本研究由西南大学资源昆虫国家重点实验室、蚕桑纺织与生物质科学学院的蒲建宇、张元涛、张同华、王曙等人，联合重庆大学航空航天学院的宁慧铭、西南技术工程研究所的田元浩、西华大学先进智能装备交叉学科研究院的向晨星、李沐思、胡宁，以及河北工业大学机械工程学院的李沐思、胡宁等多所机构的研究人员共同完成。论文发表于 Advanced Materials（2025年，第37卷，文章编号e03926），于2025年2月26日收稿、2025年6月28日修订、2025年7月21日在线发表，DOI为10.1002/adma.202503926。
随着人工智能的加速发展，柔性可穿戴传感器在柔性机器人、医疗健康监测与人机交互等领域的需求日益增长。柔性可穿戴压力传感器主要分为压阻式、压电容式、压电式和摩擦电式四种。其中电容式压力传感器因制造工艺简单、响应快、稳定性好、功耗低而受到广泛欢迎。传统电容式压力传感器由上下电极层夹持介电层构成，但其灵敏度较低、压力范围有限。通过在介电层中引入微结构可以提升灵敏度，但微结构的硬化现象常限制高压力下的灵敏度表现。
离子电子压力传感器（iontronic pressure sensor，IPS）通过在介电层/电极界面形成双电层（electric double layer，EDL），将有效电荷分离距离缩短至1纳米以下，从而显著提升电容式压力传感器的灵敏度与信号强度。然而，单一微结构存在固有的饱和趋势，使得传感范围受限，且高成本与复杂制造工艺也是制约因素。已有的高弹性体垫片与微结构介电层构成双介电层的方法虽然能同时提升灵敏度与压力范围，但高弹性体自身压缩性差、高压下易产生结构损伤，限制了长期可靠性。因此，开发同时具备超高灵敏度、宽工作压力范围与良好机械稳定性的传感器仍是重大挑战。
本研究提出了一种新型双介电层离子电子压力传感器（dual-dielectric-layer iontronic pressure sensor，DLIPS）结构，旨在通过高介电常数层（high-permittivity layer，HPL）与低介电常数层（low-permittivity layer，LPL）的协同作用，突破灵敏度与压力范围之间的固有矛盾。
研究选用蚕茧离子凝胶（silkworm cocoon ion gel，SCOG）作为高介电常数层，开孔聚氨酯泡沫（open-cell polyurethane foam，PU foam）作为低介电常数层。制备过程中，先将蚕茧剪裁后于55 °C干燥24小时去除水分；随后将1-丁基-3-甲基咪唑氯盐离子液体溶解于去离子水中，将干燥蚕茧浸入溶液并超声清洗4小时以确保离子液体均匀渗透；再于85 °C干燥1.5小时以稳定离子液体；最后用无尘纸吸去多余离子液体，得到SCOG。传感器是将PU泡沫与SCOG夹于两片聚酰亚胺-金电极之间，再用聚酰亚胺薄膜封装而成。
为验证DLIPS结构的普适性，研究者还制备了PVA/H₃PO₄-PDMS、PVA/H₃PO₄-Ecoflex、PVA/H₃PO₄-PU泡沫等多种双介电层构型，并与单一介电层传感器进行对比。通过扫描电子显微镜（SEM）观察蚕茧与PU泡沫的微观形貌，用共聚焦显微镜观察SCOG形态，用傅里叶变换红外光谱（FT-IR）识别SCOG与离子液体中的官能团。利用有限元分析（finite element analysis，FEA）模拟双层结构在加载下的压缩力学行为与界面应力分布。
使用LCR测量仪在1 kHz频率下测量电容，使用万用表测量电阻，使用MTS万能试验机以5 mm min⁻¹的标准加载速率进行压缩性能测试。灵敏度定义为S = δ(ΔC/C₀)/δP。测试了0.001–420 kPa压力范围内的灵敏度曲线，并在不同压力下评估响应时间与恢复时间。通过持续梯度压力加载-卸载测试评估传感稳定性，以0.1–50 Hz多频率信号测试频率响应能力。使用质量约0.04 g的瓜子仁检测检测限。在峰值压力71.3 kPa下进行5000次循环压缩-释放测试以评估耐久性。还测试了不同湿度条件下传感器放置1天、1周和2周后的电容稳定性。
SCOG中的离子液体使传感器在温度变化时离子迁移率改变，引起电阻变化；同时压力变化改变电极间距与介电常数，引起电容变化。研究在30–50 °C（间隔5 °C）与0–90 kPa压力范围内系统采集了电容与电阻信号。构建了一个多输出神经网络回归模型：以电容和电阻为输入，同时预测压力与温度。模型包含输入层、五个隐藏层和输出层，使用均方根误差（RMSE）作为损失函数。数据集共2601个样本，按6:3:1比例划分训练集、测试集与验证集。采用平均绝对百分比误差（MAPE）、平均绝对误差（MAE）与决定系数（R²）评估模型精度。在40 °C温控箱中对传感器施加4.5 kPa和35 kPa压力进行实测验证。
将DLIPS贴附于人体喉结处，利用SCOG-PU泡沫双介电层的高灵敏度检测喉部肌肉活动引起的微小皮肤形变。先通过扬声器产生10–40 Hz低频音频信号诱导结构共振，用激光测振仪确认振动幅值，验证传感器对微小振动（低至约4 μm位移）的响应能力。随后采集4名志愿者（2男2女）在正常发声、耳语和默读三种模式下说出“hello”“no”“okay”“sorry”“stop”“yes”六个词汇的电容信号，共600个样本。采用包含一个输入层、四个隐藏层（含LSTM层、dropout层、ReLU激活层、全连接层）和两个输出层（softmax层与分类层）的LSTM分类网络进行模式识别。通过t分布随机邻域嵌入（t-SNE）可视化分类可分性，以混淆矩阵评估识别准确率。
对比实验表明，与单一介电层传感器相比，双介电层结构将信号幅值提升了2–3个数量级。在多种低介电常数层材料中，PU泡沫因具有更高的孔隙率与压缩性，使得DLIPS性能优于以PDMS或Ecoflex为低介电常数层的传感器。使用SCOG作为高介电常数层的传感器性能优于以PVA/IL或PU/IL为高介电常数层的传感器。尽管PU/IL基DLIPS达到了25159.3 kPa⁻¹的高灵敏度，但PU/IL中的离子液体在压缩时容易泄漏，影响传感稳定性。而SCOG的多尺度多孔结构整合了α-螺旋/β-折叠微纳纤维，通过离子液体处理演化而成，其层级孔隙抑制了离子液体扩散，实现受限离子路径与沿应力轴的各向异性离子迁移，并通过静电/氢键作用抑制离子液体泄漏，显著优于各向同性材料。
DLIPS的传感机制分为三个阶段：第一阶段（应变<17%），PU泡沫的绝缘效应使初始电容约为7 pF，SCOG中的游离离子液体渗透PU泡沫但未接触金电极，电容变化主要取决于电极间距变化；第二阶段（应变>17%），PU泡沫压缩性超过SCOG，离子液体逐渐渗透泡沫并接触金电极形成EDL，有效接触面积增大，ΔC/C₀达到10⁶量级；第三阶段，EDL有效接触面积趋于饱和，传感器最大电容约为11.7 μF。
DLIPS在0.001–6 kPa范围内灵敏度为2.46 kPa⁻¹，在6–100 kPa范围内达到极高的72548.7 kPa⁻¹，线性度达0.983；在100–420 kPa高压力下仍保持1241.6 kPa⁻¹的灵敏度。传感器响应时间在不同压力下稳定在约30 ms，恢复时间随压力增加而延长（2.7 kPa时30 ms，42.4 kPa时150 ms，224.8 kPa时300 ms），这归因于离子液体在SCOG与PU泡沫之间的压力依赖性扩散与回流。在7.64 kPa（典型可穿戴压力范围）下响应时间为30 ms、恢复时间为60 ms。传感器能检测低至0.832 Pa的压力，在71.3 kPa下经5000次循环无明显信号漂移。湿度测试显示标准偏差为±0.497 pF（初始）和±0.022 μF（最大），证明环境湿度对性能影响极小。与已有文献报道的各类IPS相比，本传感器的最大灵敏度超越了传统平行板电容传感器与EDL基电容传感器，实现了超高灵敏度与宽压力范围的同时兼顾。
电容随温度升高而降低，电阻随温度和压力升高而显著降低。基于电容和电阻对压力与温度响应的显著灵敏度差异，神经网络模型实现了有效的信号解耦。仅使用电容数据或电阻数据训练的模型精度较低，而同时使用两种数据的模型收敛更快、精度更高。模型对压力的MAPE为7.139%，对温度的MAPE为0.403%；调整后R²在0.991–0.999之间，MAE在0.157–0.719之间。在40 °C实际测试中，模型对4.5 kPa和35 kPa压力的预测值分别为4.5 kPa和35.2 kPa，对温度的预测值分别为40.0 °C和39.9 °C，验证了模型的可靠性。
DLIPS对扬声器产生的10 Hz音频信号（归一化幅值0.008，振动位移约4 μm）表现出清晰的电容响应。小波变换分析验证了信号频率成分与强度的准确性。在无声语音识别中，LSTM分类网络对六个基本词汇的识别准确率达到98.5%，混淆矩阵显示各词汇具有高度可分性。与已报道的基于传感器的语音识别系统相比，本系统在相对较小的数据集上取得了最高的识别精度。
本研究提出的DLIPS结构通过高介电常数层与低介电常数层的协同设计，成功突破了传统IPS中灵敏度与压力范围之间的固有矛盾。以SCOG与PU泡沫为双介电层的传感器实现了72548.7 kPa⁻¹的超高灵敏度、0.001–420 kPa的宽工作压力范围、0.832 Pa的超低检测限以及超过5000次循环的优异耐久性。传感器还能通过电阻变化响应温度变化，实现-2.245 °C⁻¹的线性温度灵敏度。
在科学价值方面，本研究揭示了双介电层结构中低介电常数层提供低基线电容与机械缓冲、高介电常数层提供离子与EDL形成的协同机制，为设计高性能IPS提供了新的结构范式。在应用价值方面，DLIPS结合深度学习模型可实现温度与压力信号的有效解耦，为多物理场耦合环境下的精确传感提供了解决方案。其超高灵敏度使传感器能够检测喉部微小振动，在无声语音识别中实现98.5%的准确率，为听障人士辅助沟通、医疗康复、语音识别界面及教育工具等应用展现了广阔前景。
本研究的核心创新在于：一是提出了双介电层（HPL+LPL）结构设计，利用低介电常数层的高压缩性与绝缘性实现低基线电容，通过高介电常数层的离子导电特性与EDL形成机制实现超高灵敏度；二是选用蚕茧离子凝胶这一源于天然蚕茧多级多孔结构的材料，通过离子液体与蚕丝纤维的静电/氢键相互作用有效抑制离子液体泄漏，解决了多孔体系中离子液体泄漏导致传感不稳定的难题；三是将DLIPS与神经网络回归和分类模型集成，实现了温度-压力双模信号的解耦以及高精度无声语音识别，展示了传感器与人工智能融合的潜力。
研究还发现，虽然传感器在持续加载下初始电容会因离子液体扩散而升高，但经过短暂释放后初始电容可恢复至接近个位数pF水平，且初始电容变化对灵敏度影响极小。此外，通过PI薄膜封装有效抑制了湿度影响并防止了层间位移。未来研究将探索与SCOG和PU泡沫性质相似的其他双介电层材料组合，以进一步拓展DLIPS平台在不同应用需求下的适用性。