一、研究背景

傳統(tǒng)硅基傳感器存在剛性大、應(yīng)變耐受性差、生物相容性不足等缺陷，難以適應(yīng)大變形或曲面貼合場景。單模態(tài)柔性傳感器僅能檢測單一物理參數(shù)，無法滿足復(fù)雜環(huán)境下多維度感知需求。

隨著多模態(tài)傳感技術(shù)的發(fā)展，溫度-壓力、溫度-濕度、多向力耦合等信號串?dāng)_問題日益突出，嚴(yán)重制約了測量精度與可靠性?，F(xiàn)有解耦方法存在非線性誤差大、易受環(huán)境干擾、制備工藝復(fù)雜等局限。為此，研究團(tuán)隊從物理原理出發(fā)，系統(tǒng)總結(jié)了三大核心解耦路徑，推動柔性多模態(tài)傳感進(jìn)入"感知4.0"時代。

二、核心研究成果

1.材料設(shè)計：從源頭實現(xiàn)信號物理隔離

論文提出三類材料級解耦策略（論文第2章）：

-固有屬性解耦：利用材料不同物理機(jī)制產(chǎn)生正交信號，如PEDOT:PSS通過電阻響應(yīng)應(yīng)變、電壓響應(yīng)溫度，實現(xiàn)20℃–100℃和≤200 kPa范圍內(nèi)的無串?dāng)_監(jiān)測；同軸濕紡復(fù)合紗線可同時獨立檢測Na?、K?、Ca2?和pH值，信號漂移<0.2 mV/h。

-復(fù)合材料設(shè)計：通過正負(fù)熱膨脹系數(shù)或電阻溫度系數(shù)材料復(fù)合抵消干擾，如rGO/MnO?/Kevlar/TPU復(fù)合材料實現(xiàn)近零熱膨脹，徹底消除溫度對壓力信號的影響；CNT/Ni復(fù)合薄膜通過正負(fù)TCR抵消，實現(xiàn)壓力檢測的溫度不敏感。

-工程屬性梯度設(shè)計：構(gòu)建熱導(dǎo)率、磁各向異性等空間梯度，單一傳感器可同時檢測壓力、材料類型和氣流，壓力檢測限達(dá)0.5 kPa，溫度響應(yīng)時間8 ms。

2.結(jié)構(gòu)設(shè)計：硬件層面實現(xiàn)信號物理分離

通過幾何結(jié)構(gòu)差異化設(shè)計隔離耦合信號：

-微結(jié)構(gòu)架構(gòu)：籠式3D結(jié)構(gòu)可同時檢測壓力、剪切力、彎曲應(yīng)變和溫度，線性度R2>0.99，響應(yīng)時間<30 ms；微穹頂結(jié)構(gòu)實現(xiàn)15°方向分辨率的法向/切向力解耦。

-平面功能設(shè)計：褶皺結(jié)構(gòu)使應(yīng)變檢測系數(shù)提升至18.5，塞貝克系數(shù)提高514%至122.86 μV/K；剪紙結(jié)構(gòu)將溫度傳感器的應(yīng)變串?dāng)_降低5倍。

-3D堆疊集成：垂直層壓結(jié)構(gòu)實現(xiàn)溫度、濕度、壓力的硬件級解耦，交叉靈敏度<0.6。

3. AI驅(qū)動：算法層面實現(xiàn)復(fù)雜信號解耦

針對材料和結(jié)構(gòu)無法完全消除的殘余串?dāng)_，提出三類AI解耦方案：

-淺層模型：單隱層BPNN實現(xiàn)3D變形坐標(biāo)解耦，預(yù)測精度98.59%，Z軸誤差僅1.41%；HSVM融合雷達(dá)與壓力數(shù)據(jù)，將手勢識別精度從69.0%提升至92.5%。

-深度神經(jīng)網(wǎng)絡(luò)：四層DNN實現(xiàn)溫壓解耦，壓力預(yù)測精度96.23%；雙流深度學(xué)習(xí)框架使壓力和溫度的平均絕對百分比誤差分別降至1.58%和2.37%。

-多算法融合與軟硬件協(xié)同：BPNN與RBFNN混合模型在10%白噪聲下仍保持<10%的力檢測誤差；石墨烯紡織品與CNN協(xié)同實現(xiàn)5類材料識別，精度達(dá)98.5%。

三、圖文導(dǎo)讀

圖1 展示柔性多模態(tài)傳感器三大核心解耦策略的整體框架

圖2 呈現(xiàn)柔性多模態(tài)傳感器在環(huán)境監(jiān)測、健康醫(yī)療、人機(jī)交互和智能機(jī)器人四大領(lǐng)域的典型應(yīng)用場景

圖3 解析基于材料固有屬性的信號解耦機(jī)制

圖6 展示籠式、截錐體、微穹頂三類微結(jié)構(gòu)的力學(xué)解耦原理與性能表征

圖11 詳解DNN、CNN、雙流深度學(xué)習(xí)和LSTM四類深度模型

圖16 呈現(xiàn)多模態(tài)傳感器在智能機(jī)器人抓取、遠(yuǎn)程觸覺反饋和假肢控制中的應(yīng)用

四、總結(jié)

本綜述系統(tǒng)闡明了材料、結(jié)構(gòu)、AI三類解耦策略的核心機(jī)制與技術(shù)邊界，指出材料解耦可實現(xiàn)源頭信號隔離，結(jié)構(gòu)解耦提供硬件級物理分離，AI解耦則能處理復(fù)雜非線性耦合關(guān)系。

研究指出，當(dāng)前柔性多模態(tài)傳感仍面臨材料靈敏度與量程的權(quán)衡、結(jié)構(gòu)集成復(fù)雜度高、AI模型數(shù)據(jù)依賴強(qiáng)等挑戰(zhàn)。未來需重點發(fā)展基于離子弛豫動力學(xué)的自解耦材料、島橋式智能結(jié)構(gòu)以及嵌入式輕量化AI算法，推動多模態(tài)傳感技術(shù)從實驗室走向規(guī)?；I(yè)應(yīng)用，為下一代智能感知系統(tǒng)奠定核心技術(shù)基礎(chǔ)。

論文鏈接：https://doi.org/10.1002/adma.202521375

來源：可穿戴智研