该研究由浙江大学工程力学系的张春利（Chunli Zhang）课题组主导，第一作者为孔一帆（Yifan Kong）和赵浩阳（Haoyang Zhao），合作单位包括中国人民解放军军事科学院国防科技创新研究院、浙江省人民医院等。研究成果于2026年发表在材料科学领域顶级期刊 Advanced Functional Materials 上，论文标题为《Metamaterial-Inspired Skin-Conformal Flexoelectric Sports Monitoring Sensor》（超材料启发的皮肤共形挠曲电运动监测传感器）。
随着现代运动生理学、精准康复医学及个性化医疗的发展，实时生物力学监测的重要性日益凸显。传统的监测设备往往存在体积庞大、刚性高、与皮肤力学性能不匹配等问题，限制了其在可穿戴领域的应用。现有的柔性传感器主要基于压电效应（Piezoelectric Effect）和摩擦电效应（Triboelectric Effect），但压电传感器受限于材料的本征脆性和较差的生物相容性，而摩擦纳米发电机通常具有较高的内部阻抗和远高于皮肤的杨氏模量，易在皮肤与设备界面造成机械失配（Mechanical Mismatch）。
挠曲电效应（Flexoelectricity）作为一种存在于所有介电材料中的普遍力电耦合效应，由应变梯度诱导电极化，从根本上摆脱了对特定功能材料的依赖。然而，挠曲电效应在宏观尺度下的输出通常较弱。为解决上述问题，本研究受肌肉纤维中蛇形结构的启发，将力学超材料（Metamaterial）的结构设计理念引入传感器工程，旨在开发一种基于聚二甲基硅氧烷（PDMS）的新型超材料启发挠曲电运动监测（MFSM）传感器，以实现与人体皮肤优异力学共形的同时，兼具高效力电转换性能。
本研究分为材料制备与表征、结构力学设计与测试、机电性能系统表征、人体运动监测与机器学习识别四大阶段。
1. 传感器制备与基础材料表征 研究者选择了无压电效应的PDMS聚合物作为基底材料，利用其优异的生物相容性和柔性。制备流程包括：将PDMS预聚物与固化剂混合、真空除泡、旋涂制备不同厚度（主要为100微米）的薄膜、热固化、并在上下表面附着100纳米厚的金箔作为电极。随后，通过图案化切割工艺构建蛇形弯曲梁网络，该结构通过反曲对称配置连接，并替换传统二维拓扑晶格（如三角形、方形、蜂窝）的直边，形成核心超材料结构。
为了明确传感机制，研究团队使用原子力显微镜（AFM）在压电力显微镜（PFM）模式下测量了PDMS薄膜镀金前后的等效纵向压电系数（d33_equiv），结果显示两者几乎无变化（分别为1.752和1.756 pm/V），排除了金电极引入额外力电响应的可能。结合非接触纯弯曲实验和静电屏蔽验证，共同证实器件的电输出来源于挠曲电效应，而非摩擦电或静电。
2. 有限元分析与力学性能测试 研究者利用实验结果拟合了PDMS材料的超弹性本构模型，发现五参数Mooney-Rivlin模型与实验数据最为吻合。力学拉伸测试表明，通过调节基本弯曲梁单元的中心角（θ0）和单元几何形状（三角形、方形、蜂窝状），MFSM传感器可精确调节其应力-应变曲线。特别是当中心角达到180度时，传感器表现出明显的非线性J型应力-应变曲线，其杨氏模量可调至与人体不同部位皮肤（如腹部、背部）高度匹配，且最大工程应变超过50%，展示了极佳的拉伸性和共形贴合能力。
3. 宏观等效机电性能表征 为了评估器件级的力电转换能力，本研究定义了等效横向压电系数（d31_equiv）。实验结果显示，三角形单元且中心角为180度的MFSM传感器，在特定几何和加载条件下，d31_equiv高达89.11 pC/N，相较于传统压电材料氮化铝（AlN）增强了44.5倍。考虑到超材料的轻质特性，进一步定义的密度等效横向压电系数（d‘31_equiv）达到了214.5 pC/N(g/cm³)⁻¹，超越了大多数陶瓷和单晶压电材料。
研究还表明，该等效系数的高度依赖于结构几何参数。增大中心角会在单元连接处引发更大的应变梯度，从而产生更强的挠曲电极化电荷。在三种单元构型中，三角形单元因连接点最多，在180度中心角时增透效果最为显著。
4. 动态稳定性、响应时间与温度依赖性测试 为验证传感器的实际应用潜力，研究开展了多维度性能测试。在 5 Hz频率下连续进行超过10000次拉伸-释放循环后，传感器的输出电压波形一致性极高，证明了其优异的机械耐久性和长期稳定性。在瞬态响应方面，通过sinc函数脉冲激励测得传感器的延迟时间约为14.5毫秒，响应时间为83.1毫秒，恢复时间为66.7毫秒，远快于人类约300毫秒的反应时间，满足实时监测需求。此外，在10℃至30℃的典型运动环境温度范围内，传感器的输出电压几乎无波动，展现出良好的热稳定性。
5. 基于深度学习的运动姿态识别系统 最后，研究团队开发了一套集成了Wi-Fi模块的无线监测终端。受试者将MFSM传感器贴附于皮肤表面，进行弯臂、转腕、抖腿、跑步以及高度相似的握拳、屈腕等七种动作。每种动作采集200次样本，共获得1400组信号数据。原始电信号经电荷放大器转化后，通过构建一维卷积神经网络（1D-CNN）进行深度学习训练。在单受试者概念验证研究中，混淆矩阵结果显示该模型对七种运动的分类准确率达到了100%。
本研究通过将机械超材料的设计理念与挠曲电物理机制相结合，成功开发出一种新型柔性MFSM传感器。该传感器实现了与人体皮肤几乎一致的J型应力-应变曲线和力学匹配，成功克服了宏观尺度下传统挠曲电效应响应微弱的问题，在器件层面实现了超越压电陶瓷的等效力电系数。结合无线传输和深度学习算法，系统在单受试者测试中实现了对多种运动姿态的100%准确识别。该工作为术后康复训练、运动员姿态矫正等领域提供了全新的硬件解决方案和可穿戴技术路径。