可穿戴柔性压力传感器件的最新进展和前景报告

      中科院宁波材料所陈涛研究员、暨南大学麦文杰教授和中科院北京纳米能源与系统研究所的潘曹峰研究员课题组，发表了这篇综述。探讨了过去的几十年中，由人类皮肤激发的软电子设备引起了广泛的研究关注，因为它在健康监测和诊断、机器人和假肢方面有着广阔的潜在应用前景。柔软可穿戴压阻压力传感器以其简单的机理、紧凑的结构、低廉的成本、功耗以及信号采集简单和转换效率高等优点，成为开发先进电子皮肤最有吸引力的候选之一。 这篇综述中，将探讨压阻压力传感器领域的最新进展和成就，重点介绍压阻压力传感器的基本原理和与器件相关的材料，包括活性材料、衬底材料和电极材料。 随后的讨论中展示了未来的挑战和展望。讨论了传感器件在实际应用中的灵敏度和工作范围优化的几个关键课题。 最后，从滑动和力矢量传感器、多功能和高分辨率传感器系统的发展技术和信号处理技术等方面进行了展望，以突出压阻压力传感器研究领域近期的发展趋势，相关研究成果发表在Journal of Materiomics第6卷第1期，题目为Recent advances of wearable and flexible piezoresistivity pressure sensor devices and its future prospects. 您可以点击文末“阅读全文”免费下载！

      在过去的几十年中，随着移动设备、机器人和假肢的发展，出现了像皮肤般柔软的可穿戴设备，这些器件具有触觉感知力、柔韧性、自愈性和延展性的特点，这引起了人们的广泛关注。作为下一代电子产品，可穿戴柔软性设备可以与我们的身体融合，可以扩展我们的感知、提供实时的个人健康信息等的重要功能。由于其优异的的传感特性，可作为仿生假体和机器人的人工皮肤，或者是电子皮肤等(E-Skin)，这将大大改善人机交互，促进人工智能系统的发展。

      压力感知能力是人类皮肤的基本重要特征之一。人类可以毫不费力地区分极其细微的压力变化，比如微风拂面的感觉。我们强大的压力传感能力也可以帮助区分物体的粗糙度、柔软度、重量和形状等。这些多维触觉反馈信息帮助我们更好地控制我们的力量。人体皮肤有四种机械感受器。这些受体可以测量不同空间尺度或不同时间尺度上的力，从而使我们的皮肤能够对静态和动态力作出高灵敏的反应。此外，皮肤柔软的力学性能可以帮助皮肤表面适应物体的表面，为感官感知提供更多维度的接触面积，从而提高敏感性。

      基于柔软有机聚合物的柔性和可伸缩压力传感器的特点，为模拟人体皮肤的传感和力学性能提供了一个新的潜在机遇。近年来，在追求人工电子皮肤方面取得了巨大的进展和成就。具有不同的结构和传导机制的压力传感器已被开发出来：电容、电阻和压电元器件等。在这些器件中，将压力刺激转换成电阻信号的压阻传感器，由于其传感机理简单、结构方便、功耗低等优点而得到了广泛的应用。这篇综述在第一部分，简要的介绍了文章讨论的主旨。在第二节中，总结了压力传感器的机理和结构；随后一节中，主要关注材料的发展，包括活性材料、衬底材料和电极材料等，用于器件的设计和制造；最后，探讨了目前柔性材料面对的挑战及将来的发展趋势；同时对压力传感器发展的几个目前的挑战发表了一些个人观点：讨论了电子织物压力传感器器件在实际应用中的进展和挑战；特别关注了剪切力和力矢量传感器、多功能高分辨率传感器系统的集成和制造技术、功耗和信号处理技术等问题。

从以上文章的梗概，已经可以看出这篇文章含金量之高，满满的都是重点。

Fig. 1. The schematic images of the transduction structure of different resistance pressure sensors: (a) bulk piezoresistivity sensor. (b), (c) and (d) are contact resistance type of sensors.

Fig. 1不同电阻压力传感器传导结构的示意图：(a)体型压阻传感器。(b)、(c)和(d)是接触电阻型的传感器。

Fig. 3. (a) Various geometrical structure for high-performance pressure sensor design. Images reproduced with permission: hemisphere, Copyright 2015, AAAS; pyramid, Copyright, 2014, Wiley-VCH; nanowire, Copyright, 2015, ACS; hierarchically, Copyright, 2016, Wiley-VCH; and epidermis inspired microstructure, (b) Copyright, 2018, ACS; (c) The simulation results of resistance variation versus applied pressure for the above geometries. The results demonstrate the epidermis inspired microstructure perform the highest sensitivity.

Fig. 3 各种几何结构的高性能压力传感器设计。(经许可复制的图像)：半球；金字塔；纳米线；分级；仿生皮肤微纳结构；上述几何形状的电阻变化与施加压力的模拟结果。结果表明，仿生皮肤微纳结构的器件具有极高的灵敏度。

Fig. 4. Graphene-based ultrahigh sensitivity and large linearity pressure sensor: (a) Schematic of the pressure sensor; (b) The sensitivities and sensing range of the sensor can be regulated by the graphene sensing layers. (c) The real-time artery pulse signal and its frequency spectrum (d) measured by the pressure sensor during cycling. (e) The wireless wearable health monitoring system based on the high-performance pressure sensor, which can be applied during the process of walking and running in daily life. Reproduced with permission. Copyright 2019, Elsevier Ltd.

Fig. 4 基于石墨烯的超高灵敏度和宽线性响应区间压力传感器：(a)压力传感器的原理图；(b)传感器的灵敏度和传感范围可由石墨烯传感层调节。(c)压力传感器在循环过程中测量的实时动脉脉搏信号及其频谱。(d)基于高性能压力传感器的无线可穿戴健康监测系统，可用于日常生活中的行走和运动过程中的脉搏检测。

Fig. 5. Textile based pressure sensor: (a) A flexible and highly sensitive pressure sensor based on ultrathin gold nanowires coated tissue paper. Reproduced with permission. Copyright 2014, Macmillan Publishers Ltd. (b) All-textile-based flexible pressure-sensor. Reproduced with permission. Copyright 2017, Wiley-VCH. (c) A multi-layered structure tactile pressure sensors, which perform high sensitivity and good linearity in the ultrawide sensing range. Reproduced with permission. Copyright 2019, Wiley-VCH. Liquidrepellent and machine-washable smart e-textiles: (d) Schematic illustration of the structure of the e-textiles. (e) The demonstrating of liquid-repellent property of e-textiles sensors. (f) The sensitivity of e-textiles sensors after each standard machine washing cycle. Reproduced with permission. Copyright, 2019, RCS;

Fig. 5 基于织物材料的压力传感器：(a)一种基于超薄金纳米线涂层纸的高灵敏度柔性压力传感器。(b)全纺织柔性压力传感器。(c)多层结构触觉压力传感器，在超宽度传感范围内具有高灵敏度和良好的线性。防水和机器可洗智能电子纺织品：(d)电子织物压力传感器结构示意图。(e)电子织物压力传感器的拒液特性。(f)电子织物压力传感器在每个标准机器清洗周期后的灵敏度。

Fig. 6. Tangential force sensor with a rationally designed structure with three conductive blocks. The contact resistance between the small blocks and the center large block can measure tangential force value. The force direction can be surmisable as the contact resistance between the center large block surrounding and small blocks decrease in the direction of shear and increases on the opposite side. Reproduced with permission. Copyright 2017, Wiley-VCH.

Fig. 6 三导电块结构的切线力传感器。 小块与中心大块之间的接触电阻可以测量切向力的数值。 当中心大块周围与小块之间的接触电阻在剪切方向上减小，在相反的一侧增加时，力方向可以被测定。

Fig. 7. (a) A flexible and extraordinarily small bending-sensitive, resistive type of pressure sensors based on ultra-thin nanofibres networks. Reproduced with permission. Reproduced with permission. Copyright 2016, Macmillan Publishers Ltd. (b) Simultaneous multiple-stimuli sensing e-skin based on skin-inspired highly stretchable matrix networks. Reproduced with permission. Copyright 2018, Macmillan Publishers Ltd.

Fig 7 (a)一种低弯曲敏感的基于超薄纳米纤维网络的柔性、电阻式压力传感器。(b)具有多功能传感和高度可拉伸性质的电子皮肤。

Fig. 8. High-resolution pressure sensor arrays: (a) Self-powered large-array three-dimensional circuitry integration of vertical-nanowire piezotronic transistors for high-resolution imaging. Reproduced with permission. Copyright 2013, AAAS. (b) Unprecedented 6350 dpi resolution imaging of two-dimensional pressure distribution based on piezoelectric nanowire LED array. Reproduced with permission [10]. Copyright 2013, Macmillan Publishers Ltd. (c) A skin-like intrinsically stretchable high-density sensor arrays, which can accurate sensing of the position of a synthetic ladybug with six legs. Reproduced with permission. Copyright 2018, Macmillan Publishers Ltd.

Fig 8. 高分辨率压力传感器阵列：(a)用于高分辨率成像的垂直纳米线压电晶体管的自供电大阵列三维电路集成。(b)基于压电纳米线LED阵列的二维压力分布传感器,可以实现前所未有的6350dpi分辨率成像。(c)一种本征可延展的的高密度传感器阵列，可以准确地感知瓢虫玩具的六条腿的位置。

Fig. 9. Scalable pressure sensor glove for human grasp signatures machine learning: (a) Scalable tactile glove platform to learn from the human grasp. (b) The system can identify different objects accurately by learning grasp signatures. Reproduced with permission. Copyright 2019, Macmillan Publishers Ltd.

Fig 9. 大规模压力传感器阵列应用于人类抓取特性的机器学习：(a)应用于抓取学习的大规模触觉传感手套及系统平台。(b)该系统可以通过学习人类的抓取特征实现对抓取物的识别。

*免责声明：本文仅代表作者个人观点，不代表本公司立场。本公司转载此图文仅出于传播更多咨询之目的，如有侵权或违规请及时联系我们， 我们将立刻予以删除。