形状记忆合金在可穿戴软体康复机器人中的应用综述
作者及机构
本文由Zain Shami(爱丁堡大学微纳系统研究所)、Tughrul Arslan(爱丁堡大学微纳系统研究所及高级护理研究中心)和Peter Lomax(爱丁堡大学微纳系统研究所)合作完成,发表于2025年3月的期刊 *Bioengineering*(卷12,文章编号276)。
研究背景与目标
全球约17亿人受肌肉骨骼疾病困扰,传统康复设备存在体积大、噪音高、灵活性不足等问题。形状记忆合金(Shape Memory Alloys, SMAs)因其高能量密度、伪弹性(Pseudoelasticity)和生物相容性,成为可穿戴康复机器人的理想驱动材料。本文系统综述了SMA在上肢和下肢康复设备中的应用,重点探讨其配置、驱动机制、挑战及优化策略,旨在为开发轻量化、患者友好的康复设备提供指导。
主要观点与论据
SMA的驱动原理与特性
SMA的核心特性包括形状记忆效应(Shape Memory Effect, SME)和伪弹性。镍钛合金(Nitinol)是最常用的SMA材料,其通过热致相变(奥氏体与马氏体转换)实现形变恢复。例如,单向形状记忆过程(OWSMP)中,SMA在加热至奥氏体完成温度(A_f)时恢复原始形状,而伪弹性则允许材料在机械载荷下发生大应变且无永久变形。这些特性使其适合模拟人体肌肉的收缩与舒张。
SMA驱动器的设计挑战与解决方案
上肢康复设备应用案例
下肢康复设备创新
智能纺织品的突破
SMA与纺织技术结合可开发自适应服装,如:
研究意义与价值
本文不仅总结了SMA在康复机器人中的技术进展,还提出针对能效、频率和疲劳问题的创新解决方案。其科学价值在于系统梳理了SMA驱动器的设计标准与优化路径,而应用价值体现在推动轻量化、低噪音康复设备的临床转化。例如,智能织物技术为居家康复提供了新思路,但需进一步解决能源供给与热管理问题。
亮点与创新
- 跨学科整合:将材料科学(SMA)、机械工程(驱动器设计)与临床需求结合。
- 技术前瞻性:探讨了SMA在智能纺织品中的潜力,如自贴合压缩服装和主动矫形器。
- 问题导向分析:针对滞后、冷却和能效等核心挑战提出多维度优化策略。
未来方向
需进一步研究SMA与其他智能材料(如介电弹性体)的混合驱动系统,并开发低功耗控制算法以提升穿戴设备的实用性。