随着智能可穿戴设备的兴起,人们致力于发展具有与人体皮肤相似感知功能的智能纺织品。然而,迄今为止,能够感知外部危险、特异性识别且准确定位人体手指触摸的智能感知纺织品仍有待实现。
	
	 
为了实现这一目标,清华大学化学系张莹莹教授团队制备了具有优异电学和力学性能的蚕丝基离子水凝胶(SIH)纤维,并基于此设计了一种智能感知纺织品,该纺织品能够快速响应外部危险,如火烧、水浸和锐利物划伤,以保护人体/机器人免受伤害;同时,还设计了能够特异性识别、可准确定位人体手指触摸的感知纺织品,使其可以用作柔性的可穿戴人机交互界面,以辅助人们便捷地控制远程终端。通过连续湿法纺丝和溶剂交换制备的SIH纤维,由于其内部的半结晶和高取向结构、离子液体的加入,而具有出色的断裂强度(55 MPa)和延展性(530%),以及稳定且优异的导电性(0.45 S·m–1)。基于此纤维设计的织物在智能可穿戴设备与柔性人机交互界面等领域展现出重要的应用潜力。4月17日,该研究以题为“Intelligent perceptual textiles based on ionic-conductive and strong silk fibers”的论文发表在《Nature Communications》上(Nat Commun 2024,15,3289)。文章第一作者是清华大学陆浩杰博士。该研究得到国家自然科学基金委的支持。
	
	
	 
图 1:SIH 纤维的制备过程、形貌、可编织性与柔性电学应用。
	
作者利用从蚕茧中提取的丝素蛋白制备了纺丝原液,并采用连续湿法纺丝方法制备再生蚕丝纤维。将该纤维通过含有离子液体([Emim]BF4)、甘油和水的溶液中以进行溶剂交换,制备了蚕丝基离子水凝胶(SIH)纤维。该纤维展现出良好的柔性、透明性和可编织性。并且基于良好的导电性,可以用作电致发光器件的柔性透明电极。
	
	
	 
图2:SIH纤维的组成成分和内部结构分析。
	
通过热重分析、能量色散光谱(EDS)与红外光谱证实了[Emim]BF4均匀地分布于SIH纤维中。热重曲线中位于350℃的重量损失归因于[Emim]BF4。EDS图谱中的元素F归属于[Emim]BF4。红外光谱中位于1169 cm–1处的峰可归因于[Emim]+环中C?N?C的不对称振动。与此同时,红外光谱与偏光显微镜图片证明了SIH纤维的半结晶结构与高取向结构。
	
	
	 
图 3:SIH 纤维的力学和电学性能。
	
SIH纤维表现出优异的力学与电学性能。其拉伸强度和断裂伸长率分别达到4 MPa和530%。而进一步的牵伸处理(溶剂交换前)可以将其拉伸强度提高至55 MPa,比之前报道的水凝胶纤维(<10 MPa)高出数倍。其离子电导率可达0.45 S·m–1,并且在放置3周后或在各种机械刺激(按压、弯曲、拉伸)下能够保持稳定。
	
	
	 
图 4:SIH纤维对火、水和锐利物的电学响应及其机理,展示了在识别危险方面的潜在应用。
	
作者探索了SIH纤维在危险感知智能纺织品中的潜在应用。通过将SIH纤维集成到商业手套中,设计了一种用于仿生机械手的智能防护手套。当暴露在危险条件(火、水和锐利物)下时,智能手套会产生特征的电学信号,以准确地识别这些危险。
	
	
	 
图 5:SIH 纤维基感知纺织品用于高精度人机交互。
	
进一步地,作者使用SIH纤维设计了可以特异性识别、准确定位人手触摸的纤维与织物。首先制备了SIH纤维基织物:将单根SIH纤维集成到商业织物上,或将其编织成平纹织物。通过电路系统设计,可以特异性识别和准确定位人手触摸的位点或区域,这使其不同于对任何物体接触/按压都产生响应的压阻型或电容型传感织物。当人们穿戴由SIH纤维制成的织物时,可以通过对其进行触摸以控制远程终端。
	
	
原文链接:https://www.nature.com/articles/s41467-024-47665-y
- 西南交大杨维清教授/邓维礼副教授 Adv. Mater. 综述:离子水凝胶传感器 - 迈向下一代个性化健康监测 2025-10-31
- 华南农大胡传双教授、林秀仪副教授、徐江涛副教授 Adv. Sci.:双网络离子水凝胶实现可穿戴电子器件电磁屏蔽与自供电传感一体化 2025-07-03
- 深圳大学田雷课题组 Macromolecules:超拉伸、抗裂纹扩展和抗冲击的离子导电离子水凝胶 2025-04-15
- 东华大学廖耀祖/孟楠团队 AFM:面向可穿戴的结构化功能分区核–鞘纱线 - 协同兼顾电磁隐身与环境感知 2025-10-12
- 湖南大学刘松教授团队 AFM:MXene-热致变色混合薄膜实现无干扰压力-温度双模传感 - 引领可穿戴医疗新潮流 2025-10-03
- 长春应化所张强、卢宇源 AFM:光驱动形状记忆超级电容器 - 可穿戴储能的安全与耐久新方案 2025-09-29
- 西工大陶凯教授 AFM:赋能人机交互界面 - 面向柔性智能系统的自供能水凝胶传感器 2025-08-17

