本研究的通讯作者为Hanyan Zhou、Guangqin Gu和Gang Cheng，研究团队来自河南大学特种功能材料教育部重点实验室、高效显示与照明技术国家地方联合工程研究中心以及纳米功能材料与应用协同创新中心。该研究于2024年10月30日在线发表于期刊Small（DOI: 10.1002/smll.202405064）。
研究领域：本研究属于柔性电子与生物医学工程交叉领域，聚焦于可穿戴健康监测技术，具体涉及摩擦电纳米发电机（Triboelectric Nanogenerator, TENG）和人工智能辅助医疗诊断。
研究动机：
- 临床需求：步态异常是帕金森病、阿尔茨海默病等神经系统疾病的早期外在表现，但传统步态分析依赖医生经验，缺乏客观数据支持。
- 技术瓶颈：现有步态检测系统（如光学运动捕捉、力板）体积庞大、使用场景受限，且可能干扰被测者运动；而柔性传感器多依赖外部电源，舒适性不足。
- 科学目标：开发一种自供电、柔性透气、高精度的足底压力传感器阵列，结合深度学习实现实时步态分析。
材料选择：
- 摩擦电层：采用静电纺丝法制备的尼龙-66（Nylon-66）和聚偏氟乙烯-六氟丙烯（PVDF-HFP）纳米纤维膜，纤维直径分别为260 nm和200 nm，具有高比表面积和透气性。
- 电极层：通过抽滤法制作的碳纳米管（CNT）薄膜，方阻≈150 Ω·sq⁻¹，兼具柔性与导电性。
结构设计：
FTPS为三明治结构（图2a）：上下层为CNT电极，中间为Nylon-66与PVDF-HFP摩擦电层。接触分离时，因摩擦起电效应产生电压信号（灵敏度：40–200 kPa区间45.1 mV·kPa⁻¹，200–400 kPa区间19.4 mV·kPa⁻¹）。
性能测试：
- 通过线性电机模拟步态压力，测试不同参数（接触面积、频率、压力、间距）下的电输出（图3）。
- 关键性能：响应时间48 ms，恢复时间30 ms，40,000次循环后信号稳定性良好。
系统架构：
- 硬件：将32个FTPS嵌入三层海绵薄片（厚度2 mm），按足底压力分布编码（图1e），制成透气、耐磨的智能鞋垫（图1f）。
- 数据采集：多通道采集卡（PXIe-4397）实时记录传感器输出，传输至PC端分析。
足压信号特征：
- 步态周期分为站立相（60%）和摆动相（40%），站立相可进一步划分为“脚跟接触”“全足着地”“脚跟离地”“脚尖离地”四个阶段（图4a–b）。
- 各FTPS信号峰值时序反映压力传递路径（图4c），通过热力图可视化足压分布（图4e）。
数据准备：
- 采集1,820组足压数据样本，标注为“正常”或“异常”步态。
- 特征提取：步频、电压峰值、传感器触发时序等。
模型构建：
- 采用长短期记忆网络（LSTM）（图5a），输入层接收32通道时序数据，输出层通过Sigmoid函数分类。
- 训练参数：10个epoch，批量大小256，80%数据用于训练，20%用于测试。
结果：测试集准确率达94.23%（图5c），混淆矩阵显示模型对异常步态的识别特异性较高。
科学意义：
- 提出了一种摩擦电-深度学习协同的步态分析新范式，为数字医疗提供了硬件-算法融合的解决方案。
- 通过纳米纤维膜优化和CNT电极设计，提升了TENG传感器的穿戴舒适性和环境适应性。
应用前景：
- 疾病筛查：适用于帕金森病、糖尿病足等疾病的早期预警。
- 运动康复：实时监测运动员或康复患者的步态对称性、压力分布异常。
- 技术扩展：该方法可推广至其他可穿戴健康监测场景（如心率、呼吸信号检测）。