随着物联网的发展，电子皮肤传感器迫切需要突破传感可靠性、小型化、便携性的限制。集成摩擦电纳米发电机智能纺织品的出现，为探索具有无可比拟的轻量化、透气性、柔韧性和耐洗性的先进传感器带来了无限可能。

近日，福州大学侯琳熙教授团队采用连续静电纺丝和静电喷雾技术制备了具有多层结构的全纳米纤维Janus织物，作为自供电的电子皮肤传感器。用氟化聚氨酯改性摩擦电层后，摩擦电输出达到356 V， 2.88 μA, 80.12 nC, 2.49 W m−2，可通过整流电路为小型电子设备供电。作为概念验证，制作了基于Janus纺织品的智能系统，借助电路模块和深度学习（一维卷积神经网络）实现了机械手的精确控制和材料的准确识别，为进一步的智能机器人和人机交互（HMI）提供触觉识别。相关研究内容以“Self-powered all-nanofiber Janus textile E-skin sensor with air permeability and anti-fouling for human–machine interactions”为题目，发表在期刊《Nano Energy》上。

图1 (a) Janus纺织品和(b) TPU/FPU纳米纤维的制备工艺。智能Janus纺织品应用，(c) TENG, (d)自供电电子皮肤传感器，(e)人机交互。

Janus 织物的制备过程

首先，通过静电纺丝制备 PLGA 纳米纤维膜内层，作为支撑 AgNWs 电极层的基底，且对皮肤具有良好的生物相容性。随后，采用静电喷雾法在 PLGA 纳米纤维表面沉积 AgNWs 电极层，AgNWs 相互连接形成导电通路。同时，通过静电纺丝技术在 AgNWs 电极层表面制备经 FPU 改性的 TPU（TPU/FPU）摩擦电层。TPU/FPU 纳米纤维膜作为外部功能层，可产生出色的摩擦电信号和自清洁功能。FPU 的改性旨在实现抗污性能，增加摩擦电层的电负性和介电性能，从而制备出优异的摩擦负性材料。基于 Janus 织物基电子皮肤的良好自供电传感性能，机器人手能够准确地模拟人手姿势。此外，结合一维卷积神经网络，智能 Janus 织物能够高精度地识别各种材料。全纳米纤维 Janus 织物的通孔结构也有助于实现良好的气/水渗透性。

图2 (a) TPU/FPU纳米纤维的SEM图像。(b) TPU/FPU纳米纤维的XPS全谱图(c)和c1s和o1s精细化谱图。(d) TPU/FPU纳米纤维的机械强度和(e)防污性能。(f) Janus纺织品的水蒸气透过率。

图3（a）基于 Janus 纺织物的摩擦纳米发电机（TENG）的工作机制。（b）电位激励。（c - e）取决于 FPU 含量的开路电压（Voc）、短路电流（Isc）和短路转移电荷（Qsc）。（f）基于 Janus 纺织物的 TENG 与八种摩擦材料接触时的摩擦电性能。（g）与不同摩擦材料接触的电荷密度。（h）八对摩擦电材料的 FOM DM 直方图。

图 4. 基于 Janus 纺织物的摩擦纳米发电机（TENG）的摩擦电性能取决于变量：（a - c）在 3 mm分离距离和 3Hz 接触频率下的施加力；（d - f）在 10N 冲击力和 3Hz 接触频率下的分离距离；（g - i）在 10N 冲击力和 3 mm分离距离下的频率。

图 5. 基于 Janus 纺织物的TENG的摩擦电性能取决于：（a）湿度和（b）应变；（c）电阻两端的电压和（d）峰值功率密度曲线；（e）整流电路示意图；（f）由基于 Janus 纺织物的 TENG 供电的商业电容器的充电曲线和（g）多次充放电曲线；（h）基于 Janus 纺织物的 TENG 为小型电子设备供电的照片；（i）与先前研究的摩擦电性能比较；（j）基于 Janus 纺织物的 TENG 的运行稳定性。

图 6. （a）用于识别材料分类的一维卷积神经网络（1D CNN）的流程图和（b）混淆矩阵。（c）信号分类的训练过程。（d）特征值分类的散点图。（e）人机交互（HMI）平台示意图。（f）人机交互过程的照片以及每个基于 Janus 纺织物的摩擦纳米发电机（TENG）传感器的相应输出信号。

小结：

在这项工作中，通过连续静电纺丝和静电喷雾制备了一种智能全纳米纤维 Janus 织物，它由 TPU/FPU、银纳米线（AgNWs）和聚乳酸 - 羟基乙酸共聚物（PLGA）纳米纤维组成。作为一种可穿戴的纺织传感器，Janus 织物表现出良好的透气性、柔韧性和抗污性能。在摩擦电性能方面，基于 Janus 织物的摩擦纳米发电机（TENG）的峰 - 峰电压、电流和功率密度分别达到 356V、2.88A 和 2.49 W/m²，它能在 80 秒内将 2.2μF 的电容充电到 17V，并为小型电子设备供电。作为一种自供电的电子皮肤传感器，其灵敏度、响应性和稳定性均得到了验证。此外，结合深度学习（一维卷积神经网络，1D CNN）和电路，以智能 Janus 织物作为传感模块可以实现材料识别和手势模仿，这将为进一步的智能机器人和人机交互（HMI）提供触觉识别能力。

原文链接：

https://doi.org/10.1016/j.nanoen.2024.110567