灵活的压力传感器和机器学习算法用于人类步行阶段监测

科学领域:

• 材料科学 材料科学 材料科学
• 可穿戴技术可穿戴技术
• 传感器技术 传感器技术

背景情况:

• 软传感器是多用途的,广泛用于人机接口,灵活的电子,医疗监控和医疗保健.
• 当前的研究往往侧重于孤立的方面 (制造,数据分析,实验),可能会损害整体系统的可靠性,准确性和连接性.
• 需要有效地将软传感器集成到系统中,以最大限度地提高其效率和性能.

研究的目的:

• 为软电容式压力传感器提出一种新的制造方法.
• 为了评估制造的传感器的性能特征.
• 探索将这些传感器集成到可穿戴系统中,并评估它们在人类运动识别中的准确性.

主要方法:

• 使用间隔面料,导电性油墨和封装粘合剂制造软电容压力传感器.
• 传感器性能的表征,包括灵敏度,恢复时间和长期稳定性 (10,000 个周期).
• 对传感器与传统组件的连接性进行评估,并应用机器学习模型进行数据分析.

主要成果:

• 制造的软电容式压力传感器表现出0.04kPa-1的灵敏度.
• 实现了7毫秒的快速恢复时间和超过10,000个周期的稳定性.
• 嵌入式可穿戴传感器使用机器学习模型准确地识别了人类的步行阶段,准确率为96%.

结论:

• 拟议的制造方法可以产生高性能软电容式压力传感器.
• 这些传感器适合集成到可穿戴系统中,用于诸如人类运动监控等应用.
• 这项工作突出了软传感器在先进的人机交互和医疗保健方面的潜力.