【ACS Appl. Mater. Interfaces】用于人体运动识别的可伸缩纤维摩擦纳米发电机的规模化生产

文摘   2024-11-24 22:39   北京  

研究背景


柔性可穿戴电子设备在人机交互、电子皮肤、物联网、信号识别等领域具有重要的作用,摩擦纳米发电机(TENG)通过接触起电和静电感应能够兼具自供电和传感特性,是柔性可穿戴电子的重要研究内容。纤维状的摩擦纳米发电机(F-TENG)可借助纺织加工工艺实现一维到三维产品的集成,在可穿戴纺织品领域具有极大的应用潜力。然而,现有的F-TENG在强度、上机织造可行性、穿着舒适性、传感稳定性及规模化制备等方面依旧存在挑战。因此,设计新颖的方法来制备兼具服用性能和传感性能的F-TENG具有重要意义。


文章概述


近日,安徽工程大学纺织服装学院聂文琪老师团队联合嘉兴大学刘连梅老师采用编织工艺共同设计了一种同轴可拉伸纤维摩擦纳米发电机(F-TENG)。该F-TENG具有直径小,拉伸伸长率高,迟滞小,稳定性好,可大规模获取的优异性能。F-TENG强度高,满足纺织后道加工需求,可结合传统针织、机织等工艺实现定制化产品生产(例如,手腕支撑和袜子)。在性能方面,该F-TENG具有较高的灵敏度,工作范围为5至150千帕,反应速度约为200毫秒。此外,定制纺织品(以袜子为例)满足穿着舒适感且能够实时监测人体运动信号并对运动状态进行预测,通过构建智能传感预测系统实现步态准确识别,预测准确度>98%。

相关成果以“Scale Production of a Stretchable Fiber Triboelectric Nanogenerator in Customizable Textile for Human Motion Recognition”为题发表在ACS Applied Materials & Interfaces上。


原文链接:

https://doi.org/10.1021/acsami.4c15137



图文导读


图1:(a)编织F-TENG制作工艺示意图。(b)F-TENG的光学图像。图(c,d)拉伸前后的F-TENG。图(e,f)F-TENG分别集成为手腕支撑和袜子。

图2:(a)不同应变下编织F-TENG的应力-应变曲线和加卸载曲线。(b)固定应变为50%时F-TENG的500次连续循环加卸载曲线。(c−e)拉伸、按压、扭转过程中F-TENG的阻力变化。(f) F-TENG的照片与优良的导电性能,可照明LED。(g−i)三种等效电路模型,即缠绕、同轴纺丝和编织。

图3:(a)电子转移过程示意图。(b)有限元分析的F-TENG电位分布。(c) PET聚合物和PA的分子静电势图。(d−f)F-TENG在不同加载频率(1 ~ 5 Hz)下的电输出性能,包括(d) VOC、(e) ISC、(f) QSC。(g)瞬时功率作为外部负载阻力的函数。(h)监测F-TENG的实时电流输出10,000次。(i) F-TENG洗涤20次后的可洗涤性分析。插入的照片是为了模拟洗涤环境。(j)简易整流电路。(k)不同商用电容器的充电曲线。

图4:(a)在外部压力下电阻两端的电压变化。(b)与相关柔性TENG器件的VOC变化率和线性范围的比较。(c)接触F-TENG时电压信号的响应时间。(d)将F-TENG延伸为关节区域的腕撑。(e)腕带及其光学图像的制作。(f)手腕运动时的电压信号。

图5:(a)安装在脚上的F-TENG袜子的示意图,用于各种动作捕捉。(b)采集到的典型人体运动信号的输出频谱,包括(c)慢走,(d)正常走,(e)跑步,(f)跳跃。

图6:(a−c)机器学习监督下的动作捕捉流程图。(d) 1D-CNN算法的详细架构。(e)监督动作捕捉的照片。(f) 200个epoch的训练和验证数据集的分类精度和损失函数。(g)使用t分布随机邻居嵌入(t-SNE)降维对深度学习输出数据进行可视化。(h)混淆矩阵,准确率为98.3%。


总结

综上所述,利用简单的编织技术,构建了一种可拉伸、可规模化制备的同轴F-TENG,用于自供电和传感应用。F-TENG具有优异的机械性能和恒定的导电网络,使其能够在复杂情况下获得电输出和稳定的传感信号。同时,F-TENG被用于定制化制备符合人体穿着舒适性要求的护腕和袜子,显示了其在构建整个柔性穿戴传感网络的前景。以F-TENG智能袜子作为概念验证,成功演示了人体动作识别,并利用机器学习系统实现了典型的五种运动模式识别,预测准确率>98%。这项研究为创建可编程F-TENG全纺织自供电传感网络提供了一种可行的方法,加速可穿戴电子产品的发展。

 编辑:Brilliance  审核:木小何

纳米发电机
本公众号致力于发现、分享“纳米发电机”领域的优秀工作、科研进展! 关于公众号运营的建议和意见欢迎向我们反馈,也欢迎大家投稿课题组的最新科研进展和优秀工作:advanced_teng@binn.cas.cn。
 最新文章