位差[49]。
摩擦电式压力传感器利用摩擦电效应来测量压力[32]、[50]。其工作原理是当两种不同材料之间发生相对运动时，由于材料表面的微观不规则性，在接触界面会产生电荷分布。这种电荷分布在两种材料之间产生电位差，称为摩擦电势[51]。摩擦电纳米发电机（TENGs）中常用的介电材料包括聚二甲基硅氧烷（PDMS）、聚萘酸乙二醇酯（PEN）、聚氨酯（PU）和聚醚砜（PES）[33]、[34]、[52]、[53]、[54]。这种传感器具有显著的优势，包括自供电能力、出色的重复性和循环稳定性[55]、低生产成本以及高能量转换效率[56]。总之，尽管传统的刚性传感器和新兴的柔性传感器在传感原理上相似，但在各层使用的材料以及结构设计方面，柔性传感器已经实现了突破性的改进。这使得它们能够更紧密地贴合工作表面，并承受极端环境。这些改进和突破将是后续讨论的重点。在浸没式柔性传感器中，材料级别的退化主要由三个相互关联的途径主导，这些途径在最近的水凝胶研究中得到了明确阐述：水塑性化（亲水网络吸收海水，链伸展，导电路径稀释）[6]、[57]、由浓度梯度驱动的离子/填料从水凝胶-海水界面渗出[6]、[58]，以及生物污损加上水合层的形成，这会削弱界面粘附性并增加接触阻抗[6]、[59]。正如刘等人所指出的，传统水凝胶会经历“过度膨胀和导电填料渗出，从而影响机械坚固性和信号保真度”[57]；李等人将信号不稳定归因于水凝胶网络内的级联反应——聚合物链伸展和孔隙扩大，随后是导电填料的重新分布、界面阻抗上升，最终导致导电路径中断[58]；宋等人进一步将失效过程分解为化学-机械-润湿模式的耦合，其中“氯化物催化导电网络的氧化和断裂，使电阻增加几个数量级”[59]。总的来说，一旦网络超过可逆膨胀阈值，这些变化通常是不可逆的——人工智能无法重新固定渗出的离子或重建断裂的双层结构。

在设备层面，粘弹滞后性、穆林斯效应软化、批量不一致性和界面滑移是软导电复合材料的固有特性[60]、[61]；包装微裂纹和循环水下弯曲下的边缘状态转换（Cassie→Wenzel）会在多路复用阵列中引入寄生电容和行列串扰[59]、[62]，而在热-盐度梯度下的通道级灵敏度不匹配会使标称解耦矩阵变得病态[63]。Nabeel等人[63]将失效过程总结为一个层次结构，从材料级别的聚合物膨胀、塑化和离子迁移，到界面分层和生物污损，再到基于银的导体的设备级腐蚀以及湿度驱动的导电性漂移——最终导致水凝胶出现干燥/膨胀不稳定性，从而“没有建立可靠的保留和漂移及滞后性测试终点”[63]。他们的机制清单直接支持了上述从设备层面到系统错误的途径。

数据驱动层可以缓解这一链条中的残留问题。自监督CNN/CNN-LSTM去噪和领域适应可以抑制原位应变轨迹中的非平稳漂移[64]；顺序模型（LSTM/GRU/Transformer）在训练于可逆循环数据时可以补偿粘弹滞后性[64]、[65]；物理引导的机器学习方法（HNN-LSTM, PINN）通过强制执行杜埃姆/滞后性先验来保持校准的物理一致性[65]。报道的基准测试显示，在陆地软应变平台上，残余漂移或滞后误差减少了30-80%[64]、[65]。重要的是要区分两个成熟度层次：作为水下柔性电子皮肤（UFES）中的嵌入式感知层的人工智能——包括多模态触觉解码和物体/状态分类——已经在综述层面进行了研究[7]、[17]，并有代表性的原位演示，例如结合特征融合机器学习的水下纹理/硬度/粗糙度判别摩擦电动皮肤[17]；相比之下，专门针对逆转材料级别基线漂移或滞后性进行训练的人工智能在实际水下部署中仍然很少见，大多数基准测试仍处于陆地软应变模拟阶段[64]、[65]。即使在感知层面，补偿也有一定的局限性：王等人[65]明确指出，层次化的物理引导机器学习可以自动将不满意的传感性能校准为等效的线性、无滞后响应，而无需试错实验——但这“不是基于经验的材料或结构工程”，意味着它校准信号但不再生材料。Nabeel等人[63]得出结论，机器学习可以处理漂移校正和异常识别，但“无法逆转材料疲劳”。孙等人[64]将人工智能定义为首先基于“先进材料基础”进行操作。一旦水塑性化或离子耗尽使物理量从信号中消失，机器学习就变成了噪声的回归器。

算法补偿的物理边界明确如下：在可逆范围内，人工智能/机器学习补偿可以在信号层面恢复，包括通过自监督去噪和领域适应来抑制非平稳漂移[64]、通过训练于可逆循环数据的顺序模型来减少粘弹滞后性[64]、[65]，以及通过强制执行杜埃姆/滞后性先验的物理引导校准[65]。相反，当信息在材料层面不再编码在信号中时，人工智能/机器学习无法恢复退化：电极腐蚀和界面分层[63]、导电网络断裂和水塑性化/离子耗尽，这些都会破坏导电路径[64]，以及严重的生物污损，破坏电双层[65]。因此，材料和包装的进步仍然是不可或缺的基础；人工智能是一个有限增强的层，它扩展了设计良好的材料-设备系统的操作范围，但不能替代物理改进。

在柔性传感器技术的发展过程中，重点已经从改进单个特性转向了实现系统级智能，进一步整合了基于优化材料和结构设计的AI辅助能力。AI技术的引入主要集中在智能信号解耦、多模态信息融合以及数字孪生驱动的性能预测和自适应决策上。适当的整合不仅补偿了刚性和柔性传感器的共同缺点，还促进了柔性传感器技术向智能传感的进一步发展。本文将遵循一个从材料和设备到系统集成的框架，逐步深入分析柔性传感器的技术可行性和开发路径，以实现长期、稳定和可靠的数据采集，并应对极端海洋环境带来的挑战，如高压、高盐度和低温。根据图3所示的逻辑框架，本文将全面回顾水下柔性传感器的关键技术进步，并对其智能发展趋势进行前瞻性讨论。

**水下环境与设计要求**
海洋环境对水下传感器的研发提出了严峻的、多维的、系统性的挑战：在物理层面上，海洋的独特条件——包括高压（10000米深度处的静水压力超过110 MPa）、持续低温（2-4°C）和黑暗——要求传感器具备极高的结构抗压性、在低温下的材料稳定性，以及使用……的能力。

**材料与结构策略**
目前，水下柔性传感器的发展受到以下因素的阻碍（见图7(a-c)：**微生物在水下定殖会阻挡光线并干扰光学传感器的传感路径，产生的化学物质仍可能腐蚀其他类型的传感器[73]；在极端温度（通常高于100°C或低于-20°C）下，传统柔性材料经常出现导电性下降、机械性能恶化和结构失效，严重……**

**水下传感器原理**
目前，水下柔性传感器主要基于压阻式[174]、[175]、电容式[176]、离子电子式[178]和摩擦电动式[179][180]等机制构建，其等效电路模型如图13(a-d)所示。压阻式传感器依靠材料在机械力作用下的体积电阻变化来实现信号转换。然而，水下封装（例如PDMS外壳）虽然在确保防水性方面有效，但往往……

**水下柔性传感器的智能系统集成**
水下柔性传感器面临材料滞后性、高盐度环境导致的参数漂移、非线性响应以及长期运行中的能量限制等问题，这些问题会导致信号失真、数据中断和传输效率降低。因此，研究正从优化单个设备的性能转向创建集成了能量、感知和计算的智能传感器系统。通过传感器-计算协同设计，智能功能……

**应用实例**
基于前面章节讨论的材料系统、传感机制和系统集成的关键技术突破，本章重点讨论了典型水下场景的应用验证。水下柔性传感器具有广泛的应用领域，例如海洋环境监测、水下机器人感知、基础设施健康监测和水下可穿戴设备……

**四大科学问题**
尽管在水下柔性传感器技术的材料创新、设备设计和系统集成方面取得了显著进展，但其长期可靠性、信号稳定性和在极端海洋环境中的使用寿命仍面临一系列深层次的科学挑战。图21展示了水下传感器在各个方面的主要失效路径。由于深海环境的复杂性，其特征是高压、高盐度和溶解氧……

**未引用参考文献**
[75], [76], [81], [82], [83], [84], [85], [86], [87], [88], [89], [102], [103], [299], [300], [301], [302], [303], [304], [305], [306], [307], [308], [309], [310], [311], [312], [313], [314], [315], [316]

**CRediT作者贡献声明**
王欣：撰写 – 审稿与编辑、监督、方法论。高丽波：撰写 – 审稿与编辑、监督、资源、方法论。刘梦然：监督、项目管理和资金获取。陈婉如：撰写 – 原稿撰写、调查。龚瑞阳：撰写 – 原稿撰写、调查。

**利益冲突声明**
作者声明他们没有已知的可能影响本文工作的竞争性财务利益或个人关系。

**致谢**
本工作得到了国家自然科学基金区域创新与发展联合基金（项目编号U25A20495）的支持。

刘梦然：2017年获得华北大学博士学位，现任湖北工业大学副教授。她的主要研究兴趣包括微/纳米传感器和信号处理。

刘梦然|陈婉如|龚瑞阳|王欣|高丽波