近日,橡塑模具国家工程研究中心团队在柔性热电材料多功能传感领域取得重要进展。研究成果以题为“Decoupled Temperature–Pressure Sensing System for Deep Learning Assisted Human–Machine Interaction”发表在国际知名学术期刊《Advanced Functional Materials》,论文的第一作者为橡塑模具国家工程研究中心2022级硕士生陈朝阳,通讯作者为中心教师王亚龙博士和刘虎教授。
![](/__local/8/4A/C6/1A9F186EF7DD587ADB982BA4A99_B70FD925_64E63.png)
柔性可穿戴传感器可将压力、应变、温度和湿度等外界刺激转化为可检测的电信号,已被广泛应用于可穿戴电子设备中,以感知和分辨不同的刺激。然而,集成数据采集、信号解耦和信息处理功能的多模态传感器的设计和制造仍然面临严峻的挑战。该研究通过单壁碳纳米管(SWCNT)和聚(3,4-乙烯二氧噻吩):聚(苯乙烯磺酸盐)(PEDOT:PSS)修饰多孔三聚氰胺泡沫(MF),开发了一种解耦的温度-压力双模传感器,并结合深度学习算法设计了多模态输入终端。基于热电效应和压阻效应,该传感器将温度和压力刺激转化为互不干扰的电压和电阻信号。PEDOT:PSS和SWCNT的协同效应使得该传感器对温度(38.2 μV K−1)和压力(10.8% kPa−1)均具有理想的解耦能力和灵敏度。此外,MF的低导热系数和优异的可压缩性也使其具有低的温度检测限(0.03 K)、快速压力响应(120 ms)和长期稳定性等优点。由于其优异的传感特性,组装后的传感器阵列能够识别温度和压力信号的空间分布。在深度学习算法的辅助下,对“触摸”和“按压”动作的识别准确率分别达到99%和98%,并实现了信息的加密传输和随机输入序列的准确识别,为人机交互中高精度多模态传感平台的设计提供了一种很有前景的策略。
该研究得到了国家重点研发计划(2019YFA0706802)、国家自然科学基金(52373093, 12072325)、国家“111计划”(D18023),河南省优秀青年基金(242300421062)和河南省高校重点科研项目(24A430040)等项目的支持。
论文信息:Decoupled Temperature-Pressure Sensing System for Deep Learning Assisted Human-Machine Interaction. Zhaoyang Chen, Shun Liu, Pengyuan Kang, Yalong Wang*, Hu Liu*, Chuntai Liu, Changyu Shen.
文章链接:https://doi.org/10.1002/adfm.202411688