综述：摩擦电可穿戴传感器用于以人为中心的智能电子：从自供电传感到人工智能辅助的人机接口系统

《Nano-Micro Letters》：Triboelectric Wearable Sensors for Human-Centric Smart Electronics: From Self-Powered Sensing to Artificial Intelligence-Assisted Human–Machine Interface Systems

　　

随着智能电子日益融入日常生活、医疗保健、虚拟交互和辅助系统，人机接口（HMI）需要不仅可穿戴和自供电，而且能够将人体信号转换为自适应机器功能的传感平台。摩擦电（triboelectric）可穿戴传感器在这方面尤其具有吸引力，因为它们直接转换人体产生的机械刺激，提供广泛的材料和结构设计自由度，并且易于适应与身体接口的形式。在本综述中，可穿戴性指身体佩戴、皮肤接口、织物集成或以其他方式附着于人体的摩擦电传感平台，而以人为中心的智能电子指功能上仍以人体源传感、解释、反馈或控制为核心的下游电子系统。从这个角度出发，研究人员综述了摩擦电可穿戴传感器从基础到应用的各个方面，涵盖工作原理、材料选择、器件架构和制造策略。研究人员进一步讨论了人工智能辅助信号处理、摩擦电人工突触（artificial synapses）和神经形态计算（neuromorphic computing）作为从自供电传感到智能HMI的关键桥梁。代表性的应用空间，包括医疗保健、手势识别、设备控制、沉浸式虚拟交互、可穿戴到机器人的扩展以及智能交通，仅在可穿戴摩擦电传感作为主要人体输入接口时进行讨论。最后，概述了面向下一代以人为中心的智能电子的剩余挑战和未来方向。

**1 引言**
随着人工智能（AI）、物联网（IoT）和数据驱动自动化的发展，电子系统正从传统设备向交互式智能系统转变。人机接口（HMI）技术成为下一代智能电子的核心，其性能依赖于如何获取、解释和响应人体信号。未来电子系统正朝着以人为中心的智能电子发展，围绕人体生理、运动、意图、舒适度和个性化展开。其中，自供电可穿戴传感器因其能直接检测人体源刺激并减少对外部电源的依赖而备受关注。摩擦电传感器凭借简单的工作原理、广泛的材料选择、结构多样性与柔性、可拉伸、织物及皮肤接口形式的兼容性，成为可穿戴HMI的理想选择。AI技术的引入增强了噪声滤波、特征提取、模式识别和多模态数据融合，提升了传感系统的整体准确性和实用性，推动了从简单刺激检测到高级功能的跨越。

**2 摩擦电材料**
**2.1 基本原理与工作机制**
摩擦电传感器基于摩擦纳米发电机（TENG）的原理工作，通过两种不同材料表面的接触和分离产生电荷。在垂直接触/分离模式下，当两种介电材料接触时，界面因摩擦电效应产生电荷对；分离后，净电荷在表面形成，并诱导附近导体中的相反电荷，从而在连接导线中产生电流。再次接触时，电荷重新配对，产生反向电流。电子云模型描述了该过程：接触时电子云重叠，电子从势阱较浅的材料转移到较深的材料，分离后电荷保持，形成正负带电状态。

**2.2 主要组件与材料**
摩擦电传感器需要摩擦电层和电极层。摩擦电层由介电材料构成，常用含氟聚合物如聚四氟乙烯（PTFE）、氟化乙烯丙烯（FEP）和全氟烷氧基烷烃（PFA），因其氟化分子结构易获得并保留电子。天然材料如动物毛、树叶和纸张也广泛使用；金属有机框架（MOF）和液-固接触界面等新型材料不断涌现。电极层由高导电材料如铜、铝、银，以及碳基材料（石墨烯、碳纳米管（CNT））、氧化铟锡（ITO）和导电水凝胶、离子聚合物构成。这些材料提供了柔性、拉伸性、生物相容性等优势。

**2.3 摩擦电序列**
摩擦电序列根据材料得失电子的倾向进行排序，用于选择最佳摩擦电对。例如，FEP、PTFE、聚氯乙烯（PVC）、聚二甲基硅氧烷（PDMS）和聚酰亚胺（PI）是优良的负摩擦电材料，而聚酰胺6-6（尼龙）和人体皮肤是正摩擦电材料。

**3 用于可穿戴HMI的自供电摩擦电传感器**
**3.1 摩擦电传感器的发展**
摩擦电传感器源自TENG，自2012年首次报道以来，因其简单的机制和广泛的材料适应性迅速发展为可穿戴传感器。TENG能将机械能转换为电能，为物联网设备提供自供电方案。基于其优势，摩擦电传感器实现了多种功能，适用于未来传感系统。

**3.2 摩擦电传感器机制、材料特性与工艺**
摩擦电传感器有四种工作模式：垂直接触/分离模式、横向滑动模式、单电极模式和独立层模式。每种模式对应不同的材料特性和制造工艺。垂直接触/分离模式可采用自组装、折纸/剪纸、静电纺丝和模塑工艺；横向滑动模式需要低摩擦表面，可采用溶液法、卷对卷（roll-to-roll）和润滑工艺；单电极模式因结构简单广泛用于可穿戴电子，可采用树脂固化、多维打印和冻融工艺；独立层模式因无直接接触，常采用电晕放电、激光诱导石墨烯和纱线编织工艺。材料特性和工艺不限于单一模式，展示了摩擦电传感器的可扩展性。

**4 从摩擦电可穿戴传感到自适应HMI的AI处理桥梁：人工突触与神经形态计算**
摩擦电可穿戴传感器的输出通常是瞬态、非线性且依赖用户的，直接解释具有挑战性。人工突触和神经形态计算提供了仿生且节能的途径。摩擦电人工突触可将机械触发信号转换为突触响应，模拟学习、记忆和可塑性；神经形态计算支持事件驱动、低延迟和低功耗的信号解释，减少数据负担并提升实时适应性。

**4.1 摩擦电人工突触与未来自适应智能系统**
多个研究展示了摩擦电人工突触的实现。Wu等人提出基于单电极TENG（SE-TENG）的自供电智能触觉传感器，利用PI:rGO复合层实现学习与记忆功能，通过连续机械刺激逐步增强输出电压，模拟短时和长时记忆。Lee等人开发了基于摩擦电-电容耦合的柔性人工固有突触触觉感觉器官（AiS-TSO），通过铁电有机场效应晶体管调制突触权重，实现触觉预处理的接收、适应、滤波和记忆功能。Yu等人报道了由摩擦电接触起电激活的人工传入神经元，在飞焦级能耗下实现突触可塑性，用于位移和压力识别。Zeng等人设计了柔性摩擦电人工突触（TAS），基于EDL栅控有机薄膜晶体管与TENG结合，模拟联想学习。Guo等人提出了零偏置的仿生指尖电子皮肤，集成摩擦电瞬态电压人工神经元和离子水凝胶持续电位人工神经元，通过深度学习实现多模态触觉感知，物体识别准确率高达98.45%。

**4.2 摩擦电神经形态计算系统**
神经形态计算通过模拟生物神经系统进行分布式处理。摩擦电传感器产生的自供电、瞬态、事件型输出天然适合神经形态架构。Chen等人构建了自供电人工运动感觉系统（AMSS），结合TENG和人工视网膜，通过多层感知器（MLP）和尖峰相关神经网络（SCNN）实现多感官整合，识别准确率提高至89.82%。Kim等人将PDMS基摩擦电传感器与MoS₂/P(VDF-TrFE)铁电聚合物突触集成，构建触觉神经形态系统，使用单层感知器（SLP）和MLP实现莫尔斯电码和MNIST手写数字识别，准确率分别达96.17%和85.4%。Xie等人提出神经形态计算辅助的摩擦电-电容耦合触觉传感器（TCTS）阵列，结合MXene基突触晶体管，实现静态和动态触觉传感，手写数字识别准确率达100%。Yu等人基于石墨烯/MoS₂异质结开发了机械-光子人工突触，通过机械位移调制光电响应，将MNIST识别准确率从37%提升至92%。

**5 人工智能在个性化交互技术中的摩擦电可穿戴传感器**
**5.1 医疗保健**
摩擦电可穿戴传感器通过采集人体生物力学能量实现连续生理监测。Hui等人设计了接触-分离模式TENG用于心音检测，灵敏度达1215 mV Pa^-1，结合机器学习诊断五种心脏状态，准确率达97%。Xie等人的TCTS阵列用于穴位压力传感，在混合现实中实现跨空间信息通信。Zhang等人基于织物摩擦电传感器进行步态分析和腰部运动捕捉，结合机器学习区分个体用户。An等人开发了自供电颈部运动摩擦电传感器（SNM-TS），通过深度学习识别颈部运动状态，准确率92.63%。Liu等人设计了鞋内主动矩阵传感阵列，结合支持向量机（SVM）识别腰椎退行性疾病相关动作，准确率100%。Zhang等人使用光交联应变定位薄膜（prslPDMS）实现高分辨率脉搏检测，可测量收缩峰（Ps）、拐点（Pi）和重搏波（P_D）。

**5.2 手势识别**
Tan等人开发了基于腕带的手势识别腕带（GRW），通过机器学习识别26个字母，准确率达92.6%。Zhu等人提出了模块化软手套Tactile+，集成摩擦电触觉、应变传感、气动驱动和温度传感，实现多模态感知。Yang等人设计了摩擦电-惯性双模式传感手套（TI-Glove），结合IMU实现手部姿态识别。Yang等人还开发了基于摩擦电和压电效应的混合触觉传感器，使用卷积神经网络（CNN）识别手势。Wen等人通过超疏水涂层提高了织物传感器的水稳定性，在出汗条件下手势识别准确率仍达96.9%。Sun等人开发了增强触觉感知和触觉反馈环（ATH-Rings），实现多模态传感与反馈。

**5.3 设备控制**
Tan等人将GRW用于机械控制和键盘输入，通过线性判别分析（LDA）模型提升识别准确率。Luo等人开发了弯曲角度TENG（BA-TENG）用于灯光控制、机器人手控制和虚拟键盘，识别准确率93.1%。Yang等人的智能手套实现远程机器人同步控制。Sun等人的环型传感器用于虚拟钢琴演奏。Zhang等人设计了主动眼动追踪（AEF）传感器，通过眼睑运动控制HCI。Zhang等人基于MXene/Ecoflex纳米复合材料3D打印的环形摩擦电传感器（STTS）实现了游戏车和平衡球控制。Fang等人通过自适应加速学习（AAL）从手腕肌肉/肌腱信号识别21种手势，准确率97.56%。

**5.4 元宇宙**
Zhu等人提出了自供电无氧功率计（APM）用于自行车运动，结合机器学习分级识别，准确率95.37%。Zhu等人通过主成分分析（PCA）和t-SNE等算法增强手势识别，用于虚拟世界中的相机角度和运动控制。Yang等人的自供电传感智能监控系统（SSSMS）实现步态识别和跌倒监测，使用门控循环单元（GRU）深度学习模型，准确率96.13%。Le等人开发了自供电智能射击系统，用于警察和军事训练。Sun等人的ATH-Rings用于虚拟抓取、物品重建和碰撞检测。Zhang等人的深度学习智能袜子实现步态识别，准确率93.54%，用于虚拟现实健身游戏。

**5.5 可穿戴到机器人的扩展**
Zhao等人提出了摩擦电多模态触觉传感器（TMTS），同时识别材料、曲率和压力，通过深度学习实现物体识别，准确率94.1%。Wang等人将电容传感器与摩擦电传感器集成到软机械手中，实现多模态感知和自适应抓取。Jin等人基于TENG的智能软抓手，使用支持向量机（SVM）识别物体，准确率98.1%。Xiao等人通过波浪结构PDMS复合膜和量子点发光效应实现多维触觉感知，用于智能分拣。Liu等人提出了三模态触觉传感器，基于多孔离子水凝胶同时感知力和温度，结合机器学习识别果蔬，准确率95%。

**5.6 智能交通与先进移动性**
Lu等人开发了全向传感手套，识别非驾驶行为并动态调整接管时间预算，准确率94.72%。Zhang等人使用深度学习辅助摩擦电传感器识别五种非驾驶行为，准确率93.5%，并据此调整接管时间预算。Zhang等人进一步提出了接管恢复时间推理系统（TORTI），通过混合学习推断接管时间，准确率90.3%。Pang等人将摩擦电传感应用于车辆和路边模块，实现道路条件、轮胎运动与健康监测，识别准确率超过88.3%。Kim等人使用激光诱导石墨烯摩擦电轮胎监测系统，在恶劣环境条件下识别驾驶信息。Wang等人基于自愈合水凝胶TENG的智能手套，实现人员识别（准确率99.0%）和手势控制无人机。

**5.7 代表性未来方向**
Sun等人为结肠镜连续机器人开发了可拉伸多模态电子装甲，通过CNN-LSTM实现多点触觉识别，准确率99.31%。Guo等人的零偏置仿生指尖电子皮肤实现了粗糙度（91.2%）、硬度（99.5%）和物体识别（98.45%）等多模态触觉认知。Hong等人提出了身体耦合驱动的自然交互界面，实现二维触觉和三维空间感知，38种手势识别准确率97.11%。Hong等人进一步开发了仿生毛发情感触觉感官AI接口，通过CNN和大语言模型实现情感识别，准确率82.37%。Zhou等人提出了无引发剂超分子两性离子共晶凝胶（ZSE），具有可调机械柔顺性、离子电导率、可回收性和生物相容性，用于生理监测和机器人手控制。

**6 总结与展望**
摩擦电可穿戴传感器作为下一代HMI的关键组件，通过转换机械运动产生电信号，实现自供电连续传感。AI的集成增强了信号处理、模式识别和决策能力，但固有传感特性仍由材料、结构和原理决定。传感器基于摩擦电效应工作，核心组件包括摩擦电层和电极层，常见材料有含氟聚合物、天然材料和复合材料，制造工艺包括自组装、静电纺丝和增材制造。AI技术如CNN、RNN和神经形态计算提升了信号分析效率。应用涵盖医疗健康、手势识别、设备控制、元宇宙、机器人和智能交通等领域。尽管前景广阔，但仍面临生物相容性、实时处理、能量收集效率和规模化制造等挑战。未来方向包括多功能感知、具身智能、自然交互、情感通信和仿生材料平台。