国仪电镜助力！大连理工团队研发超灵敏、高稳定应变传感器​

导电弹性体因其的柔性和稳定性，广泛应用于人机交互和健康监测等领域。为了获得良好的伸缩性和导电性，通常在柔性聚合物基体中掺杂导电填料（如碳材料、导电聚合物）。近年来，许多研究致力于提高应变传感器的灵敏度和测量范围，并取得了显著成果。然而，高速连续动态应变往往会引起噪声干扰和基线漂移，从而影响传感器的准确性。目前，如何分析并解决基于弹性体的应变传感器的基线漂移仍然是一个重要的技术挑战。 一方面，弹性体的固有粘弹性阻碍了拉伸后的快速应力释放，导致基线漂移增加。多相复合材料已被用于减少能量耗散并改善传感器性能。研究表明，不同材料的协同作用可有效降低弹性体中的滞后现象，但充分消除仍然挑战性。值得注意的是，即使是轻微的滞后应力也可能引起显著的信号漂移。此外，拉伸松弛的速度影响弹性体内残余应力的分布，在高速应变情况下，滞后效应更加明显。 针对上述问题，大连理工大学潘路军教授团队借助国仪量子扫描电镜进行了深入研究，提出双相导电网络与稳定电极界面的协同结构来构筑应变传感器。传感器表面烧结而成的银金属岛在传感器释放过程中主导电阻变化，从而降低接线漂移。经模拟优化后的榫卯互锁结构与PET刚性岛协同增强了电极界面的稳定性，进一步降低基线飘移与传感器噪声。得益于协同结构的优化设计，即使在连续高速（800 mm/min）大应变下，拉伸释放后的电阻值仍可无延迟地恢复99.999%。 此外，传感器还具有灵敏度（GF=55442）、超低检测限（<0.02%）、快速响应/恢复（52/60 ms）及长期稳定性（>5000次循环）。基于该传感器的单通道手势识别系统可达到98.2%的识别准确率，展现出在智能交互、健康监测等领域的应用潜力。该研究以题为“Synergistic Structural Construction of Strain Sensors with Low Baseline Drift and High Sensitivity for Continuous Dynamic Monitoring"的论文发表在《Nano Letters》上。 基于导电弹性体应变传感器现存问题及 低漂移传感器的结构设计 双相分级网络和电极区域的优化设计 研究团队通过引入MTJ&PET结构，有效降低了电极偏移带来的噪声，实现了更稳定的界面接触。对比测试表明，采用传统银胶电极的传感器在1 s内电阻变化为0.174，而MTJ&PET结构传感器仅为0.006，界面稳定性显著提高。在动态拉伸过程中，银胶界面易破裂，产生严重噪声，而MTJ&PET界面即使在80%应变下也保持稳定。进一步通过动态应变测试评估了不同结构对基线漂移（PBD）的影响。结果显示，Ag/CNT-PDMS双相分层网络可显著降低PBD，其中Ag/CNT-PDMS20表现较佳，平均PBD仅为1.91×10⁻²%，远低于单一CNT-PDMS结构。Ag岛的二维/三维形貌变化影响了电阻响应与漂移行为，粗糙表面形成的3D Ag岛有助于降低基线漂移。通过有限元分析优化了MTJ&PET的尺寸参数，最终确定较佳设计为L1=0.7 cm、L2=1 cm、L3=0.4 cm。实验进一步验证，优化结构下电极界面应变仅为0.42%，有效提升了应变环境下的信号稳定性。整体结果表明，MTJ&PET结合Ag/CNT-PDMS双相网络的设计，大幅提升了柔性传感器在大应变条件下的稳定性和可靠性。 烧结后的金属银纳米颗粒的SEM图像。 高速连续动态应变下的低基线漂移特性 为了验证优化的电极区域稳定性，研究团队制造了四种不同电极结构的应变传感器，并进行了连续拉伸和释放测试。结果表明，W/O PET&MTJ 和 W MTJ 电极区域在80%和60%应变下出现明显变形，与仿真预测一致。缺乏PET支撑的W MTJ传感器在60%应变时发生断裂，而W PET和W PET&MTJ结构则在80%应变下保持完整，说明PET有效提升了局部弹性模量。在基线漂移测试中，W PET&MTJ传感器表现出较小的漂移，其释放后阻值变化仅为0.072，且在1.25秒内快速恢复，恢复率高达99.999%。进一步在不同拉伸速度（50–800 mm/min）下的测试中，传感器依然保持了极低的基线漂移。得益于Ag islands的补偿作用，传感器能够准确监测快速大幅度动态应变变化（图3h,i）。 低漂移应变传感器的感应机制和基本性能 受双相导电网络的影响，研究团队开发的应变传感器在拉伸过程中经历了三个阶段的电阻变化。初期，连续的Ag薄膜主导导电，随后Ag岛与CNT-PDMS20并联，最终随着拉伸加剧，CNT-PDMS20成为电阻主导。传感器在0–5%、5–12%和12–80%应变区间的灵敏度（GF）分别达到7200、55442和10986，满足大多数应用需求。不同批次制备的传感器在各阶段均展现出良好的灵敏度一致性，且在静态测试中呈现优异的线性欧姆特性。即使在0.02%的微小应变下，传感器也能保持高信噪比和稳定响应。快速拉伸测试显示其响应和恢复时间仅为52 ms和60 ms，支持实时动态监测。在不同拉伸速度下（20%应变），传感器保持稳定的电阻响应，并在5000次循环测试中仅出现1.17%的微小偏移，显示出优异的耐久性。与已有PDMS基应变传感器相比，该传感器在灵敏度和感应范围方面展现出显著优势，展现了其在动态应变应用中的巨大潜力。 基于单通道低漂移传感器的手势识别应用 为了实现准确的人机交互，研究团队基于提出的高灵敏度、低基线漂移应变传感器开发了单通道手势识别系统。传感器固定在手背，通过监测肌腱变化捕捉手势动作。手势识别系统包括运动提取、信号转换与卷积神经网络（CNN）预测。不同手势过程中，阻值时间序列信号表现出显著差异，并通过连续小波变换进一步增强。经60个训练epoch后，CNN训练精度达到峰值，主成分分析（PCA）结果表明手势特征具有清晰分布，最终五类手势的识别准确率达到98.2%。对比实验中，缺乏结构优化的传感器信号噪声较大，经移动平均滤波后准确率仍仅为51.3%，PCA显示特征重叠明显，CNN分类失败。相比之下，本研究提出的低漂移传感器结合手势识别算法，在动作意图识别中展现出优异性能，为人机交互应用提供了可靠支持。 总结 这项工作提出了一种具有双相分层网络和稳定电极界面的协同结构，以解决连续动态应变下基于导电弹性体基应变传感器的基线漂移和噪声干扰问题。该传感器具有高 GF（高达 55442）、低检出限 （<0.02%）、出色的稳定性（>5000 次循环）和快速响应/恢复时间 （52/60 ms）。通过机器学习，它可以实现 98.2% 的手势识别准确率。这种高灵敏度、低漂移的应变传感器在各种应用中具有巨大的潜力。