迷宫纹图案纤维传感器基于3D压力补充策略,用于机器学习支持的医疗监测和动作识别

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术纳米技术
• 可穿戴技术可穿戴技术

背景情况:

• 纤维拉伸传感器由于可变形性,对智能织物来说是有希望的.
• 在整合灵敏度,伸展性和实际使用方面仍然存在挑战.
• 高性能可穿戴传感器需要先进的材料.

研究的目的:

• 开发一种高灵敏度和可拉伸的纤维应变传感器.
• 使用3D应力补充和独特的导电网络创建一个新的传感器.
• 展示人类移动监控和通信中的实际应用.

主要方法:

• 一个聚二甲基 (PDMS) /银纳米粒子 (AgNPs) /MXene/碳纳米管 (CNTs) 纤维传感器的制造.
• 利用预拉伸和膨胀过程进行3D应力补充.
• 在PU纤维表面上创建一个双层迷宫纹导电网络.

主要成果:

• 实现了高伸展性 (>150%) 和灵敏度 (尺度系数高达57896).
• 显示了超低的检测极限 (0.1%) 和快速的响应/恢复时间 (177/188 ms).
• 通过机器学习实现了精确的人类运动监控和莫尔斯代码识别 (99.17%的准确性).

结论:

• 开发的光纤传感器克服了当前可穿戴式应变传感器的局限性.
• 它的特性支持医疗监测和人机交互的先进应用.
• 这代表了新一代具有显著潜力的灵活应变传感器.