近年来,各种智能可穿戴设备被广泛应用于人机交互、运动监测和医疗健康等领域,其中大应变传感器是监测变形的关键元器件,可以实现对人体运动信号的全范围监测,包括呼吸、脉搏、肌肉运动以及各关节处的运动。然而传统应变片的测量范围一般在5%以内,不能满足目前的需求。用于智能穿戴设备中的大应变传感器应具备以下几种基本特征:(1)测量范围广。为了监测人体关节处的大变形,应变传感器的传感范围一般需达50%。(2)适当大的灵敏度。这有利于测量微小变形,避免较大的测量误差。(3)高重复性。这是应变传感器对循环拉伸变形做出准确响应的关键。(4)鲁棒性。包括可水洗性、耐磨性、对微缺陷不敏感以及能承受极端载荷的能力。(5)低造价和可连续生产的能力。(6)在特殊应用场景下的其他重要性能,如高线性度、快速响应时间、低松弛和温度不敏感等。经过科研人员的不懈努力,大量的大应变传感器应运而生。
目前广泛研究的大应变传感器主要包括以下三种:(a)裂纹基应变传感器。这种传感器通常具有较大的灵敏度和测量范围,但是由于裂纹的随机性和裂纹间接触关系的不稳定性导致重复性不理想。(b)织物类应变传感器。这种传感器相对于裂纹基应变传感器具有较为稳定的接触关系,但是织物间相互约束较弱、容易滑移和松弛,从而影响信号的稳定性。(c)无接触电阻式应变传感器。此前研究者提出的无接触电阻式应变传感器具有良好的线性度和重复性,但是其灵敏度较低(约0.005)。因此,研制一种测量范围广、灵敏度适当高、重复性高、能连续生产的大应变传感器具有重要意义和挑战性。
近日,中科院力学所苏业旺研究员团队设计并制备了一种高性能、可量产的确定性接触电阻式编织结构大应变传感器(如图1)。在这一编织结构中,涤纶纤维将银纤维与乳胶丝基底紧紧捆绑到一起形成“Y”形结构,这避免了拉伸过程中纤维间的滑移从而使得应变传感器具有较高的重复性(重复性误差3.74%)。得益于这种特殊的编织结构,该应变传感器具有适当高的灵敏度(灵敏系数可达140)和较大的测量范围(50%)。此外,为了更深入地研究该应变传感器的传感机理,还建立了相关的力-电耦合模型,所得理论结果与实验结果一致(如图2)。该编织结构应变传感器还具有高鲁棒性、响应时间快(128ms)及对温度不敏感等性能(图3)。如图4所示,该应变传感器可应用于运动姿态的监测与矫正、医疗康复以及人机交互等领域。同时,这种编织结构应变传感器具有低成本、可连续化生产的特点,这对实现真正的“落地化”生产与应用具有重要意义。
图1 编织结构应变传感器制备过程及照片。(a)传感器制备过程,(b)传感器宏观与微观照片,(c)传感器的拉伸、弯折和扭转。
图2 传感器的传感性能与机理。(a)应变传感器相对电阻变化与施加应变关系的实验与理论结果对比,(b)应变传感器在50%应变作用下进行40000次循环测试,(c)40000次循环加载前后各5次实验结果,(d)不同施加应变作用下应变传感器微观结构的SEM图,(e)传感器的电、力模型示意图。
图3 应变传感器的动态性能及鲁棒性。(a)传感器对小应变的响应,(b)应变传感器的响应/恢复时间,(c)加载速度对传感器信号响应的影响,(d)温度对传感器信号的影响,(e)扭转对传感器的影响,(f)水洗对传感器的影响,-(g)微缺陷对传感器信号的影响,(h)具有1-mm微缺陷的传感器在50%应变下的2000次循环加卸载。
图4 编织应变传感器的代表性应用。(a)传感器与健身衣的集成,(b)正确与错误健身姿态下传感器的响应,(c)传感器对脉搏信号的测量,(d)传感器对颈部康复运动的监测,(e)传感器对膝关节康复运动的监测,(f)由该传感器制备的智能手套对机械手掌的远程控制。
该研究成果以“Stretchable Strain Sensors based on Deterministic-Contact-Resistance Braided Structures with High Performance and Capability of Continuous Production”为题发表于学术期刊《Advanced Functional Materials》。论文第一作者为中科院力学所博士生李居曜,通讯作者为中科院力学所苏业旺研究员。参与该工作的还有本课题组已毕业的李爽博士。该工作得到了国家自然科学基金委、中国科学院从0到1原始创新计划、中国科学院交叉学科创新团队和中组部WRQB人才计划等项目的支持。
论文信息:
DOI: 10.1002/adfm.202208216
审核编辑 :李倩
-
传感器
+关注
关注
2550文章
51043浏览量
753105 -
耦合
+关注
关注
13文章
582浏览量
100859 -
电阻式
+关注
关注
0文章
40浏览量
13051
原文标题:高性能、可量产的确定性接触电阻式编织结构大应变传感器
文章出处:【微信号:MEMSensor,微信公众号:MEMS】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论