天津工业大学纺织科学与工程学院林童教授团队受蝎子足部“狭缝感受器”超敏振动感知机制启发，在国际上首次提出基于仿生弯曲狭缝结构的纳米纤维多模态声电转换器件创新设计。该工作通过仿生构建梯度曲率狭缝电极与高度取向PAN-PVDF纳米纤维膜的跨尺度耦合系统（图1），突破性地实现了三种能量转换机制的协同增效：（1）狭缝振动诱导的纤维周期性错位拉伸触发压电偶极重构；（2）内源性摩擦电自增强效应；（3）取向纤维的声-机-电多物理场匹配，显著提升了器件的宽带响应与电输出（图2和图3）。该声电器件支持多模态声能发电，在语音记录中表现出高保真录音能力（信噪比达66.8?dB），结合卷积神经网络（CNN）实现了96%的语音识别准确率（图4）。此项研究攻克了纳米纤维声电器件频带窄、输出弱的技术瓶颈，为可穿戴声学传感器、无源物联网前端及智能人机交互系统提供了变革性的解决方案。

  该工作以“Curvilinear Slit Electrodes and Orientated PAN–PVDF Nanofibers: Synergistic Broadband and Acoustoelectric Enhancement for Multi-Mode Power Generation, Speech Recognition, and Voice Recording”为题发表在《Advanced Functional Materials》上。纺织科学与工程学院的博士生马向达和博士生姜鹏为该文章的共同第一作者，王红霞教授和林童教授为文章的通讯作者，天津工业大学为唯一通讯单位。该研究得到国家自然科学基金委的支持。

图1. 弯曲狭缝-取向纳米纤维仿生声电器件的制备和材料表征。

  作者通过静电纺丝技术制备了高取向性PAN-PVDF纳米纤维（直径660–683 nm之间），与弯曲狭缝结构的电极组装成了声电器件。TEM+EDS揭示了两个聚合物材料在纤维内部和纤维表面的的非均匀分布，PAN富集于纤维内部成为相互孤立的“岛”相，而PVDF则成为近似连续的“海”相，两个组分均暴露于纤维的表面，呈现相分离的状态。XRD与FTIR测试表明，PVDF的β相含量达84%，而PAN锯齿构型含量达76%。

图2. PAN-PVDF声电器件的电输出性能分析。

  该PAN-PVDF声电器件采用了曲线狭缝结构设计，其中取向的纳米纤维两端固定，而狭缝内部纤维悬空暴露于空气中。这些纳米纤维的振动频率由其相对于电极的夹角决定，而固有频率与狭缝内部纤维长度成反比，夹角α为90°和0°时，纤维的暴露长度均短于α = 45°时的情形，从而表现出更高的固有频率。通过实际测试证实，当夹角为90°时，器件响应性能最佳，从而实现通过几何参数对动态响应的优化。

  实验测试发现，PAN-PVDF器件在100–1300 Hz的宽频声谱范围内表现出稳定的响应。在115 dB，360 Hz的声源激励下，器件（工作面积12cm²）的开路电压达到87.85 V，短路电流为15.64 μA，功率密度高达384 mW/m²，输出性能是单组份PAN和PVDF纳米纤维器件的4–5倍，其综合性能优于之前报道的所有纳米纤维声电器件。

图3. PAN-PVDF声电器件的电输出增强机制。

  有限元模拟结果表明，在声波的作用下，狭缝两侧的电极区域形成了四个明显的非对称振幅峰谷，狭缝区域的振动频率（F_r）和平均应力（σ）均随着狭缝周期与振幅的增加而成比例上升。当狭缝尺寸增大时，会产生更强的振动不规则性与非对称性，从而增加振动位移。然而，当振幅超过5 mm后，F_r与σ的增长趋势趋于平缓并最终趋于饱和。弯曲狭缝结构可诱导非对称振动行为，从而增加纳米纤维所受的机械应力，提升压电转换效率。这种特殊的电极结构与PAN-PVDF复合材料的机电协同效应，增强了器件的工作带宽与电输出能力。PAN与PVDF的优异压电特性与相分离引起的纳米纤维界面间的内源性摩擦电效应，进一步增加了器件的声电输出。PAN-PVDF声电器件凭借100–1300 Hz的宽频响应特性，精准覆盖人声核心频段（80–1200 Hz）与环境声的特征谱段，成为智能声学感知系统的底层硬件平台。

图4. PAN-PVDF声电器件在自供电、语音记录以及语音识别中的应用展示。

  作者将PAN-PVDF声电器件用于发电、声音记录和语音识别。通过桥式整流电路将器件产生的交流电能转换为直流电能，在115 dB、360 Hz声激励下，工作面积为3×4 cm2的器件可输出高达87.85 V的整流直流脉冲，具有足够的能量密度，可直接驱动低功耗电子设备（包括电子温度计、计算器和电子手表），同时实现对储能电容的充电。使用PAN-PVDF器件记录的音频信号与商用麦克风录制的声音波形和形态非常相似。PAN-PVDF器件的SNR计算结果为66.8 dB，表明其具备高质量的声信号记录能力，背景噪声低，尤其适用于微弱信号被环境噪声淹没的场景。为评估PAN-PVDF声电器件在语音识别中的能力，作者构建了一个基于机器学习（ML）的分类平台，器件采集的语音信号通过卷积神经网络（CNN）架构进行处理，实现了96%的识别准确率，验证了其在真实语音命令系统中的有效性。

  高保真声信号捕获与快速响应显著提升人机交互精准度、环境感知实时性与动态声场解析力，在高精度语音识别、工业设备异音诊断、无障碍交互等场景具有广泛的应用空间，有望为工业物联网、智能终端及数字医疗提供普适性声学解决方案。

  通过仿生蝎子的“狭缝感受器”，结合高压电性能的纳米纤维材料，该研究在声电转换发效率与响应带宽方面同时到达优异的效果。出色的声电性能使PAN-PVDF弯曲狭缝声电器件有望在下一代人机交互、物联网与智能声学传感领域中发挥关键作用，为纳米纤维声学传感器的发展提供了新的设计思路。

  地址链接：https://doi.org/10.1002/adfm.202509283