触觉作为人类最基础的感官之一，始终维系着人体与环境间高频度的信息交互。触觉传感技术通过采集压力、纹理、温度等多维物理信号，为机械系统赋予了类生物感知能力。摩擦纳米发电机（TENG）在触觉传感领域具有巨大潜力。这类传感器能够借助柔性材料，直接将触觉信息转换为电信号，无需外部供电，从而在材料感知方面具有独特的优势。

  近日，来自华南理工大学江赛华教授团队的研究者们开发了一种可穿戴柔性触觉TENG（FT-TENG）。该器件采用自制的PDMS-EGaIn墨水作为导电电极，可在PDMS基底上直接书写图案化柔性导电电路。设计多层柔性薄膜传感结构，并配置于机械手指尖，实现了器件的全柔性化。结合一维卷积神经网络算法（1D-CNN），该器件能以99.53%的准确率精准识别多种材料，在表面粗糙度检测中准确率可达85.26%。这些成果彰显了FT-TENG作为机器人触觉传感器在材料感知领域的应用潜力。该工作以“Wearable Flexible Tactile Triboelectric Sensor Constructed with 3D Printing for Material Perception”为题发表在《Chemical Engineering Journal》杂志上，共同第一作者为华南理工大学机械与汽车工程学院的硕士研究生宋滔、孔淇、博士研究生李顺，其他作者包括戴康、Nour F. Attia、王和堂，文章通讯作者为华南理工大学江赛华教授。

图1 FT-TENG 的制备与操作流程

  图1(a)展示了配置于新一代机械手指尖表面的FT-TENG装置示意图。每个手指覆盖着具有不同电负性的摩擦材料层。右侧详细呈现了单个 FT-TENG 指尖的三层结构：最底层作为柔性硅胶基底直接接触机械手指；中间层通过3D打印涂覆导电PDMS-EGaIn墨水（PE油墨），作为摩擦发电过程的电极；最上层分设不同摩擦电材料，以直接在电极表面形成差异化电负性分布。图1(b)展示了FT-TENG制备流程。图1(c)呈现了本研究所用全部材料的摩擦电序，两种材料间摩擦可产生显著电压脉冲特征，有助于FT-TENG应用中的材料识别。图1(d)展示了FT-TENG的两大应用方向：通过摩擦电序和机器学习算法两种方式识别材料种类和基于机器学习的材料表面粗糙度识别。

图2 PE油墨的表征

  图2(a-d)展示了不同配比（20,30,40,50vol% EGaIn）的PE墨水固化后的SEM图像。随着PE墨水中EGaIn合金含量的增加，其在 PDMS中的分散更为致密，从而改善了分散性。这表明可以更有效地进行活化处理，确保EGaIn层的导电性。含量50 vol% EGaIn的PE-4电极（固化后的PE墨水）活化前后的微观形貌如图2(e-h) 所示，可见活化前EGaIn以较大颗粒体积分散在PDMS中，活化后EGaIn颗粒发生破碎并呈现更密集的分散状态，这使得PE油墨具有更高导电性。PE-1、PE-2、PE-3和PE-4的截面SEM（图2i-l）显示出，随着EGaIn合金含量的增加，PE油墨表面粗糙度上升，层间越发复杂。PE-4油墨具有剪切稀化特性，满足DIW-3D 打印的要求（图2m-n）。图2o了展示PE油墨的断裂伸长率均超过正常皮肤应变范围（50%），说明其具备良好的皮肤共形能力。图2（p）表明1至2次100%拉伸足以使固化后的PE油墨激活为有效导体。为阐明PE导体作为摩擦层与电极的输出性能，将商用 RTV 硅胶与 PE 导体结合制成简易摩擦电传感器，结果见图2(q)和图2(r)：在频率恒定的拍打下，输出电压随接触力增大而升高；而当接触力固定,拍打频率变化时，器件输出电压幅值保持不变。

图3 用于材料识别的可穿戴柔性触觉TENG传感器的设计、制备与测试

  基于PTFE、芳纶、PET、PA66四种摩擦层材料构建的FT-TENG，贴合手掌且具备触觉感知与材料识别功能（图3a-b）。选取硅胶、PI、PVC、铝、PU作为待测材料。图3(c)展示了当不同摩擦电序的待测材料接触PTFE摩擦层的电压信号特征，电负性强于PTFE的材料产生先负后正（如硅胶），弱于PTFE的材料先正后负（如PI、PVC、铝和PU）的脉冲信号特征。同理，通过不同材料在FT-TENG上产生的摩擦信号确定其在摩擦电序中的相对位置，从而实现区分待测材料种类的功能（图3d-f）。此外，FT-TENG在高温、低温、潮湿等极端环境下，仍能保持良好性能（图3l-q），并通过200次拉伸循环测试验证了其机械稳定性（图3r-s）。

图4 基于FT-TENG的材料类型与粗糙度识别

  使用FT-TENG食指部位摩擦层以不同频率对4种不同粗糙度的45号碳结构钢样本和6种不同粗糙度的ABS塑料材料进行摩擦，产生的摩擦电信号分别如图4(c-e)和图4(f-g)所示，表明其可实现材料表面纹理感知，且在响应速度和识别受限空间材料方面具有发展潜力。为提升FT-TENG智能化程度，开发了基于一维卷积神经网络（1D-CNN）的识别模型。经过数据处理和训练测试（训练集与测试集按8:2比例划分），粗糙度识别最高准确率达85.26%，材料识别准确率达99.53%（图4i-k），证明了FT-TENG作为智能触觉传感器的卓越效能。

  总结：该工作展示了基于3D打印技术构建的可穿戴柔性触觉摩擦电传感器的潜在应用，为机器人触觉传感在材料感知领域的发展提供了一种新的思路。该工作得到广东省重点领域研发计划、中央高校基本科研业务费、天津市消防安全技术重点实验室开放基金、国家自然科学基金以及广东省自然科学基金的支持。

江赛华教授简介：

  江赛华，华南理工大学机械与汽车工程学院教授，2014年博士毕业于中国科学技术大学火灾科学国家重点实验室，同年获得香港城市大学联合培养博士学位，曾在2017-2020年间于宾夕法尼亚大学从事博士后研究工作。研究方向主要为智能安全传感、新能源与材料安全技术及理论研究。主持国家自然科学基金、科技部重点研发计划专题、科技部外国专家项目、广东省自然科学基金、中国博士后基金、公安部重点实验室项目、广州市科技项目等30余项科研项目，参与多项国家重点研发计划及973计划项目。在Advanced Functional Materials, Nano Energy, Chemical Engineering Journal, Journal of hazardous materials、Journal of Materials Chemistry A 等国际期刊共发表 SCI 收录论文130余篇，授权发明专利18项，登记软著1项，省部级科技成果登记1件。研究论文得到同行的积极评价（引用数累计超过5000次，h-index 为41）。研究成果获中国安全生产协会科学技术进步奖一等奖、中国特种设备检验协会科学技术奖二等奖等奖励多项。

  原文链接：https://www.sciencedirect.com/science/article/abs/pii/S138589472504759X