武汉大学AFM：全印刷双模电子织物，同步感知温度与压力

在智能人机交互与健康监测技术快速发展的今天，电子皮肤和可穿戴设备对多物理量感知能力的需求日益迫切。温度和压力作为环境和生理监测的两项基础参数，其同步检测对于全面信息交互至关重要。尤其在术后康复压力衣、瘢痕管理等实际应用中，同时监测体表压力分布与局部组织温度变化具有显著的临床价值。然而，现有基于聚合物薄膜的柔性传感器往往存在厚度大、透气性差的问题，长期佩戴舒适性不足。尽管织物因其固有的多孔性、柔顺性和皮肤相容性被视为理想的可穿戴平台，但如何在保持织物固有特性的同时，将高性能双模传感器可靠地集成到织物基底中，并实现有效的信号解耦，仍是该领域面临的一项关键挑战。

针对上述难题，武汉大学吴伟教授团队开发了一种柔性、超薄且信号解耦的温压双模传感电子织物（DMTP-ETex）。该研究利用碳黑/多熔点丙烯酸酯共聚物/尼龙透明浆料复合油墨，通过多阶段熔融相变机制实现了高达125.9%/℃的超高电阻温度系数和0℃至50℃的宽温度传感范围。同时，基于离子双电层效应的电容式压力传感单元展现了62.3 kPa⁻¹的高灵敏度以及30毫秒/60毫秒的快速压力响应与恢复时间。通过集成机器学习算法，该织物能够精准识别不同的抓握物体，并借助传感器阵列成功实现了模拟体表上压力与温度分布的空间映射。相关论文以“Fully-Printed Bimodal E-Textiles with Synchronized Temperature-Pressure Sensing for Next-Generation Adaptive Wearables”为题，发表在Advanced Functional Materials 上。

该DMTP-ETex采用了三层织物堆叠结构。顶层织物的一侧印制有叉指电极和温敏层构成温度传感器，另一侧则印制压力电极层；该压力电极层与中间含有压力敏感层的织物以及底部电极织物共同构成压力传感器。整个器件通过全印刷工艺制备，实现了垂直堆叠的层状结构，从物理层面确保了信号的独立解耦。研究团队首先对材料进行了系统表征。傅里叶变换红外光谱显示离子液体成功掺入热塑性聚氨酯基体中；差示扫描量热曲线表明，复合油墨中的三种丙烯酸酯共聚物在共混物中基本保留了各自独立的结晶域，呈现出多个吸热峰。原位X射线衍射结果证实，随着温度升高，结晶衍射峰逐渐衰减，体现了连续的多阶段熔融过程。流变学测试则显示温敏油墨具有剪切变稀特性，适合丝网印刷工艺。表面粗糙度分析表明，银电极油墨能有效填充织物的孔隙和表面起伏，形成连续均匀的电极层。机械耐久性测试中，印刷银电极在100次弯曲循环后电阻变化率仅为3.24%，且胶带剥离测试未观察到材料脱落或界面失效，证实了良好的附着力。更重要的是，DMTP-ETex在印刷后仍保持419 L m⁻² s⁻¹的透气性，且贴附于人体皮肤24小时后无刺激或不适感，厚度仅为1.07毫米，充分证明了其作为可穿戴设备的舒适性与安全性。

图1 DMTP-ETex的结构、制备工艺及应用场景示意图。

图2 (a) 纯TPU和TPU/IL共混物的FTIR光谱。 (b) AC-1、AC-2、AC-3及复合油墨的DSC曲线。 (c) 在10°C至50°C范围内测量的复合油墨的原位XRD图谱。 (d) 与丝网印刷工艺相关的温度敏感油墨的触变行为。 (e) 温度敏感油墨的粘度随剪切速率的变化。 (f) 印刷有AgFDs电极的底部纺织品的截面SEM图像。 (g) 印刷温度传感器的表面粗糙度图像及其 (h) 相应的3D形貌图。 (i) Textile-1（95%涤纶+5%氨纶）的2D和3D形貌图。 (j) 顶层纺织品的截面SEM图像及对应的C和Ag元素EDS能谱图。

在温度传感性能方面，该传感器利用三种不同熔点的丙烯酸酯共聚物在升温过程中依次熔融，引起体积膨胀，从而分阶段调控碳黑导电网络，实现宽温域内的电阻变化。通过系统优化三种共聚物的质量比（2:1:1）和碳黑固含量（6 wt.%），传感器在0℃–15℃、15℃–30℃和30℃–50℃三个温区内的电阻温度系数分别达到1.3%/℃、12.6%/℃和125.9%/℃，其中30℃–50℃温区内的线性度高达0.998。该传感器还展现出0.1℃的优异分辨率，能够清晰响应36℃至37℃范围内0.1℃的梯度升温。在25℃至35℃的加热过程中响应时间为11.8秒，冷却至15℃的恢复时间为12秒。经过500次加热-冷却循环后，其电阻变化仅衰减9.56%，展现出卓越的长周期稳定性。即使在100次弯曲或扭曲循环后，电阻温度系数的最大漂移也分别仅为7.47%和4.05%，表明其机械柔韧性对温度传感性能影响甚微。此外，该温度传感单元在0–2牛顿压力作用下的最大电阻变化率仅为0.037，证明其对压力不敏感，有利于信号解耦。

图3 (a) 温度传感机制示意图。 (b) 温度传感单元在0°C–50°C范围内相对电阻变化（ΔR/R₀）随温度变化的函数。 (c) DMTP-ETex在36°C–37°C范围内对0.1°C逐步升温的电阻响应。 (d) DMTP-ETex在从25°C加热至35°C过程中的响应和恢复时间，以及 (e) 从25°C冷却至15°C过程中的响应和恢复时间。 (f) DMTP-ETex在不同恒定温度下保持30分钟的电阻稳定性。 (g) DMTP-ETex在500次加热-冷却循环中的电阻响应。

压力传感机制则基于离子双电层电容效应。当压力增加时，织物内的空气被挤出，电极与离子层之间的有效接触面积增大，促使离子液体中的阴、阳离子在对应电极表面积累，从而增加双电层电容。研究团队优化了离子液体与热塑性聚氨酯的比例（3:1）以及压力敏感层的印刷层数（5层），使传感器在0–10 kPa、10–90 kPa和90–200 kPa三个压力区间内分别实现了62.3 kPa⁻¹、15.1 kPa⁻¹和7.0 kPa⁻¹的高灵敏度。该压力传感器对0.1至5牛顿的不同负载呈现出稳定且可重复的电容响应，并在加载和卸载2克砝码时展现出30毫秒和60毫秒的超快响应与恢复时间。其分辨率极高，能够在20克负载基础上清晰分辨1克重量的增加。经过5000次0.1牛顿的加载-卸载循环后，电容响应仅衰减4.78%，证实了其优异的耐用性。值得注意的是，当环境温度从30℃升至50℃时，该压力传感单元的最大电容变化率仅为0.38%，低于0.01牛顿压力下的响应，表明其对温度变化不敏感，从而有效实现了与温度信号的解耦。

图4 (a) 压力传感机制示意图及相应等效电路。 (b) 对于印刷不同层数压力敏感墨水的纺织品，其相对电容变化（ΔC/C₀）随压力的变化函数。 (c) DMTP-ETex对三次连续施加不同压力的电容响应。 (d) DMTP-ETex在加载和卸载2克重量时的响应和恢复时间。 (e) DMTP-ETex在加载20克重量后再加载1克重量时的电容响应。 (f) DMTP-ETex在0.1 N压力下经历5000次加载-卸载循环的ΔC/C₀变化。

为了验证双模信号解耦的实际效果，研究团队设计了多组对比实验。当笔尖靠近但不接触DMTP-ETex时，电容和电阻均无变化；而当笔尖反复按压时，电容响应压力而增加，电阻因笔尖温度略低于室温而减小。类似地，当手指靠近时，仅电阻因体温升高而增加，电容无变化；当手指按压时，电容和电阻同时增加，分别响应压力和温度。在恒定压力下升高温度时，电容信号稳定而电阻随温度升高并稳定；在恒定温度下增加压力时，电容随压力稳步上升而电阻几乎不变。这些结果一致证明，DMTP-ETex能够在不产生串扰的情况下，同时捕获同一位置的温度和压力信号。

图5 (a) 笔尖靠近和触摸的示意图。DMTP-ETex对笔尖 (b) 靠近和 (c) 触摸的电容和电阻响应。 (d) 手指靠近和触摸的示意图。DMTP-ETex对手指 (e) 靠近和 (f) 触摸的电容和电阻响应。 (g) 对DMTP-ETex施加机械载荷和热刺激的示意图。(h) 恒定压力和升温下，以及 (i) 恒定温度和升压下的电容和电阻响应。此外，其传感层的实际尺寸为10毫米×10毫米。

基于上述可靠性能，研究团队将DMTP-ETex集成到智能手套中，模拟手指抓握不同温度和水量水杯的触觉感知。当抓握空杯、常温水杯、热水杯和冷水杯时，传感器产生了显著差异化的电阻和电容信号。研究人员收集了四种场景共400个样本，采用一维卷积神经网络进行分类学习。该模型包含三个卷积层、一个池化层和两个全连接层。经过约150个周期的训练，模型训练损失趋近于零，识别准确率达到100%。主成分分析降维可视化显示，四种抓握场景的数据点形成了清晰可区分的聚类，混淆矩阵进一步确认了100%的分类准确率，充分证明了DMTP-ETex在智能交互领域的有效性和可靠性。

图6 (a) 集成DMTP-ETex的手套在抓取空杯、盛有常温水、热水和冷水的水杯时产生的电容和电阻信号。 (b) 用于分类抓取模式的1D CNN模型的架构示意图。 (c) 学习过程中用于水杯识别的CNN模型的训练准确率和损失。 (d) 四种抓取模式数据集的PCA可视化图。 (e) 显示四种抓取模式分类预测结果的混淆矩阵。

研究团队进一步探索了该电子织物在智能医疗服装领域的应用潜力。将DMTP-ETex集成到肩部服装中，用于监测背包使用时的肩部压力不对称性。通过定义不对称指数（|P左-P右|/(P左+P右)），测试了四种背包方式：空载单肩、负重单肩、对称双肩和不对称双肩。结果显示，单肩背包时不对称指数达到1，而双肩对称背负时指数为0，为健康干预提供了量化依据。此外，研究团队还制作了一个包含四个传感单元的线性阵列，并将其包裹在可变形气球表面，模拟肢体压力和温度的动态变化。在充气阶段，所有四个传感器的电容信号同步显著增加，反映压力均匀上升；同时电阻信号也一致上升，对应呼出暖空气带来的环境温度升高。放气阶段则观察到电容迅速下降和电阻逐渐回落。更重要的是，通过分析四个传感单元的响应差异，研究团队成功生成了压力和温度的空间分布图，显示出清晰的梯度变化，证明了该传感器阵列在健康监测平台中实现多参数空间监测的强大潜力。

图7 (a) DMTP-ETex用于多功能智能服装的示意图。 (b) 在四种背包条件下（无负重单肩背US、负重单肩背LS、对称双肩背SD、非对称双肩背AD）的肩部压力不对称指数和电容响应。 (c) 四个传感器单元在充气和放气过程中的电阻响应和 (d) 电容响应。 (e) 温度和压力响应的空间分布图。

综上所述，这项研究通过丝网印刷技术成功制备了紧密集成的温压双模传感电子织物。该器件在温度传感方面实现了宽温域、超高电阻温度系数、0.1℃分辨率及500次循环的优异耐久性；在压力传感方面实现了三段式高灵敏度、快速响应恢复及5000次循环的卓越稳定性。通过信号类型的本质区分，该织物能在同一位置和时间无串扰地同步捕获压力和温度信号。结合智能手套中基于机器学习的抓握类型精准识别（100%准确率）以及智能服装中压力与温度分布的同步映射监测，这项研究为先进人机交互和智能医疗健康领域提供了全新的设计理念与实现路径。