高熵合金增强复合应变传感器，具有长循环耐久性，适用于机器学习辅助的人体运动识别

《Sensors and Actuators A: Physical》：High Entropy Alloy Reinforced Composite Strain Sensor with Long-Cycle Durability for Machine Learning Assisted Human Motion Recognition

柔性压阻传感器研究开发及机器学习应用。采用PDMS基体复合高熵合金粉末和MWCNTs构建三维导电网络，实现响应时间88ms、耐久性超11000次循环。结合MLP模型实现手指、腕肘膝弯曲动作的精准识别。

　　

张涵|郭银本|王晓明|李晓波|贾爱波|周书祺|陈珊|李银杰|李海超

上海工程技术大学材料科学与工程学院，中国上海201620

摘要

柔性压阻传感器在可穿戴医疗、运动监测和人机交互领域受到了广泛关注。然而，它们相对较慢的响应/恢复速度以及有限的循环可靠性仍然限制了其实际应用。在这项工作中，开发了一种基于聚二甲基硅氧烷（PDMS）复合材料的柔性压阻应变传感器（PHM-FPSS），该复合材料加入了高熵合金（HEA）粉末和多壁碳纳米管（MWCNTs）。HEA填料的引入改善了PDMS基体内的界面结合和机械增强效果，提供了额外的导电和结构路径。与MWCNTs的协同作用使得形成了连续稳定的三维导电网络，确保了高效的电子传输和长期的耐用性。因此，PHM-FPSS表现出快速的响应时间（88毫秒）、短的恢复时间（115毫秒）、适中的电阻率（0.851 Ω·m），并且在超过11,000次加载-卸载循环后仍具有极低的退化率。此外，还实现了一个多层感知器（MLP）机器学习模型来分类从传感器获取的人体运动信号，能够准确识别手指、手腕、肘部和膝盖的弯曲角度。本研究提供了一种有效的材料设计方法，以实现柔性压阻复合材料的灵敏度和稳定性的平衡，并建立了一个集成的传感-智能平台，适用于体育科学、康复监测和人机接口等领域。

引言

柔性电子技术的快速发展深刻影响了诸如人机交互、医疗监测和智能机器人等新兴技术[1],[2],[3],[4],[5]。在这些技术中，柔性压力传感器因其机械柔韧性、可伸展性和对不规则表面的适应性而受到广泛关注[6]。特别是压阻柔性传感器，因其结构简单、灵敏度高和信号读取方便而脱颖而出[7]。这些传感器通常由聚合物弹性体基体（例如聚二甲基硅氧烷PDMS）与导电填料结合而成，形成应变依赖的电阻网络[8]。由于PDMS具有优异的弹性、化学稳定性和生物相容性，因此被广泛用作基底材料[9]。因此，导电复合系统的合理设计在决定柔性压阻传感器的整体性能方面起着决定性作用。

尽管在材料工程和结构设计方面取得了持续进展[10],[11]，柔性压阻传感器在复杂运动检测和长期应用方面仍面临挑战。人体运动过程中产生的压力信号具有广泛的动态特性——从微小的脉冲变化到大的关节弯曲——这要求传感器同时具备高灵敏度和稳定的信号输出[12],[13]。然而，提高灵敏度往往会影响机械鲁棒性和长期可靠性。此外，在循环变形下导电网络的退化或重构会导致信号漂移和重复性降低[14],[15]。这些问题限制了当前柔性传感器在重复机械加载条件下的可靠实时生理监测能力。

限制快速响应和循环耐久性的主要因素是由于反复应变导致导电路径的断裂或重新排列，以及聚合物基体的固有粘弹性滞后[16],[17],[18]。虽然脆性填料或高孔隙率结构可以提高灵敏度，但它们往往会加速疲劳并导致不可逆的电性能失效[19],[20]。因此，构建在大幅变形和长期循环下仍能保持稳定的多尺度导电网络至关重要。为此，最近出现了将纳米级碳材料与金属组分结合的混合复合策略，作为有效手段来协同增强导电性和机械韧性[21],[22],[23]。

在各种导电填料中，基于碳的纳米材料（如MWCNTs）因其高内在导电性和大的长径比而被广泛使用。然而，纳米管之间的强范德华相互作用常常导致聚集，从而产生不均匀的分布和不稳定的导电路径。在反复的拉伸变形下，基于CNT的导电网络容易发生重新排列或部分断裂，导致信号漂移和循环稳定性下降。相比之下，金属填料表现出更好的机械鲁棒性和抗疲劳性，但其相对较高的密度在复合加工过程中容易引起沉积。具体来说，金属颗粒通常形成离散的点对点接触，这限制了它们作为唯一导电相时的灵敏度。因此，单独使用CNTs或金属填料都无法同时满足柔性压阻传感器对高灵敏度、快速响应和长期循环稳定性的要求。

高熵合金（HEAs）因其独特的固溶强化效应、原子级晶格畸变和出色的机械稳定性而受到广泛关注[24],[25]。其中，等原子组成的CoCrFeMnNi HEA体系表现出优异的延展性、耐磨性和抗氧化性，使其成为增强柔性复合材料疲劳抵抗力和导电稳定性的理想候选材料[26],[27]。当与MWCNTs结合时，HEA颗粒可以在导电网络中起到机械稳定的桥接作用，而纳米管则提供连续的电子传输路径。这种协同整合有助于构建稳定的三维（3D）渗透网络，同时提高电连接性并抑制循环变形下的网络退化[28]。更重要的是，这种混合导电网络设计直接解决了传统压阻传感器的内在性能权衡问题，即高灵敏度和快速响应通常是以牺牲机械鲁棒性和长期耐用性为代价的。在所提出的系统中，灵活且相互连接的MWCNT网络主导了应变引起的电阻调制，实现了高灵敏度和快速电响应，而机械坚固的HEA颗粒则作为稳定的桥接和承重节点，有效抑制了重复变形过程中的过度导电网络断裂和不可逆重构。因此，HEA颗粒和MWCNTs之间的协同作用使得灵敏度、响应速度和循环耐久性得以同时提升，这是单一填料导电系统难以实现的。同时，机器学习（ML）技术在柔性传感系统中的应用显示出分析非线性、时变压阻响应的巨大潜力[29],[30]。诸如多层感知器（MLPs）和卷积神经网络（CNNs）等算法已成功应用于运动分类、手势识别和假肢控制，从而推动了智能传感平台的发展[31],[32]。

在本研究中，通过机械混合、真空脱泡和热固化制备了PHM-FPSS，以确保填料在PDMS基体中的均匀分散。机械和机电评估证实了其稳定的性能。该传感器的抗拉强度为1.97 MPa，断裂应变为279.86%，表明其具有良好的柔韧性和机械坚固性。其电阻率为0.851 Ω·m，反映了高效的电荷传输能力。动态加载测试显示响应时间为2毫秒，恢复时间为8毫秒，证实了快速的信号转换能力。长期循环测试表明，在超过11,000次加载循环后电阻变化稳定，验证了其强大的耐用性。灵敏度评估显示，在0%至15%的第一个应变区域内，应变计因子为0.918；在15%至70%的第二个应变区域内，应变计因子为0.272，显示出在宽变形范围内的可预测的应变依赖行为。PHM-FPSS还通过收集时间序列电阻数据并经过信号采集、预处理、特征提取、模型训练和评估等工作流程应用于手势识别。神经网络分类器采用了三个神经元数量逐渐减少的全连接层，每层之后都加入了dropout模块以减少过拟合。稳定的传感信号和网络设计使得能够准确识别五个手指的三个弯曲角度以及手腕、肘部和膝盖的运动，证明了该系统在精确可靠的运动分析方面的能力。

材料

在本研究中，聚二甲基硅氧烷（PDMS，SYLGARD 184）由陶氏康宁公司（美国）提供。多壁碳纳米管（MWCNTs）来自深圳瑞恒石墨烯科技有限公司（中国）。扩散油（TSF-96-1000）购自鼎海塑料化工有限公司（中国），硅烷偶联剂KH-570由康金新材料科技有限公司（中国）提供。CoCrFeMnNi高熵合金（HEA）粉末具有等原子组成（每个

复合材料的结构设计和表征

本研究中开发的柔性压阻应变传感器（FPSS）使用了不同的导电填料组合的PDMS基体制成。如图1a所示，设计的传感器加入了多壁碳纳米管（MWCNTs）和CoCrFeMnNi高熵合金（HEA）粉末作为导电填料，其潜在的应用也在右侧进行了示意图说明。为了阐明结构特性和分散情况

结论

在本工作中，制备并优化了PHM-FPSS用于智能运动传感。该传感器表现出0.851 Ω·m的低电阻率、1.97 MPa的抗拉强度和279.86%的极限应变，实现了导电性和机械柔韧性之间的平衡。多尺度HEA/MWCNT网络使得电阻变化迅速，响应时间为88毫秒，恢复时间为115毫秒。该传感器在11,000次加载循环中也表现出优异的耐用性。

CRediT作者贡献声明

陈珊：方法论。周书祺：资源。贾爱波：研究。李海超：写作 – 审稿与编辑、监督、项目管理。李银杰：研究。李晓波：数据管理。王晓明：形式分析。郭银本：写作 – 审稿与编辑、监督、项目管理、方法论、资金获取。张涵：写作 – 原稿撰写、软件开发、方法论、研究、形式分析。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

Y.G. 感谢上海自然科学基金（项目编号24ZR1426500）和上海材料科学与工程III类高峰学科（高能束智能处理和绿色制造）的财政支持

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

张涵目前是上海工程技术大学材料科学与工程学院材料与化学工程专业的硕士生。他的研究重点是柔性应变传感器、摩擦电纳米发电机（TENG）以及用于可穿戴电子设备和人体运动监测的机器学习辅助智能传感系统。