当前位置 : X-MOL首页行业资讯 › Nano Res.│王中林院士、董凯副研究员团队:柔性针织结构摩擦纳米发电机用于自驱动坐姿行为监测与矫正

Nano Res.│王中林院士、董凯副研究员团队:柔性针织结构摩擦纳米发电机用于自驱动坐姿行为监测与矫正

本篇文章版权为王中林、董凯团队所有,未经授权禁止转载。

背景介绍


随着现代生活节奏的加快,工作或学习的巨大压力导致人们采取久坐不动的生活方式。长时间保持不良姿势会导致身体和心理问题,例如脊柱疾病、肥胖、肌肉疾病和近视。对此,一些常用技术基于视觉的方法来进行坐姿监测,例如使用摄像头识别个人的坐姿以降低背痛的风险。然而,基于视觉的识别方法具有特定的光照和位置要求,并且如果使用者超出相机摄像的范围,则无法连续记录姿势。但是,如果不控制房间的照明会影响图像质量,进而降低精度。因此,为了能持续地监测并同时具有提醒用户保持正确坐姿的干预功能,传感器的便携性、可佩戴性逐渐变得尤为重要。为解决上述问题,具备传感器小型化和集成化特点的可穿戴电子设备正逐渐被应用于人体姿势识别和健康监测,特别是基于纺织品的可穿戴传感器由于可编织到衣物中且可实时监测运动和生理信号,最近尤为受到关注。为了确保稳定性,大多此类传感器都使用刚性基板,例如印刷电路板等,这对用户来的使用体验很不友好。尽管一些研究尝试用软质基板代替刚性电子元件以提高柔韧性,但软质和刚性材料之间的连接在拉伸和弯曲下,又会产生坏点和非线性等问题。并且,此类传感器使用外部电源驱动,增加了能耗。为克服上述问题,持续进行健康干预,研究人员不断寻求新的材料和技术,以获得良好的兼容性、可穿戴性以及和谐的人机交互性能。

摩擦纳米发电机已被视为自供电传感器,在低频下表现出高电输出、灵敏度高和微尺度运动监测性能好的特点,可以捕捉人体微弱的生理信号。此外,扭曲或弯曲会导致不同材料之间的接触分离,这些接触分离可以基于摩擦起电和静电感应的耦合效应转换为电信号,将此种柔性应力传感器集成到衣物中后,可通过生成相应的电信号来识别人类动作。为了更好地识别坐姿,应在人体姿势和电信号之间建立相关模型。机器学习的快速发展为解决这个问题提供了多种可能,例如基于使用大样本的迭代学习和训练,即使物理信号模糊,也可以建立精确的数学映射函数,使训练好的模型能够有效地识别动作并进行准确的姿势预判。


成果简介


本章提出了一种基于柔性摩擦纳米发电机和机器学习的自供电坐姿监测背心,可以准确识别和监控个人的坐姿位置。坐姿监测背心具有0.16 mV·Pa−1的高灵敏度、优异的机械拉伸性、良好的透气性以及有利于可穿戴设备的舒适性。此外,它还能针对用户的不同姿势和动作产生准确的电信号响应。通过将传感器定位在衣服的不同部位,收集更多信息并识别精确的坐姿,从而实现无创健康监测和干预。结合机器学习算法,坐姿监测背心可实时监控各种坐姿。使用随机森林分类器,其坐姿识别准确率达到96.6%,高于逻辑回归(95.5%)和决策树(94.3%)分类器。因此,坐姿监测背心可为长期无创健康监测提供了可靠的解决方案,从而扩大了基于摩擦电的可穿戴电子设备的应用。


图文导读


image.png

图1 SPMV的结构。(a) 示意图显示使用者佩戴SPMV时的场景。(b)双罗纹针织纤维结构。(c) 纤维在拉伸、扭曲、滚动和弯曲时的照片。(d) SPMV传感器在人体的不同位置。

image.png
图2 SPMV的工作原理。(a) 对纤维施加压力的示意图。(b) 不同条件下转移电荷的示意图。(c)和(d)不同条件下SPMV电荷分布的模拟。(e) TENG在1-5Hz频率范围内的开路电压(Voc)、电荷转移(Qsc)和短路电流(Isc)。(f) 不同压力下SPMV的电学输出。

image.png
图3 SPMV的电学性能。(a)不同拉伸应变下SPMV的输出性能。(b) 不同曲率角下的SPMV的输出性能。(c) 不同清洗时间下SPMW的输出性能。(d) 不同压力下SPMW的输出性能。(e) 70 kPa下接触分离单个周期的放大图像。(f) SPMV在12000次加载周期下的输出电流。(g) 加载周期的放大图像。(h) SPMW在8000次弯曲周期下的电压输出。(i) 不同纤维下的输出电压,以及(j) 同一织物区域内不同数量的环形单元下的输出性能。(k) SPMV和棉布的透气性。

image.png
图4 人类坐姿的信号反应分析。(a) 人类脊柱模型的示意图。(b) 使用SPMV驼背姿态。(c) 驼背的分解动作。(d) 带有传感器阵列的驼背的不同人体部位的八个电压信号。对应信号的放大图片。(e) 腰椎末端,(f) 左侧腰部,(g) 右侧肩翼,(h) 胸椎末端,(i) 右侧腰部,(j) 腰椎前端,(k) 左侧肩翼,和(l) 颈椎。

image.png
图5 坐姿的实时监测。(a) 实时坐姿监测过程的流程图。(b) 虚拟人物在不同坐姿下对用户坐姿变化的响应图。(c) 用户和虚拟人物的正确坐姿。(d) 机器学习结果的混淆图,数字1-6代表六种姿势,包括:向右、向左、驼背、向后、正坐和伸展等姿势。


作者简介


image.png

董凯,中科院北京纳米能源与系统研究所副研究员,硕士生导师。主要研究领域:自主式供电和自驱动传感智能纤维材料的设计和开发、纤维基可穿戴能量采集和自充电器件的设计、多功能自驱动传感纤维及织物的开发与应用。近年来在Nat. Commun., Sci. Adv., Energy Environ. Sci., Adv. Mater., Adv. Energy Mater., ACS Energy Lett., ACS Nano, Adv. Funct. Mater., Nano-Micro Lett.等期刊上发表论文50余篇,其中第一作者/通讯作者30余篇。主持国家自然科学基金、北京市自然科学基金、中科院优秀青年教师提升等项目。


image.png

王中林,国际顶尖纳米科学家、物理学家、材料学家、能源技术专家,中国科学院外籍院士,欧洲科学院院士,加拿大工程院国际院士,佐治亚理工学院终身董事教授,中国科学院北京纳米能源与纳米系统研究所创始所长兼首席科学家,中国科学院大学纳米科学与技术学院院长。他开创了从基本原理到技术应用的纳米发电机。他开创了用于第三代半导体的压电电子学和压电光电子学领域。他对自供电纳米系统的研究激发了全世界学术界和工业界研究微纳系统能源的关注与投入,微纳系统现在是能源研究和未来传感器网络的一个独特学科。


文章信息


K. Dong, Y. Jiang, J. An, et al. Knitted self-powered sensing textiles for machine learning-assisted sitting posture monitoring and correction. Nano Research. https://doi.org/10.1007/s12274-022-4409-0.

image.png

识别二维码或点击左下角“阅读原文”可访问全文


QQ截图20220430103511.png

如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOLx-mol.com ), 未经许可,谢绝转载!

阿拉丁
遥感数据采集
数字地球
开学添书香,满额有好礼
加速出版服务
编辑润色服务全线九折优惠
传播分子、细胞和发育生物学领域的重大发现
环境管理资源效率浪费最小化
先进材料生物材料
聚焦分子细胞和生物体生物学
“转化老年科学”.正在征稿
化学工程
wiley你是哪种学术人格
细胞生物学
100+材料学期刊
人工智能新刊
图书出版流程
征集眼内治疗给药新技术
英语语言编辑服务
快速找到合适的投稿机会
动态系统的数学与计算机建模
热点论文一站获取
定位全球科研英才
中国图象图形学学会合作刊
东北石油大学合作期刊
动物源性食品遗传学与育种
专业英语编辑服务
中科大
华盛顿
上海交大
德国
美国
中山大学
西湖大学
药物所
普渡大学
东方理工
ACS材料视界
down
wechat
bug