最近，河北工業大學胡寧教授、王子瑩博士研究團隊提出了一種基于氧化石墨烯-聚丙烯酰胺（GO-PAM）水凝膠的應變傳感器。該傳感器可用作摩擦納米發電機（TENG）來收集機械能。基于0.02 wt％GO-PAM水凝膠的TENG輸出功率高達26兆瓦，是純PAM水凝膠膜的2.2倍。通過點亮353個發光二極管（LED）并為電子溫度計供電，展現了TENG在為電動設備供電方面的能力。此外，設計了可穿戴的鞋具監測系統，其中包括鞋墊，數據處理模塊和使用Python開發的PC接口。在具有不同算法的模型中，人類日常生活步態和病理步態具有人工神經網絡系統的識別精度高達99.5%和98.2%。該系統可用于多種醫療應用，例如早期診斷，康復評估和患者治療，為人體步態監測和識別提供了更方便的選擇。

GO-PAM水凝膠膜設計為三明治結構，由銀納米線作為上電極，可拉伸的GO-PAM水凝膠膜作為中間層和銅作為下電極。該團隊研究了GO的質量分數對GO-PAM水凝膠膜的電輸出性能的影響，顯示了具有不同摻雜GO的GO-PAM水凝膠膜的輸出電壓、輸出電流和輸出功率。與純PAM相比，GO-PAM水凝膠膜的輸出電壓，輸出電流和輸出功率增加。當GO濃度為0.02 wt%時，輸出電壓，輸出電流和輸出功率達到了值（輸出電壓為990 V，輸出電流約為63.84 μA，輸出功率約為26 mW）。當GO的濃度太高時，會在膜中形成導電路徑，從而導致表面電荷的流動。當外部電阻為5MΩ時，0.02 wt% GO-PAM水凝膠膜的峰值輸出功率達到26 mW，是純PAM水凝膠膜的2.2倍。

研究組針對0.02 wt% GO-PAM水凝膠研究其應變傳感性能。0.02 wt% GO-PAM水凝膠在小拉伸應變范圍內分別為10–60%和較大的拉伸應變范圍為80–300%的相對電阻變化（ΔR/R 0）。當連續的機械拉伸在0%至80–300%的應變中應用時，GO-PAM水凝膠的ΔR/R 0增加，然后返回到0%，呈現出穩定的三角形形狀，表明GO-PAM水凝膠在80–300%的拉伸應變范圍內表現出良好的傳感穩定性和可重復性。除此之外，還計算了GF以評估應變靈敏度。當應變范圍為0–60%時，GF為2.13；當應變范圍為60–200%時，GF從2.13增加到4.89。但是，隨著應變范圍從200%增加到300%，GF值則達到了7.97。當拉伸應變為20%時，響應和恢復時間為0.02 wt% GO-PAM水凝膠分別為0.5 s和0.6 s，簡短的時間有利于對人運動的實時監測。

近年來，機器學習作為人工智能（AI）研究領域已被廣泛用于數據分析和模式識別。將AI引入摩擦納米發電機可以提高模式識別的準確性，并可以開發具有高精度和實時處理的可穿戴電子系統。在本文中，設計了一個智能鞋墊，并根據這三種算法構建了步態識別模型，該算法可用于人類日常行為步態識別和人類病態步態識別。在機器學習模型中，選擇重量約60公斤的志愿者穿著智能鞋墊。收集了五個不同人類日常行為步態的電壓信號，并在窗口中顯示了100個信號的數據點，從而實現了實時監視并確保信號的有效性和準確性。

基于步態識別模型，機器學習方法擴展到特殊疾病的步態識別。該研究的三個機器學習模型成功地用于識別帕金森氏病，左側偏癱步態和右側偏癱步態。總體識別精度達到90%以上。經過500次對ANN的訓練，測試集的識別精度達到98.2%。此外，通過建立步態監測系統，在計算機上實時顯示了患者的步態波形。當患者進行步行訓練時，可以將患者的活動信息數字存儲在計算機上，例如步驟，步行速度等。通過分析這些數據，可以及時調整患者的培訓和康復狀況。該研究表明，引入機器學習輔助方法可以準確診斷疾病，提高康復訓練的效率，并提供遠程康復的治療指導。

在這項研究中，研究者開發了具有高可拉伸性，可壓縮性，粘附性和自我修復性的水凝膠。該水凝膠可以將其延伸至約860%，具有良好的穩定性和耐用性，可以至少回收380次。此外，它對各種材料具有很強的粘附性能，包括塑料，紙，金屬，皮膚，木材和玻璃。另外，研究了基于水凝膠TENG的輸出電性能，這表明TENG可以點亮353盞 LED燈并為電子溫度計供電。基于水凝膠的可穿戴應變傳感器也可以實時監測人類運動。在此基礎上，設計了一個智能鞋墊，并基于三種算法構建了步態識別模型，該算法可用于正常和異常的步態識別。在這三個模型中，對正常步態和異常步態的ANN算法的識別精度分別達到99.5%和98.2%。總而言之，這項工作中提出的監測系統提供了一種低成本的方法，可以用于實施人工智能的醫療系統。

來源：傳感器專家網