人體皮膚能夠同時感知并區分溫度、壓力等多樣外界刺激，為柔性傳感器的發展提供了重要靈感。然而，在現有的大多數多模態電子紡織品中，當通過單一通道讀取溫度和壓力信號時，常出現信號串擾問題，嚴重影響感知的準確性和可靠性。如何在單一傳感器平臺上實現高靈敏度、寬檢測范圍的同時，有效分離溫度和壓力信號，成為該領域亟需解決的關鍵難題。

受人類皮膚感知機制的啟發，浙江理工大學洪興華副教授和新加坡國立大學Tan Swee Ching (陳瑞深)、郭帥合作開發了一種新型智能電子紡織品。該材料通過在針織聚酯基底上層層組裝銀納米線、MXene納米片和保護性聚二甲基硅氧烷，構建了仿生層狀納米結構，形成了高透氣、耐用且生物相容的滲流納米網絡。該電子紡織品不僅具備應變、壓力和溫度多模態傳感能力，還首次結合神經網絡與熱電壓機制，實現了對溫度與壓力信號的定性與定量解耦，識別準確率超過98.7%。相關工作以“Intelligent Temperature and Pressure Sensing Decoupling Systems in Multimodal Nanonetwork-based Electronic Textiles”為題發表于《ACS Nano》。

圖1. 人工多模傳感系統的配置與應用。(a) 生物皮傳感系統及人工感知和分析來自外部物體的溫度和壓力信息的示意圖。(b) 電子織物受到溫度和壓力時產生的信號及其機理示意圖。(c) 多模態傳感系統在信息傳輸、溫度與壓力解耦及手勢識別中的應用。(d) 解耦策略的普適性說明。

結構設計與制備表征

研究團隊采用交替浸涂法，將銀納米線和MXene納米片依次組裝在聚酯織物上，并覆蓋聚二甲基硅氧烷保護層，制備出PMAP電子紡織品（圖2a）。掃描電鏡圖像（圖2b）顯示，純銀納米線僅松散附著在纖維表面，而引入MXene后形成了三維互聯的導電網絡，顯著提升了結構的穩定性和導電性。拉伸過程中，這種三維網絡能有效耗散能量并保持電子遷移路徑（圖2c）。紅外光譜（圖2d）和X射線衍射（圖2e）證實，銀納米線、MXene和聚酯之間形成了大量氫鍵，增強了材料的機械性能。經過90分鐘超聲洗滌、60次摩擦循環和反復彎曲測試，PMAP織物的導電性幾乎未受影響（圖2f–h），同時仍保持469 mm·s?1的高透氣性，優于市售棉質T恤，且細胞實驗證明其無毒性、生物相容性良好。

圖2. PMAP織物的結構與形貌表征。(a) PMAP織物制備流程示意圖。(b) SEM圖像展示了AP、MAP和PMAP織物的微觀結構特征，表明銀納米線和MXene片附著在聚酯上，表面涂覆有PDMS。(c) 示意圖展示了一維AgNWs織物和三維MXene/AgNWs導電網絡在拉伸前后的結構變化。(d) PET織物、MXene/PET織物、AgNWs/PET織物和MAP織物的紅外光譜圖。(e) PET、AgNWs、MXene和MAP織物的X射線衍射圖譜。(f) MAP織物和PMAP織物經超聲洗滌后的電導率變化（超聲時間90分鐘）。(g) MAP織物和PMAP織物在穿戴摩擦循環處理下的電導率變化。(h) MAP織物和PMAP織物在彎曲應力下的電導率變化。

拉伸與壓力傳感性能

PMAP織物的針織結構使其能夠在拉伸過程中通過紗線和纖維間的接觸點變化實現高靈敏應變感知（圖3a）。其應變傳感范圍劃分為0–10%、10–40%、40–90%和90–150%四個線性區間，規范因子分別為?4.2、?0.73、?0.24和?0.11（圖3b）。在循環拉伸測試中，每個拉伸-釋放過程出現兩個微小峰值，表現出獨特的負壓阻效應（圖3c–d），即使在0.008%的超低應變下仍可檢測到信號（圖3e）。基于紗線間和纖維間接觸點變化的等效電路模型（圖3f–h），解釋了拉伸過程中接觸點增加導致總電阻下降的負壓阻機理。不同應變狀態下的電流-電壓曲線保持一致（圖3i），并且在10%至50%的應變水平下信號穩定可辨（圖3j）。與已有文獻相比，該織物在低應變區間的靈敏度具有顯著優勢（圖3k）。

圖3. 針織結構產生的PMAP織物的拉伸傳感機理及性能。(a) 織物傳感器應用示意圖及織物拉伸過程中導電網絡的變化。(b) PMAP織物的相對電阻變化與應變的關系。(c) 高應變下的電阻變化，(d) 對應的加載-卸載循環放大圖。(e) 低應變(0.008%)下的電阻變化。(f, g) 加載-卸載循環下，紗線-紗線和纖維-纖維尺度的結構單元變化。(h) 電阻應變各向異性的等效電路圖，解釋了PMAP織物的兩種不同拉伸模式。(i) PMAP織物在不同應變狀態（0%至50%）下的電壓曲線。(j) PMAP織物在10%、20%、30%、40%和50%五種不同應變水平下循環拉伸的ΔR/R?，拉伸速率為2 mm/s。(k) 本傳感器與文獻報道的傳感器的壓阻效應對比。

在壓力傳感方面，當施加壓力時，紗線和纖維間的接觸點增多，電阻下降（圖4a）。電阻變化率與壓力呈正相關（圖4b），響應時間和恢復時間分別為92 ms和81 ms（圖4c），在36 kPa壓力下經過超過8000次循環仍保持穩定（圖4d）。團隊將該織物集成到智能手套中，結合無線傳輸裝置，利用莫爾斯電碼成功發送“ZSTU-NUS”和“TEXTILE”等信息（圖4e–f，圖S14）。進一步結合全連接神經網絡，智能手套實現了動態手勢識別，平均識別準確率高達98.17%（圖4f）。

圖4. 傳感器的工作原理與性能評估。(a) 電子織物的壓力傳感示意圖。(b) 步進壓力下的相對電阻變化(ΔR/R?)。(c) PMAP織物的響應時間。(d) PMAP織物在36 kPa壓力加載-卸載循環8000次中的一致性能。(e) 基于PMAP織物的智能手套結構示意圖，該織物通過無線傳輸裝置實現信息交互。(f) 神經網絡手勢識別流程圖。(g) PMAP織物溫度傳感示意圖。(h) PMAP織物的相對電阻隨溫度的變化。(i) 在30 °C大溫度變化下的相對電阻變化響應曲線。(j) 溫度在35 °C和55 °C之間循環時的相對電阻變化。(k) 用于火焰檢測和報警的溫度傳感。(l) 使用機械臂進行火焰報警測試。(m) 溫度傳感機理示意圖及織物接觸火焰時的電阻變化曲線。

溫度傳感與定性識別

PMAP織物在25–75 °C范圍內呈現穩定的負溫度系數（?3.95% °C?1），電阻隨溫度升高而下降（圖4h）。在30 °C溫差下的循環測試中表現出高度可重復的電阻變化（圖4i–j）。當接觸火焰時，織物內部熱激發載流子遷移加快，電阻迅速下降，可作為火焰預警傳感器（圖4k–m）。

在溫度與壓力信號同時存在的情況下，研究團隊構建了神經網絡進行定性識別（圖5a）。空白、溫度、壓力及混合作用下的電阻變化曲線各具特征（圖5b），通過時頻分析和t-SNE聚類（圖5c–d）可清晰區分。經過訓練的神經網絡對四種不同工況的平均識別準確率達到98.7%（圖5f）。

圖5. 溫度和壓力電阻變化的定性識別系統。(a) 神經網絡定性和壓力信號的流程圖。(b) PMAP織物在空白、溫度、壓力及混合作用下的電阻變化曲線。(c) 溫度引起的電阻變化、壓力引起的電阻變化以及溫度-壓力耦合引起的電阻變化的時頻分析對比。(d) t-SNE圖顯示了不同電阻變化曲線的獨特特征。(e) 材料溫度和壓力曲線識別系統的輸入。(f) 預測結果對應的混淆矩陣。

定量解耦與多功能應用

為實現溫度與壓力信號的定量分離，研究團隊提出基于熱電效應的解耦方法（圖6a–b）。材料的塞貝克系數與壓力無關，通過測量熱電壓可獨立獲得溫度差ΔT，再結合電阻溫度系數計算出溫度引起的電阻變化，進而從總電阻變化中分離出壓力引起的部分。該方法成功應用于水杯抓取（圖6c–f）、空調環境監測（圖6g）和呼吸監測（圖6h–j）。例如，在抓取水杯時，通過記錄總電阻變化曲線和熱電壓曲線，結合已知的塞貝克系數和電阻溫度系數，可分別得到溫度和壓力各自引起的電阻變化，從而獨立識別水杯溫度和抓握力。在呼吸監測中，集成于口罩的電子紡織品能夠將呼吸動作引起的機械形變與氣流帶來的熱變化成功解耦，分別提取出反映呼吸運動的壓力信號和反映氣流方向的溫度信號，為異常呼吸行為識別提供更準確的多維信息。

圖6. 溫度-壓力電阻變化解耦系統。(a) 溫度-壓力解耦示意圖，以及熱阻和壓阻的機理。(b) 對應材料溫度和壓力的電阻變化比例定量分析流程圖。(c) 拿起一杯水時的電阻變化率。(d) 通過解耦系統識別馬克杯的溫度和拿起它所需的抓握力。(e) PMAP織物接觸水杯時產生的熱電壓及熱電壓對應的電阻變化率。(f) 利用(e)中溫度引起的電阻變化數據對(c)中總電阻變化數據進行解耦，得到受壓力影響的電阻變化曲線。(g) PMAP織物在空調不同風速和溫度條件下的溫度-壓力解耦曲線。(h) 集成到口罩中的電子織物用于呼吸傳感。(i) 呼吸過程中溫度產生的熱電壓及相應的電阻變化。(j) 呼吸過程中溫度和壓力引起的電阻變化。

總結與展望

本研究成功開發了一種兼具高透氣性、生物相容性和耐久性的電子紡織品，通過三層自組裝方法實現了寬應變范圍（~0.008%–400%）、溫度靈敏度（TCR = ?3.95% °C?1）和快速壓力響應（92 ms）。結合神經網絡和熱電壓機制，研究團隊首次在單一傳感器平臺上實現了對溫度和壓力信號的定性與定量解耦，有效消除了多模態感知中的信號串擾。該解耦策略具有材料普適性，可推廣至不同傳感系統。研究團隊認為，這種電子紡織品在信息交互、健康監測和下一代人機界面等領域展現出廣闊的應用前景。