无线传感网络和可穿戴电子设备的发展日益壮大，随之而来的功耗问题也日益凸显。摩擦纳米发电机（TENG）基于摩擦起电和静电感应的耦合，将机械能直接转化成电能，故而基于TENG的传感单元无需供电，即可灵活感知外部刺激，帮助人类与外界环境进行交互。然而，传统TENG基自供电传感器仍然存在能量转化效率低、信号处理复杂耗时等问题。因此，对于摩擦电材料的深入研究，是制作性能卓越自供电传感器的重要组成部分，同时也是完善TENG全方位、多维度研究的重要方向之一。

近日，北京交通大学李修函教授团队在期刊《Nano Energy》上，发表了最新研究成果“Mica/nylon composite nanofiber film based wearable triboelectric sensor for object recognition”。研究者基于静电纺丝技术和云母介电粒子填充的方法制备了高性能尼龙纳米纤维膜，构建TENG基自供电传感器（HITWS），并结合深度学习算法识别信号特征。云母介电粒子有效改善了尼龙纺丝膜的正摩擦电特性。HITWS具有400 V的开路电压，11.82 W/m2的功率密度，灵敏度达35.95 V/kPa。此外，基于深度学习算法有效降低了后端信号处理的复杂度，实现了抓握物体形状的判别功能，证明了HITWS在物联网尤其是人工智能领域广阔的应用前景。

图1 HITWS的结构设计、制造工艺及工作原理

通过将HITWS集成至手指即可收集弯曲产生的机械能转化成电信号，模拟人体皮肤的触觉感知功能。通过训练好的人工神经网络模型，模拟大脑神经元的工作机制，根据抓握不同物体时多通道传感器信号波形差异实现物体识别功能。HITWS中尼龙-云母静电纺丝膜作为正摩擦电材料，FEP透明薄膜作为负摩擦电材料。得益于静电纺丝和云母粒子掺杂对尼龙性能的提升，HTWIS的灵敏度和功率密度显著优于以往同类型相关研究。

图2 尼龙-云母静电纺丝膜微观特性分析

图2说明了尼龙和云母在分子层面的结合机制。在有机溶剂和静电纺丝高压电场的共同作用下，尼龙分子链中的部分C-H键发生断裂，从而使得云母中的氧原子替换掉尼龙中的H原子，与原有的C原子形成更加稳定的C-O键，独立出来的H原子处于游离态，出现脱氢现象。脱氢的结果是增大了尼龙溶液的不饱和度，使其具有更高的反应活性，从而使尼龙静电纺丝膜具有更正的摩擦电特性。通过XRD、FTIR、XPS等测试可知，云母粒子改善了尼龙纺丝膜的表面粗糙度，介电常数、内部的晶体结构以及官能团属性和含量，进而提升了尼龙膜的正摩擦特性。

图3 HTWIS的输出特性

图3展示了不同云母掺杂比例下HITWS的输出特性，与纯尼龙静电纺丝膜相比，15 wt%尼龙-云母纺丝膜的VOC、ISC和QSC分别提高了4倍、4倍和3倍（400 V、40 μA和150 nC）。此外，在10N、3Hz的力下当负载为20 MΩ时，HITWS的峰值功率密度达11.82 W/m2。因此，通过静电纺丝和云母粒子掺杂工艺制备的尼龙-云母纺丝膜展现出了优秀的摩擦电特性。

图4 基于HITWS和深度学习算法的目标识别应用。

深度学习算法通过多层非线性变换，自动且高效地提取简单到复杂的数据特征。图4展示了基于HITWS和深度学习算法进行物体识别的整体流程。将传感器集成至手指端（拇指、食指、中指和无名指），不同的弯曲情况下产生不同特征的电信号，从而构建数据集。经过充分的训练和测试后，深度学习算法VGG网络模型对于抓握物体的最高识别准确率达99%，平均识别准确率达96.57%。

因此，研究团队基于静电纺丝工艺和介电粒子填充方法，通过在尼龙静电纺丝膜中添加云母介电粒子，显著提升其正摩擦电特性，构建了高性能智能传感器，并结合深度学习算法实现了高准确率的物体识别功能，展现了其在物联网、人工智能等领域广阔的应用前景。

原文链接：

https://doi.org/10.1016/j.nanoen.2024.110056