澳门大学与东北大学联合研发：受葫芦结构启发的多梯度单元设计，实现精准生理压力感知
柔性可穿戴压力传感器近年来迅速发展，广泛应用于电子皮肤、个性化医疗和智能机器人等领域，被视为新一代人机交互（HMI）的关键器件。在众多性能参数中，灵敏度和线性度尤为重要，但如何在二者之间取得平衡仍是实现精准生理监测和稳定输出的核心难题。当前，科研人员正通过创新材料与微结构设计，力图攻克这一挑战。例如，Cheng团队提出了一种结合可编程微结构与超薄离子层的策略，开发出具备超高灵敏度与兆帕级线性范围的电容式传感器，适用于极端负载监测。
在实际的可穿戴HMI与以人体为中心的传感应用中，压力输入大多源自皮肤接触、肌肉收缩、关节运动和步态等生理活动，且通常处于低于200 kPa的实用区间。因此，“生理压力”通常指从呼吸、脉搏等微弱信号的几十帕斯卡，到剧烈运动时关节与足底压力的数百千帕斯卡。在此背景下，能够同时响应微弱生命体征与大范围运动状态的压力传感器，是构建可靠可穿戴界面的重要基础。此类器件需在低压段表现出高灵敏度，同时在高压下保持稳定、线性响应。
基于压阻、电容、压电、摩擦电、电化学及离子梯度等多种机制的压力传感器已在柔性可穿戴领域得到广泛研究。其中，自供电的压电与摩擦电传感器因其无需外接电源、可直接将机械刺激转化为电信号的优势，备受关注。此外，电化学和离子梯度驱动传感器在检测微小压力变化方面也展现出广阔前景。然而，这些技术在实际部署时常面临电路复杂、封装要求高等问题。相比之下，压阻式传感器凭借其结构简单、成本低和稳定性好等优势，成为生理信号监测与长期HMI的理想选择。然而，传统的设计方法往往难以在超宽压力范围内同时实现高灵敏度与良好线性。
压阻传感器的基本原理是通过压力作用调节导电路径，如改变接触电阻或隧道电阻。通过在垂直或平面方向设计电导率、模量与几何结构的梯度，可以有效调控导电路径的演化，从而在宽压力范围内同步提升灵敏度与线性度。例如，Zhang团队开发了一种基于双层纤维素纳米纤维/碳纳米管敏感层的纸基压阻传感器，在0-3800 kPa范围内实现了4.11 kPa⁻¹的灵敏度，适用于健康监测与步态分析。然而，单参数梯度难以实现灵敏度的最大化，而基于模量梯度的设计在高压下易出现响应饱和。
近年来，微结构设计逐渐成为提升传感器性能的重要手段。通过激光加工或多层梯度结构等策略，研究人员试图优化线性与灵敏度，但此类方法通常增加制造复杂度与成本。与此同时，碳纳米管掺杂PDMS并结合微结构复制成型，已被视为一种可扩展的低成本制造路径。
自然界一直是工程设计的重要灵感来源。近年来，将叶片、花瓣等非传统微结构与人体皮肤的梯度特性相结合，成为提升传感器性能的有效方式。葫芦状结构因其独特的上下两个尺寸差异明显的圆顶部分，展现出良好的结构潜力。目前，该结构主要应用于光纤传感领域，用于提升光学灵敏度，而在可穿戴压阻传感器中的应用尚处于探索阶段。因此，如何同步调控葫芦状结构的尺寸、模量与电导率，以实现灵敏度与线性度的协同优化，成为当前研究的热点。
研究亮点
- 本研究提出一种基于葫芦形微圆顶阵列（GSDA）的结构，通过在同一单元中集成模量、电导率与几何梯度，实现灵敏度与线性度的协同提升。
- 该结构由一个高模量、低导电的实心上圆顶与一个低模量、高导电的多孔下圆顶组成。在压力加载过程中，上圆顶嵌入多孔层，显著增加接触面积并缩短隧道间隙。
- 嵌入过程引发从串联到并联的电学转换，有效抑制早期信号饱和。优化后的传感器在高达210 kPa的范围内保持良好线性，灵敏度达到534.9 kPa⁻¹。
- 通过构建一致的强度映射关系，GSDA可作为传感单元或阵列组件，广泛应用于触觉监测、密码编码、机器人控制及手语识别等领域。
图文解析
图1展示了葫芦状结构的设计理念及其在压力传感中的工作机制。扫描电镜图像揭示了8%和10% CNT/PDMS材料的微结构差异。通过施加不同压力，传感器的响应机制从神经元逐步激活，实现从单一结构到复合结构的过渡。GSDA的优势在于其上下圆顶的模量与导电性差异，使其在受压时迅速改变接触特性。图示还展示了不同压力阶段下传感器的形变与电学转换机制，以及总电阻的变化规律。
图2对比了不同微结构在灵敏度与线性范围方面的表现，突显GSDA在综合性能上的优越性。其灵敏度与线性系数均优于同类传感器。此外，GSDA的设计变量如电导率、模量与尺寸比例均可调节，从而实现性能优化。不同参数组合下的实验数据表明，更高的孔隙率有助于提升压力响应。
图3详细展示了GSDA在不同压力范围内的测试结果。从极低到极高压力下，传感器均表现出良好的线性与稳定性。环境鲁棒性测试表明其在不同温度、湿度及静态负载下具有优异的抗干扰能力。多个样品的测试结果高度一致，长期疲劳测试显示其在220 kPa下经9000次循环仍保持稳定。
图4展示了GSDA在可穿戴传感中的多种应用场景。包括脉搏、呼吸和帕金森震颤的监测，均展现出良好的时间分辨力与稳定性。在人机交互方面，GSDA支持手势识别、摩尔斯电码输入和运动追踪，具备良好的用户体验。
图5进一步拓展了GSDA在人机交互领域的应用。从轻压到重压，传感器可输出不同幅度的电信号，模拟圆珠笔书写机制。通过结合压力强度与电极位置，可实现二维信号编码，用于密码解锁、摩尔斯电码输入及机械手控制。在手语识别中，传感器贴附在手指关节上，能够实时监测弯曲状态，实现“U”与“M”等字母的精准识别。
审核编辑 黄宇