用于人体运动预测和健康监测的3D打印保形应变和湿度传感器

第一作者：Yanbei Hou
通讯作者：Kun Zhou
通讯单位：南洋理工大学


在过去的十年里，可穿戴传感器在电子皮肤、智能人机交互、软机器人和能量采集等不同领域获得了广泛关注。人们对开发用于定期和连续监测人体运动和健康状况的可穿戴传感器越来越感兴趣。近年来，随着信息技术的进步，基于分布式传感器的数据驱动医疗监控可以提供实时的安全相关信息。监测这些信息对于在个人健康指标异常时及时就医以及避免错过最佳治疗时间至关重要。传统的制造方法主要是涂覆、铸造、真空沉积和聚合，然后对传感器进行定制和组装，以适应人类的运动。受制造技术的限制，传统传感器结构简单，制造工艺复杂，与人体的一致性较差。开发了可持续独立运行的自供电可穿戴传感器，可通过机械、热能、太阳能、生物化学或射频（RF）能量采集驱动。为了增强保形性和功能集成，正在研究保形制造技术，如转移打印和直接打印，用于在3D自由曲面上制造和集成可变形传感器。探索可扩展制造方法的进一步可能性是非常有兴趣的，这些方法能够快速生产具有多功能的传感器，并直接制造具有集成传感器的设备。

孔雀羽毛、蝴蝶翅膀和天然外壳的特殊多层结构赋予了它们卓越的光学和机械性能。根据自然界中发现的例子，很明显，使用多层结构复合材料可以获得特殊的性能。例如，为天然贝壳设计的仿生复合材料可以获得显著的刚度和韧性。可以通过适当的材料选择来设计具有响应性和功能性的多层聚合物复合材料。人们越来越认识到，组装方法对多层聚合物复合材料的物理化学性能有很大影响。然而，制备多层结构的方法是复杂的，例如旋涂、喷涂和沉积。这些方法都不能直接制备具有复杂结构的多层产品。因此，应该采用一种新的制备方法来制备这种性能优异的多层结构。

具有可控几何形状和设计的定制功能结构的3D打印可以通过提供必要的一致性来解决传统制造方法的局限性。由于生产速度的限制，使用3D打印技术高效生产可穿戴设备的挑战仍然存在。粉末床融合（PBF）是ISO/ASTM52900-21定义的3D打印技术的一个重要类别。它涉及粉末材料的逐层选择性融合，通过能源形成3D物体。多射流融合（MJF）是一种新的PBF技术，它利用多个射流将粉末状聚合物材料选择性地融合成具有无支撑结构的高分辨率零件，与其他现成的3D打印技术相比，提供了一种更快速的制造方法。在MJF中，在粉末层被红外线灯照射之前，根据计算机辅助设计模型，在每个粉末层上选择性地沉积两种类型的印刷油墨（即，熔融剂（FA）和细化剂），以形成所需的图案。黑色FA吸收来自红外光的热能，并使选择性区域中的粉末颗粒能够融合在一起。无色细化剂沉积在熔融区域的边界，以降低周围粉末颗粒的温度，从而确保印刷零件的复杂细节。MJF允许选择性沉积多种墨水来打印多功能集成传感器，正如我们早期的工作所证明的那样，我们在早期的工作中确定了自制功能墨水可以显著提高打印部件的导电性和机械性能。然而，逐层加工技术的优点尚未得到彻底的研究。

导电材料，如石墨烯纳米板（GNP）、碳纳米管（CNT）和一些金属，通常与柔性基板相结合来制造传感器。[16] GNP与CNTs的组装可以产生具有不同于单个组件的新结构特征和性能的杂化材料，这可以带来更好的功能性能。将GNP和CNT结合设计层压复合材料已被广泛研究用于超级电容器、透明导体和锂离子电池。由于CNT可以桥接电子转移缺陷并有效防止GNP的不可逆聚集，这些材料的性能得到了极大的提高。此外，杂化物具有不同寻常的插层性能、高储存性和化学稳定性。因此，GNP–CNTs杂化物有望提高GNP或CNTs作为独立电极材料的潜力。

本文亮点

1. 本工作合成了一种用于多射流融合（MJF）印刷的导电石墨烯纳米板碳纳米管（GC）油墨。MJF的逐层制造工艺不仅提高了印刷GC传感器的机械和阻燃性能，而且增强了其稳健性和灵敏度。

2. 利用GC传感器收集的阻力变化数据来训练支持向量机，其预测人体运动的准确率为95.83%。

3. 由于其稳定的湿度敏感性，该传感器在监测人类呼吸和预测呼吸模式（正常、快速和深呼吸）方面也表现出优异的性能，从而扩大了其在医疗保健中的潜在应用。

图文解析

图1. GC传感器的制造和应用。a） MJF试验台设置示意图；b） 印刷过程中的选择性喷墨和GC油墨的示意图；c） GC传感器的部件说明；d） GC传感器的应用场景；e） GC油墨的流变行为；f） MJF一次打印的定义；g） 印刷蝴蝶图案的数字图像和红外图像的不同通过。

图2. GC/TPU复合材料的表征。a） 3道次/TPU样品断裂表面的光学显微镜图像；b–d）具有不同放大倍数的3遍/TPU样品的SEM图像；e） 印刷GC/TPU复合材料的珍珠层结构示意图；f） 应力-应变曲线和g）从TPU和GC/TPU复合材料的拉伸测试中收集的数据；h） 具有不同变形的GC/TPU样品的数字图像；i） TPU和GC/TPU复合材料的TGA和j）HRR曲线；k） 印刷GC/TPU复合材料的燃烧行为。

图3. 所制造的GC传感器的机电特性和人体运动监测测试。a） GC传感器在不同变形下的检测信号；b） 归一化应变阻力的变化；c） GC传感器拉伸棒在5%伸长率下1000次拉伸-释放循环的循环测试结果；GC传感器监测d）向外弯曲和e）向内弯曲的响应信号；f） 导电层在外力作用下的变化示意图。g） 印刷GC传感器的设计与应用；在h）手指和i）肘部弯曲时收集的GC传感器的输出信号；j） 基于佩戴在手腕上的两个GC传感器的紧急信号识别。

图4. ML的工作机制及其潜在应用。a） 用于运动预测的多类SVM分类器的示意图；b） 所制造的GC传感器的潜在应用场景；c） 收集的不同运动的数据；SVM结果与d）线性和e）多项式核函数的混淆图，i）行走，ii）跑步，iii）坐下，iv）跳跃，v）爬楼梯，以及vi）蹲下。

图5. GC传感器的湿度敏感性和潜在应用。a） 一种具有传感器功能的滤波器及其应用场景；c） GC传感器从室内环境到高湿度环境再回到室内环境的电阻变化；d） GC湿度传感器的循环测试；e） 正常呼吸、快速呼吸和深呼吸的呼吸测试结果；f） 从不同呼吸模式获得的输出数据；SVM结果与g）线性h）和多项式核函数的混淆图；i） 附在掩模上的GC传感器检测到的信号以及测试期间连接的灯的亮度变化；j） GC传感器的水分附着和部门示意图。