川大张新星&中物院唐昶宇：力致发光-摩擦发电双模态传感器

在可穿戴设备中实现不依赖电源输入的多功能传感及其信号实时精准分析，仍是一个巨大的挑战。本文基于柔性多层微纳结构复合设计，利用柔性液态金属电极和微结构化弹性表面设计，构筑了高性能的柔性自供电力致发光-摩擦发电双模传感器。此外，通过引入力致发光结构，实现机械能-光能转换与传感信号可视化(仅需0.3N外力即可实现发光，采集图像灰度值可达107，并能重复超2000次)。针对其持续时间短、图案解析困难等关键问题，开发了基于机器学习的信号分析系统，实现手写数字的实时、高效准确识别与无线智能控制，为面向物联网时代的具有先进视觉交互能力的智能可穿戴电子设备提供了一种新的策略 。

Mechanoluminescent-triboelectric bimodal sensors for self-powered sensing and intelligent control

Bo Zhou, Jize Liu, Xin Huang, Xiaoyan Qiu, Xin Yang, Hong Shao, Changyu Tang*, Xinxing Zhang*

Nano-Micro Letters (2023)15: 72

https://doi.org/10.1007/s40820-023-01054-0

1. 本文设计了一种 全自供电双模态传感器 ，在实现自供电应力传感的同时，构筑了 出色的力致发光性能并图案化显示力的轨迹 。

2. 双模态传感器具有 出色的手写输入性能 ，结合机器学习与无线控制等先进工具开发了 智能控制系统 ，为具有先进视觉交互能力的智能可穿戴电子设备提供了一种新的策略。

材料整体的设计思路如图1所示。图1a展示了其多层结构设计。基于此设计，单一的机械力刺激能够同时产生电信号和光信号。图1b展示了力致发光的机理，当得到的复合弹性体受到外力作用时，带来的电子-空穴复合过程中释放的能量激发了掺杂的Cu²⁺离子导致发光。图1c展示了微纳结构增强的摩擦纳米发电的原理，由于人体皮肤与硅橡胶之间得失电子的差异，因此在皮肤和传感器循环接触分离的过程中可以产生交变电流。基于上述设计展示了传感器可以通过机器学习，实现高识别率的手写输入智能控制与人体生理活动的检测(图1d)。

图3.  传感器摩擦纳米发电输出性能。a 测试系统示意图；b PDMS/ZnS:Cu层表面微结构的SEM图像；c 传感器与不同摩擦材料接触时的输出电压和电流；d 传感器在光滑和粗糙表面的输出电压和电流；e 传感器在不同接触力下的输出电压和电流；f 传感器在不同频率下的输出电压和电流；g 传感器输出在4000次冲击循环中的稳定性 。

IV  自供电传感器传感性能

图4. 自供电传感器传感性能。a 基于所获得的MTBS，演示了人体生理信号监测系统；b 采用MTBS信号作为自供电传感器进行手势识别监测；c弯曲膝盖；d手腕弯曲；e运行；f手指敲击；g手指触摸；h吞咽；i书写阿拉伯数字“1”；j书写阿拉伯数字“2”；k书写阿拉伯数字“3” 。

V  信号识别与智能控制系统

基于所获得的传感器的优异性能以及跨学科工具的应用，实现了清晰明亮的手写输入文字图案化（图5a），这大大促进了准确识别和高效智能控制。为了提高识别效率和准确率，将得到的手写数字图像（为了避免干扰，首先提取三原色中代表绿色的G值）转换为数字化矩阵以进行后续的识别。我们发现与之前关于力致发光性能的描述一致，书写区域的灰度和G值随着施加的力发生明显的变化，一个非常小的力（0.3 N）就足以实现手写信号的输入（图5b）。随机森林算法作为一种通过综合学习的思想整合了多个决策树的算法，在研究中被用来识别手写数字图像（图5c）。为了实现手写数字识别的普遍性，通过使用开源的MNIST手写数字数据库中的60,000个手写数字对开发的基于随机森林算法的机器学习网络进行了训练，随后又使用另外10,000个手写数字进行测试，验证了其准确性。结果显示，用于识别手写数字的模型拥有很高的准确率（96.87%，图5d）。为了进一步验证系统的实用性，将在传感器上书写2、4、6的视频导入到开发的集成软件中（包括数据读取、图像合成、识别和控制），之后将软件识别的手写信息通过无线信号传输到机器小车上，实现对机器小车的智能远程控制（图5e）。机器小车可以根据书写的不同数字实现向前移动和左/右转（图5f）。

图5.  智能控制系统。a 开发的软件处理后书写1-9的阿拉伯数字图像；b 手写时施加力的灰度值与b值的柱状图并将图像转化为白色以便于图像识别；c 无归森林算法原理示意图；d 基于10000个测试数据的预测混淆矩阵；e 手写输入控制机器小车系统示意图；f通过输入不同数字实现小车的不同运动，如输入2左转、输入4右转和输入6直行 。