分享自:

基于热膨胀处理和钾离子改性蛭石/PDMS薄膜的自供电柔性传感器实现精确人体手势识别

期刊:Advanced Functional MaterialsDOI:10.1002/adfm.202510616

基于热膨胀处理与钾离子改性的蛭石/聚二甲基硅氧烷薄膜实现精准人体手势识别的自供电柔性传感器研究报告

一、研究概况

本研究由新疆大学材料科学与工程学院的张玉凯(Yukai Zhang)、唐明聪(Mingcong Tang)、陈成宇(Chengyu Chen)、石雨欣(Yuxin Shi)、王卫进(Weijin Wang)和吴兆峰(Zhaofeng Wu)共同完成。该原创研究成果作为研究文章(research article)发表于国际知名材料科学期刊 Advanced Functional Materials(2025年,第35卷,文章编号e10616),在线发表日期为2025年8月9日。

二、学术背景与研究动机

本研究属于柔性电子与自供电传感技术领域。随着物联网和可穿戴设备的快速发展,传统传感器对外部电源的依赖成为其进一步小型化和柔性化的重要瓶颈。压电纳米发电机(Piezoelectric Nanogenerators, PENGs)能够将环境中的机械能转化为电能,为构建自供电传感系统提供了理想的解决方案。然而,当前高性能PENG的开发面临着功率密度低、材料成本高昂和制备工艺复杂等严峻挑战。

二维(2D)层状材料,如氧化石墨烯、过渡金属二硫化物等,因其大的比表面积和高应变响应,在能量收集领域显示出巨大潜力。然而,这些材料的大规模可扩展制备仍受限于其前驱体剥离或分层过程中的技术难题,例如合成复杂、需使用强酸或有机溶剂导致的环境危害,以及部分材料合成稳定性差等。因此,寻找一种低成本、环境友好且可规模化生产的二维压电材料是该领域的关键。

蛭石(Vermiculite, VMT)是一种天然的2:1型层状硅酸盐矿物,其结构由一个镁氧八面体层夹在两个硅氧四面体层之间构成。与传统的二维压电材料相比,蛭石具有显著的经济和环境优势。尽管已有研究探索了蛭石在分离膜和压阻传感器中的应用,但其在自供电压电传感器领域的潜力尚未被充分挖掘。本研究旨在通过创新的热膨胀和金属离子插层策略,系统调控蛭石的层间结构,以增强其压电性能,并最终开发出一种低成本、高性能的柔性自供电压电传感器,用于人体运动监测和手势识别。

三、研究工作流程

本研究的详细工作流程可分为四个主要阶段:蛭石的改性处理、材料表征、传感器制备与性能测试,以及实际应用验证。

1. 蛭石的改性与优化 研究者首先对采集自新疆的原生蛭石进行系统的改性处理。处理过程包含两个核心步骤: * 热膨胀处理:将原始蛭石粉碎后在管式炉中于800°C高温下进行热处理,通过改变热处理时间(2、4、6、8、10分钟)来观察膨胀效果与压电性能的关系。蒸发层间水分子以实现物理膨胀(样品命名为VMT-T,T代表时间,如VMT-8代表处理8分钟)。 * 金属离子插层:采用不同的金属氯化物盐溶液(K⁺, Cu²⁺, Fe²⁺, Na⁺, Zn²⁺, Sn²⁺)对蛭石进行离子改性,利用阳离子交换能力对水分子吸附的影响来优化膨胀。在此基础上,进一步选择性能最优的钾离子(K⁺),并配制不同浓度(0.1至0.9 mol L⁻¹)的KCl溶液制备改性蛭石(命名为C-VMT),以系统探究钾离子浓度对压电性能的影响,最终确定了0.7 mol L⁻¹ K⁺改性的膨胀蛭石(K-VMT)性能最佳。

2. 材料表征 研究团队采用多种先进的表征技术对未处理蛭石、热处理蛭石和K⁺插层膨胀蛭石的微观形貌、晶体结构和化学状态进行了全面分析。 * 形貌与微结构:使用扫描电子显微镜(Scanning Electron Microscopy, SEM)观察发现,K-VMT表现出显著的层间膨胀,平均层间距达到约4.5 μm,远优于单一热处理样品。透射电子显微镜(Transmission Electron Microscopy, TEM)分析显示,K⁺改性后蛭石的晶格层间距从0.24 nm增加到0.47 nm。 * 物相与成分:X射线衍射(X-Ray Powder Diffractometer, XRD)图谱确认了改性后晶体结构未发生根本性改变,但衍射峰的偏移和增强证实了钾盐的形成及K⁺对层间Mg²⁺的部分取代。傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy, FTIR)证实了蛭石主体的层状硅酸盐结构在实验条件下保持稳定。X射线光电子能谱(X-Ray Photoelectron Spectroscopy, XPS)和能量色散X射线谱(Energy Dispersive Spectroscopy, EDS)分析证实了K⁺的成功掺杂,K含量从5.40%增加到7.41%。

3. 柔性传感器的制备与电学性能测试 研究者设计并制备了一种三明治结构的柔性压电传感器。 * 器件组装:将筛选出的最优材料——0.7 mol L⁻¹ K⁺改性的K-VMT与聚二甲基硅氧烷(Polydimethylsiloxane, PDMS)按最佳质量比1:6复合,作为压电传感层。通过旋涂工艺将K-VMT/PDMS混合物涂覆在聚四氟乙烯(Polytetrafluoroethylene, PTFE)模具上,固化后形成薄膜。随后,通过等离子体处理增强表面能,并在传感层两侧粘合铜箔电极和金线,最后用PDMS进行封装,形成一个完整的柔性传感器件。 * 电学性能系统评估:研究者搭建了可变频压力测试平台,对器件的电输出性能进行了全面测试。测试变量包括不同PDMS比例、不同热处理时间、不同金属离子改性、不同K⁺浓度、不同传感层厚度、不同传感面积、不同压力大小、不同工作频率以及循环稳定性。特别值得注意的是,该器件的检测限低至0.01 N,并能产生0.015 V的电压输出。

4. 实际应用场景验证与数据分析 为实现对人体的实时监测和手势识别,研究者设计了严密的实验方案。 * 生理运动监测:将传感器直接贴附于人体皮肤,实时采集了吹气、点头、握拳、声带振动和手指弯曲等多种动作的电压信号。 * 腕部关节运动监测:使用护腕将传感器固定于腕关节,监测试验者在腕部进行30°、45°、90°等不同角度屈伸及不规则屈伸时的压力变化。 * 手势识别与智能算法:将传感器固定于手背,识别数字1、数字2、数字8、“OK”、“ILY”和“期待”六种手势,每种手势重复100次实验。为高效识别特定手势的压电信号,研究者采纳了一种基于一维多粒度卷积(1D Multi-granularity Convolution)的特征提取框架。该框架通过一个包含三个一维卷积层(通道宽度分别为16、32、64)的堆栈,捕获不同时间尺度的信号特征,随后将提取的特征进行L²-归一化,以增强类内紧凑性和类间可分离性,最终实现手势的精准分类。

四、主要研究结果

本研究获得了一系列层次分明、互为支撑的结果,清晰揭示了“材料改性-性能提升-应用验证”之间的逻辑关系。

首先,在材料改性阶段,结果表明K-VMT展现出最佳的膨胀效应和最高的压电电压输出,其输出电压高达近20 V,几乎是未处理蛭石(7 V)的三倍,这是后续器件制备的基础。SEM和TEM数据为这一宏观性能的飞跃提供了微观结构解释:K⁺的嵌入显著增大了层间距,破坏了结构的对称性,从而增强了压电响应。XRD、XPS和EDS结果则从晶体学和化学键层面证实了K⁺的成功掺杂及其引发的化学环境变化,为压电性能增强提供了坚实的理论依据。

基于此最优材料,制备的K-VMT/PDMS柔性传感器表现出卓越的电学性能。性能测试结果显示,质量比为1:6的复合材料在传感层厚度为3 mm时输出性能最优。该器件不仅能在0.2–5 N的宽压力范围内产生逐渐增大的稳定电压信号,而且具备极低的检测限(0.01 N)。在0.25–2 Hz的不同频率下,输出电压保持恒定,经过8000次循环压力测试后,性能几乎没有衰减,展现了优异的频率响应特性和长期耐久性。其响应时间为218毫秒。

在实际应用中,这些优异的物理特性转化为了出色的感知能力。传感器成功监测了从吹气等微小振动到握拳等大幅度动作,其电压信号幅值与压力大小呈现出良好的对应关系,证明了其压力梯度区分能力。在腕部运动中,传感器精确记录了不同屈伸角度对应的电压峰值变化。

最终,结合1D多粒度卷积智能算法,该系统在识别六种不同手势时,经过五折交叉验证,识别准确率达到了惊人的99.37%至99.86%。训练动态图显示模型能够快速收敛,而特征空间的降维可视化图则清晰地展示了不同手势特征形成了界限分明的独立簇团。混淆矩阵进一步以数据形式确认了系统的高精度和低误判率。

五、结论与研究价值

本研究系统地探究了热膨胀与金属离子插层效应对天然蛭石压电输出性能的影响,成功开发了一种基于K-VMT/PDMS复合材料的自供电柔性压电传感器。这项工作的核心意义在于: 1. 科学价值:揭示了通过简单的物理(热膨胀)和化学(离子插层)手段调控天然二维材料层间结构,从而显著增强其压电性能的内在机理,为其他层状材料的压电性能调控提供了新思路。 2. 应用价值:开发了一种低成本、环境友好、可规模化制备且性能卓越的柔性传感器,其在人体运动监测和高精度手势识别领域的成功演示,为下一代能量自给型可穿戴电子设备和人机交互界面提供了一条具有变革意义的绿色制造路径。

六、研究亮点

  1. 材料的创新性:首次将储量丰富、成本低廉的天然矿物蛭石作为核心压电功能材料,通过创新的“热膨胀+钾离子改性”协同策略,使其压电电压提升了近三倍,为二维压电材料家族提供了经济环保的新选择。
  2. 性能的优越性:所制备的K-VMT/PDMS传感器实现了20 V的高输出电压、0.01 N的超低检测限、8000次循环的超高稳定性,综合性能指标非常突出。
  3. 方法与应用的先进性:将柔性传感器与1D多粒度卷积智能识别算法相结合,在六种手势的识别任务中取得了高达99.37%-99.86%的准确率,展现了其在智慧医疗、手语翻译和高级人机交互等领域的巨大潜力。
上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com