柔性应变传感器能够获取微小的机械信号，并附着在各种不规则表面上，在生理测量、软机器人和人机交互领域正变得越来越普遍。然而，灵敏度和可检测信号范围之间的内在折衷大大阻碍了柔性应变传感器的发展。本文，郑州大学翟威博士、代坤教授团队在《ADVANCED FUNCTIONAL MATERIALS》期刊发表名为“Multilayer Bionic Tunable Strain Sensor with Mutually Non-Interfering Conductive Networks for Machine Learning-Assisted Gesture Recognition”的论文，研究受自然界中珍珠质多层结构的启发，利用电纺丝和高压喷涂技术制备了碳纳米管（CNTs）/石墨烯（GR）/热塑性聚氨酯（TPU）垫层（CGGTM）。通过设计一种具有互不干扰导电网络的多层结构，所制备的 CGGTM 具有检测限低（0.05% 应变）、灵敏度高（测量系数 GF > 152537）、检测范围大（高达 364% 应变）、响应/恢复时间快（80 毫秒/100 毫秒）和卓越的循环耐久性（高达 1000 次循环）等特点。此外，当 CGGTM 组装成一个三电纳米发电机（TENG，3 × 3 cm2）时，也表现出令人满意的三电性能，包括高三电输出（开路电压 Voc = 135.4 V，短路电流 Isc = 1.25 µA）和功率密度（88 mW m-2），实现了可靠供电、自供电传感和脉冲监测能力。最后，CGGTM 成功应用于生物信号的收集和机器学习算法辅助下的多手势动作识别，为未来的手势智能交互带来了希望。
图1、a） 珍珠层图。b） CGGTM 的制备技术。c） CGGTM 制造程序的示意图。d） CGGTM 多层结构的示意图。e） 不同状态的 CGGTM。f，g） CGGTM 在人体运动检测和手势识别中的应用。
图2、a） ΔR/R0- 传感器在不同复合模式下的应变曲线。b） CGGTM 的 GF 曲线。c） CGGTM 传感器的 GF 与其他已报道的应变传感器的 GF 的比较分析。d） 响应/恢复时间。e） 传感器在不同应变下的 I-V 曲线。f） 传感器在一定速率范围内的动态稳定性。g） 传感器在 0.05% 至 1% 的小应变下的动态稳定性。h） 长期耐用性。i） 不同拉伸应变下的 CGGTM 图。
图3、CGGTM 的 TENG 性能。
图4、a） 传感器在人体运动检测中的应用。b） 信号传输路径。c–e） 用于发音、吞咽和吹气动作的小应变检测的传感器。f，g） 不同程度的手腕和肘部屈曲角度。h） 应用于膝盖的传感器示意图。i） 测量膝关节的一系列行为。
图5、CGGTM 的摩斯电码和手势识别应用。
总之，受天然珍珠层的启发，通过电纺丝和高压喷涂技术，成功研制出一种基于 CNTs/GR/GR/TPU 垫的多层柔性传感器。这种传感器将两种不同的导电网络（CNTs 和 GR）集成到一个系统中，并可通过改变导电层的数量来调整灵敏度和检测范围。通过分析各种应变下的形态变化，我们有效地阐明了不同导电网络的协同行为，从而全面了解了传感机制。得益于仿珍珠层多层结构的设计，CGGTM 传感器表现出卓越的性能，包括低检测限（0.05%）、高灵敏度（GF > 152537）、宽检测范围（高达 364% 应变）和出色的循环耐久性（超过 1000 次循环）。CGGTM 还被成功应用于人类生物信号的采集，如发声、吞咽和关节弯曲。此外，在机器学习算法的辅助下，CGGTM 还能识别更复杂的多手势动作。此外，基于 CGGTM 的 TENG 具有出色的 TENG 性能，包括高三电输出（Voc = 135 V，Isc = 1.25 µA，Qtr = 41.9 nC）和功率密度（88.33 mW m-2）。它能将外部机械能转化为电能，用于能量收集、自供电传感和脉冲检测。这项工作提供了实现高性能传感器的有效方法，从而促进了皮肤上的设备在可穿戴电子设备、软机器人和人机智能交互等领域的应用。
文献：
https://doi.org/10.1002/adfm.202416911
