基于MXene改性的纤维素纳米纤维的摩擦电纳米发电机,可实现高精度的人机交互

《INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES》:MXene-enhanced cellulose nanofibrils triboelectric nanogenerator for high accuracy human-machine interaction

【字体: 大 中 小 】 时间:2026年04月30日 来源:INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES 9.4

编辑推荐:

  翁照辉|张龙腾|邱浩峰|涂俊业|向桥邦|杨朵|薛伟|廖宁波温州大学机械与电气工程学院,中国浙江省温州市325035摘要随着机器人在虚拟现实和物联网领域的最新进展,人机交互(HMI)系统正变得越来越复杂。然而,传统的HMI系统在复杂条件下仍存在能效和可靠性问题,使用可穿戴传感器实现

  
翁照辉|张龙腾|邱浩峰|涂俊业|向桥邦|杨朵|薛伟|廖宁波
温州大学机械与电气工程学院,中国浙江省温州市325035

摘要

随着机器人在虚拟现实和物联网领域的最新进展,人机交互(HMI)系统正变得越来越复杂。然而,传统的HMI系统在复杂条件下仍存在能效和可靠性问题,使用可穿戴传感器实现简单、精确且可靠的HMI仍然具有挑战性。本文提出了一种基于MXene改性的碳纳米纤维-摩擦电发电机(MCTS)传感器,用于能量收集和高精度的人机交互识别。该传感器采用PDMS/MXene作为负极层,AgNW/PVA/CNF作为正极层。MCTS表现出较高的短路电流(2.5 μA)和开路电压(35.6 V),在12000次负载循环后输出电压稳定,功率密度达到2.01 μW/cm2,并具有最高的电荷转移效率。我们的第一性原理计算表明,MXene的引入通过有效传递界面应力显著提高了摩擦电性能,从而大幅提升了整体电荷转移效率。通过将MCTS与卷积神经网络结合,可以分别以95.1%和98.2%的平均准确率识别不同用户的按键行为模式和十个不同的数字手势,这一准确率接近当前最先进的卷积神经网络(CNN)水平。与同类报道的摩擦电发电机相比,该系统能够以更高的准确率识别复杂数据。因此,所提出的系统为下一代HMI系统中先进的传感设备提供了精细的行为模式和手势识别能力。

引言

随着信息科学的不断发展,人机交互(HMI)系统正变得越来越复杂。随着机器人在虚拟现实和物联网领域的最新进展,协同性和高效的人机交互系统逐渐得以实现[[1], [2], [3], [4], [5], [6]]。作为连接人类意图和机器执行的枢纽,HMI在人类与机器人之间的无缝通信中发挥着关键作用,并被用于开发生物医学仪器、智能电子产品、灾害预防系统和智能家居[[7], [8], [9], [10], [11]]。当前HMI设备的关键传感组件主要依赖于语音、手势和按钮交互,这需要复杂的传感器和信号处理单元,导致能耗巨大[3,12,13]。
为了解决这些问题,出现了具有简化传感器的柔性可穿戴HMI[[14], [15], [16], [17], [18], [19]]。尽管系统的信号复杂性和处理成本大大降低,从而节省了能源并提高了时效性,但对于大规模传感器网络来说,能耗仍然可能很高[15,20,21]。作为一种自供电设备,基于摩擦电纳米发电机(TENG)的技术因无需额外能源供应而受到了广泛关注[8,12,[22], [23], [24], [25]]。TENG能够通过接触电荷化和静电感应实现机械-电信号转换,特别是摩擦电传感器为下一代HMI提供了低成本、易于制造和材料多样化的新解决方案[[26], [27], [28], [29], [30]]。
TENG的接触材料包括负极材料(如聚对苯二甲酸乙二醇酯PET或聚偏二氟乙烯PVDF)和正极材料(Cu或Al)[29,31]。然而,迫切需要探索新的环保和可再生材料以用于未来的TENG研究[32,33]。纤维素是一种资源丰富、可再生性强且成本低廉的材料[29]。利用纤维素作为原料,可以通过多种化学和物理方法获得纤维素及其衍生物[[34], [35], [36], [37]]。特别是纤维素纳米纤维(CNFs)是一种有前景的绿色摩擦电材料,使TENG系统更加环保、可回收、生物相容且可降解[36,[38], [39], [40]]。然而,与合成聚合物相比,CNFs由于极化能力较弱,在产生表面电荷方面表现有限[41,42]。
本文提出了一种由AgNW/PVA/CNF和PDMS/MXene复合薄膜组成的TENG,用于能量收集和高精度的人机交互识别。通过利用MXene的介电增强效应提高了系统的表面电荷密度,并通过控制AgNW浓度构建了高效的电荷收集网络。同时,引入了一种简化且高效的制造工艺,解决了传统TENG制造方法复杂、耗时且成本高的问题,该工艺采用“一锅法”合成策略,显著缩短了流程、降低了成本并提高了简易性。在此基础上,传感器信号通过卷积神经网络(CNN)进行处理,以提取多个用户的按键特征,用于智能键盘。这种结合CNN的传感器系统还集成了手套,用于手势识别。这种“材料-结构-算法”三层次协同策略不仅解决了非接触式TENG的输出限制,还为人机交互建立了智能范式。

章节摘录

方法

本节详细介绍了MCTS设备的制造和系统集成实验步骤。该方法强调了两种功能性复合薄膜(AgNW/PVA/CNF正极层和PDMS/MXene负极层)的绿色和可扩展合成方法。还描述了MCTS在HMI应用中的模块化组装,特别是按键和手势识别功能。

结果与讨论

本节对MCTS进行了系统评估,将其宏观机电性能与原子尺度机制进行了关联。第一性原理计算阐明了控制PDMS/MXene异质结构增强输出的界面电荷转移行为。MCTS与卷积神经网络的结合展示了该系统在智能HMI应用中的效率和准确性。

结论

总之,我们通过将MCTS与机器学习模型相结合,开发出了结构简单、准确可靠的HMI系统。提出了一种由AgNW/PVA/CNF和PDMS/MXene复合薄膜组成的MCTC,用于能量收集和高精度的人机交互识别。通过利用MXene的介电增强效应提高了系统的表面电荷密度,并通过控制AgNW浓度构建了高效的电荷收集网络。

CRediT作者贡献声明

翁照辉:撰写——原始草稿,研究,数据分析。张龙腾:数据分析,形式分析。邱浩峰:研究,形式分析。涂俊业:研究,形式分析。向桥邦:研究,形式分析。杨朵:研究,形式分析。薛伟:撰写——原始草稿,方法论。廖宁波:撰写——审稿与编辑,项目监督,方法论,资金申请。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号