《Advanced Sensor Research》:Bioinspired Sinusoidal Corrugation for High-Performance Motion Sensing in Wearable Human-Machine Interfaces
编辑推荐:
自然界采用波纹状架构在大变形过程中重新分布应变并保持机械顺应性,这是一种用于可穿戴和人机交互系统中鲁棒传感的有吸引力的方法。本研究报道了一种受生物启发的正弦波纹结构(SCS)柔性传感器,该传感器利用正弦几何形状沿活性层均匀化应变,从而改善弹性并减轻局部应力集中
自然界采用波纹状架构在大变形过程中重新分布应变并保持机械顺应性,这是一种用于可穿戴和人机交互系统中鲁棒传感的有吸引力的方法。本研究报道了一种受生物启发的正弦波纹结构(SCS)柔性传感器,该传感器利用正弦几何形状沿活性层均匀化应变,从而改善弹性并减轻局部应力集中。得益于这种结构设计,SCS传感器实现了平衡的传感性能,兼具高应变灵敏度(在40%-60%应变范围内最大应变系数(Gauge Factor, GF)为3.41)、快速响应(0.475秒)、低迟滞(0.05)和长期循环稳定性(超过12,000次循环)。研究人员进一步展示了其在智能接口场景中的应用,包括连续身体运动监测、实时摩尔斯电码输入以及人机交互,证明了其在不同形变模式下可靠的信号采集能力。这些结果强调了仿生波纹几何结构如何作为一种有效的结构途径,为下一代智能可穿戴和机器人系统开发耐用、高性能的运动传感器。
论文解读文章
研究背景与问题
柔性可穿戴应变传感器在人体运动检测和人机交互领域具有广阔的应用前景。然而,当前研究面临一个核心挑战:高灵敏度和大的拉伸范围往往难以兼得,二者之间存在固有的权衡关系。尽管基于裂纹的设计等策略在一定程度上改善了这一问题,但要实现整体均衡的传感性能,仍亟需有效的结构设计策略。自然界中广泛存在的波纹状周期结构(如鱼鳞、蜻蜓翅膀、螳螂虾的指节)为这一难题提供了灵感。这些生物结构普遍展现出优异的机械适应性、应变重分布能力和能量耗散特性。受此启发,研究人员提出,将此类周期性波纹抽象为正弦波形几何结构,有望解决现有柔性应变传感器在灵敏度、响应时间、迟滞和耐久性等方面无法同时提升的瓶颈问题。
研究内容与结论
为解决上述问题,研究人员开展了一项关于仿生正弦波纹结构(Sinewave Corrugated Structure, SCS)柔性应变传感器的研究。他们从鱼鳞的周期性波纹结构中汲取灵感,设计并制备了基于导电碳纳米复合材料(多壁碳纳米管CNT和炭黑CB分散在聚二甲基硅氧烷PDMS基体中)的SCS传感器。通过有限元分析(Finite Element Analysis, FEA)模拟和系统的实验表征,研究人员证实,与平面结构、柱状结构以及其他波纹形状(三角形、方形、圆形)相比,正弦波纹结构能够更有效地均化应变分布,减少局部应力集中,从而显著提升传感器的综合性能。最终,优化的SCS传感器实现了高灵敏度(最大应变系数GF为3.41)、快速响应(0.475秒)、低迟滞(约5%)和超长循环稳定性(超过12,000次)。更重要的是,该传感器成功应用于多种智能人机交互场景,包括连续的身体运动追踪、基于手势的摩尔斯电码识别以及实时控制机械手,验证了其作为下一代可穿戴设备核心组件的巨大潜力。
关键技术方法
为开展此项研究,研究人员采用了以下关键方法:
- 1.
有限元分析(FEA)模拟:使用SOLIDWORKS软件对不同结构参数(如振幅、周期、间距、高度)的正弦波纹、柱状、平面及其他波纹形状进行力学仿真,通过比较最大等效应变来评估和优化结构的应变敏感性。
- 2.
材料制备与配方优化:通过调控多壁碳纳米管(CNT)和炭黑(CB)的质量比,制备基于聚二甲基硅氧烷(PDMS)的导电复合薄膜,并测试其电导率,确定最优配比为CNT:CB = 3:1。
- 3.
机电性能测试:利用机械拉力计和数字万用表,系统地测量了传感器在不同拉伸应变下的电阻变化,计算其灵敏度(应变系数GF)、响应时间、迟滞特性及在不同拉伸速率下的信号稳定性。
- 4.
深度学习算法应用:开发了名为GesturesMorseNet的神经网络(结合卷积层和双向长短期记忆网络LSTM)用于摩尔斯电码识别,并采用深度森林(Deep Forest)算法用于多通道手势分类,以实现高精度的人机交互指令解析。
研究结果
2.1 SCS传感器的表征与优化
研究人员首先通过实验确定了CNT与CB的最优质量比为3:1,此时复合材料获得最高电导率(6.13 S/m)和最宽的应变范围(80%)。随后,通过FEA模拟对比了正弦波纹、柱状和平面三种结构,发现正弦波纹结构在拉伸和弯曲载荷下均表现出最大的等效应变,预示其最佳应变敏感性。进一步对比不同波纹形状(正弦波、三角波、方波、圆波),正弦波结构同样显示出最高的柔顺度(1.84 Pa-1)。最后,通过对正弦波纹的五个关键参数(间隔I、高度H、振幅A、周期P、距离D)进行系统优化,确定了最优结构参数为函数 f(x) = 0.5sin(0.75πx),其中I=3 mm, H=0.5 mm, D=1 mm,该配置在全应变范围(0%-60%)内实现了最佳灵敏度,与FEA模拟结果一致。
2.2 SCS传感器的传感性能
研究显示,SCS传感器的电流-电压(I-V)曲线在不同静态应变下表现出良好的线性欧姆行为。其相对电阻变化呈现三段式线性特征,对应应变系数GF分别为:1.01(0%-20%应变)、1.84(20%-40%应变)和3.41(40%-60%应变),且线性度高达0.99。在加载-卸载循环中,传感器表现出极低的迟滞(在30%应变处误差约为5%)。传感器能够稳定分辨不同幅度的阶跃应变,并在不同初始应变条件下对相同应变增量保持一致的响应。此外,在不同拉伸速度(1-25 mm/s)下,传感器信号具有良好的重复性,响应时间快至约475毫秒。最后,经过12,000次循环疲劳测试,传感器信号未见明显衰减,证明了其卓越的耐久性。
2.3 SCS传感器在身体运动追踪中的应用
由于具备高灵活性、出色的应变敏感性和快速响应特性,SCS传感器被成功应用于追踪多种人体运动。对于精细运动,将其置于手指远侧指间关节(DIP)可区分约45°和90°的弯曲角度;置于脸颊可检测微笑表情(~90%电阻变化);置于喉咙可捕捉咳嗽引起的微弱运动(~-5%电阻变化),信噪比达23.2-25.1 dB。对于大幅运动,部署于手腕可区分屈伸动作(约30°和45°);置于肘部可检测不同角度的弯曲;置于膝盖可清晰区分走路(~10%电阻变化)和跑步(~20%电阻变化)状态;置于脚踝则可监测跳跃运动。这些结果证明了传感器在可靠追踪人体运动方面的可行性。
2.4 SCS传感器在摩尔斯电码识别中的应用
研究人员展示了SCS传感器在人机通信中的潜力。通过手指的短暂弯曲(点)和长时间弯曲(划)来编码摩尔斯电码。传感器能准确识别A-Z字母表中的所有字母,并能在水下环境中稳定工作,展现了其环境适应性。为此开发的深度学习系统GesturesMorseNet,通过卷积和双向LSTM网络处理时序信号,实现了高达99.23%的整体字母识别准确率。该系统成功地将“HOW ARE YOU”等完整英文句子通过手指动作翻译成摩尔斯电码并进行解码,证明了其在复杂通信任务中的有效性。
2.5 SCS传感器在人机交互中的应用
为进一步展示其应用价值,研究人员构建了一个由五个SCS传感器单元组成的传感系统,用于实时控制机械手。系统通过微控制器采集五通道手部运动信号,并使用深度森林算法进行手势分类。结果显示,该系统对“一”、“二”、“三”、“四”、“五”、“胜利”、“OK”、“爱心”和“夏卡”等多种手势的识别准确率同样高达99.23%。在实时演示中,机械手能够精准、快速地跟随人手做出相应的手势,验证了该传感器在人机交互,特别是机器人控制和医疗机器人操作领域的巨大潜力。
总结与结论
本研究从自然界生物(如鱼鳞)的波纹结构中汲取灵感,提出并验证了一种基于正弦波纹结构(SCS)的高性能柔性应变传感器。通过将周期性波纹抽象为正弦波几何形状,并结合导电碳纳米复合材料,该传感器有效解决了传统柔性应变传感器中灵敏度、响应速度、迟滞和耐久性难以兼顾的难题。研究结论明确指出,SCS传感器展现出了优异的综合性能,包括0.475秒的快速响应时间、5%的低迟滞、3%的低检测限以及承受多达12,000次循环的高耐久性。这些卓越属性归功于仿生几何设计所实现的均匀应变分布和增强的等效应变,这一点已通过模拟和实验得到验证。SCS传感器在身体运动追踪、摩尔斯电码识别和人机交互等多个应用场景中的多功能性得到了充分证明。这项工作不仅增进了对生物结构原理的理解,也为开发用于下一代人工智能皮肤和人机界面的高性能仿生运动传感设备铺平了道路。