社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
科研人必学 | Python数据可视化教程,轻松get酷炫配图!(附案例代码)
商建刚:AIGC获得独创性的途径:汇编权 ——评“幻之翼透明艺术椅”著作权侵权案
2025必看AI干货!《大模型/AIGC/GPT-4/Transformer/DL/KG/NLP/C...
51个Python中的常用代码片段
Python 编程 10 个经典操作
scalene,一个超酷的 Python 库!
DeepWiki : github 源码阅读工具
Devin开发团队开源DeepWiki,助你快速读懂所有GitHub代码库
行业报告丨2025年中国AIGC应用全景图谱报告(附下载)
o3精准破译照片位置,只靠几行Python代码?人类在AI面前已裸奔
关注
Py学习
»
机器学习算法
中科院半导体研究所沈国震/济南大学李阳《Matter》:电子皮肤新进展——高精度、实时、智能感知、机器学习驱动
高分子科学前沿
• 3 年前 • 655 次点击
电子皮肤(e-skin)是一种模拟人体皮肤感知外界刺激功能的电子设备。随着人工智能技术的发展,电子皮肤有望被赋予处理信息的能力,从而帮助机器人拥有智能感知系统,更好地应用于人们的现实生活中。
开发具有高灵敏度和低成本材料识别功能的电子皮肤对智能感知具有重要意义
。
近日,
中国科学院半导体研究所
沈国震研究员
与
济南大学
李阳教授
等人开发了一种
由纳米摩擦电发生器和压阻式压力传感器组成的混合电子皮肤(PTES),它能有效地感知静态和动态的触觉信息
,如人体生理信息、机械手的触觉感觉、人体行走状态等。
将PTES与高速数据采集和机器学习相结合,建立了一种能够在一次触摸中实时识别12种材料的材料感知系统
。PTES阵列能够检测材料的性质和位置,进一步证明了同时处理多维信息的可行性。此外,通过与薄膜电阻并联,
PPS实现了超高的灵敏度,也可以线性调节
。该PTES为实际智能感知和实现突出应用开辟了新的途径。相关工作以“A high-accuracy, real-time, intelligent material perception system with a machine-learning-motivated pressure-sensitive electronic skin”为题发表在最新一期的《Matter》。
图1. 电子皮肤系统示意图
【电子皮肤系统的概念和配置】
图1A为拟用电子皮肤系统的示意图,该系统由混合柔性电子皮肤与材料感知系统组成,旨在模拟甚至超越生物皮肤的触觉功能。图1Bi描述了PTES的结构,它包含从上到下的8层(参见实验过程)。图1Bii显示了制备的CNTs-EM和PEDOT:PSS-EM功能层的扫描电子显微镜(SEM)图像,显示了类似于EM的致密排列的多孔交叉纤维结构。从SEM图像(图1Biii)中可以明显看出,制造的微栅栏结构具有类似于栅栏状突起和凹陷的表面结构,排列均匀、明确。为了实现PPS的灵敏度可调,
采用PEDOT:PSS薄膜作为薄膜电阻,与压阻结构并联,可以相应地改变其电阻,使PPS具有所需的线性可调的灵敏度
。
图2. PPS的压力传感性能
图3. PPS的压敏机理及其可调灵敏度
【PPS的表征和工作机制】
为了演示所提出的PPS的灵敏度和压力响应,在1 V的偏置电压下进行了不同压力水平下的电流测量。 图2A描述了电流作为施加压力水平的函数,显示了在宽压力范围内具有前所未有的灵敏度的三级近似线性响应。接下来,通过对传感器交替加载和卸载压力,研究PPS的压力响应和可重复性(图2B)。从不同压力下的输出电流曲线可以看出,随着施加压力的增加,电流逐渐增大,在加载和卸载压力的两个循环下,
电流曲线保持不变,具有较好的重复性
。
由于响应和恢复时间是表征传感器性能的重要因素,因此研究了提出的PPS对21 Pa外部加载和卸载压力的瞬时响应(图2D)。超快响应和恢复时间约为40 ms,
这使得PPS具有与人类皮肤(30-50 ms)相当的响应速度
。考虑到实际应用中需要传感器具有长期的稳定性,研究者在PPS上交替施加2.5 kPa的加载和卸载压力,连续施加超过10,000次(图2G)。试验结果表明,
所研制的PPS能够快速稳定地响应外加压力,每次循环卸载压力后都能立即恢复到初始状态,这表明其具有显著的稳定性和耐久性
。
图5. PTES在静态和动态压力传感中的应用
【PTES在静态和动态压力传感中的应用】
图5A绘制了运动前(正常)和运动后两种情况下的监测脉搏信息,将准备好的PTES固定在一名25岁成年男性的指尖上。将拟设计的PTES固定在手指上,测量输出电压,可以准确监测手指在低频和高频下的震动信息,如图5B所示。通过对人体脉搏信号和手指颤抖的精确监测,
表明所提出的PTES能够以较高的灵敏度检测静态和动态压力,可用于人体生理信号的监测
。
为了证明提议的PTES具有同时检测动态压力和静态压力的能力,将PTES固定在一个鼠标上,并分别检查其对鼠标单击、双击和拖动操作的响应(图5C)。对于鼠标的点击和双击(见动压),在每次点击的电压曲线上可以明显看到明显的峰值。
图6. 机器学习辅助的智能材料感知系统
【小结】
在本工作中,提出并演示了一种包含PPS和TENG两种传感器的高灵敏度和低成本混合电子皮肤,以实现对多种材料的实时感知。采用性价比高、环保的EMs结合简便的渗透方法,形成PPS和TENG的功能层。为了提高PPS的传感性能,研究者在结构设计上做了两个方面的调整,一是利用激光标记技术在Cu电极上制造微栅栏结构,二是在典型压阻结构的基础上,并联增加一个PEDOT:PSS薄膜电阻器。实验证明,PPS的最大灵敏度可达291699.6 kPa
−1
,具有良好的长期耐久性。通过引入薄膜电阻器提供额外的导电路径,PPS被证明具有稳定的初始电阻,并且通过改变薄膜的电阻值可以实现线性可调的灵敏度。作为本工作最重要的亮点,研究者进一步展示了一种材料感知系统,通过使用基于FPGA的高速数据采集器和MLP神经网络模型来收集和分析PTES提供的静态和动态触觉感知信息。该系统能够一次触摸识别12种表面不可分辨的材料,准确率达到98.9%,感知结果可以实时显示。最后,开发了一个3 × 4 PTES阵列,展示了该阵列在同时感知多个物体的材料属性和位置方面的应用潜力,成功地展示了其出色的多信息处理能力。
--纤维素--
--帮测科技--
原文链接:
https://www.sciencedirect.com/science/article/pii/S2590238522000674#sec3
来源:高分子科学前沿
声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/129083
655 次点击
登录后回复