JMM编辑优选：面向人机交互应用的自供电传感器研究综述
文章介绍
Lei Du（杜磊）, Yulong Li（李宇龙）, Ruizhe Qiu（邱睿哲）, Jiaxing Xu（徐佳星）, Kai Nie（聂凯）, Xinyu Cao（曹欣雨）, Jiaqi Tang（汤家齐）, Yiqing Wang（王一晴）, Gang Du（杜刚） and Ling Bu（卜灵）
通讯作者：
- 卜灵，中国地质大学（北京）信息工程学院
研究背景：
微机电系统（MEMS）技术实现了多种设备的微型化、多功能化和低功耗化。在物联网和人工智能的推动下，海量智能传感器通过连接协同，创造出人机交互（HMI）的新应用。但是，HMI应用中的大量传感器对供电问题提出了严峻挑战。受空间、生物兼容性和更换的限制，传统电池难以满足供电要求。针对这一问题，自供电传感器提出了一种前景广阔的解决方案，即无需外部电源即可产生电信号，尤其适用于人体可穿戴和植入式应用。压电效应和摩擦电效应一直是自供电传感器的关键基础技术，通过触觉或压力传感广泛应用于HMI。但是，目前自供电传感器仍面临着性能不足、集成受限以及严重的串扰效应等实际问题。
研究内容：
本综述介绍了 PENG、TENG 和 P-TENG 自供电传感器的三种机制，并总结了五种结构类型，包括平面结构、图案结构、多孔结构、织物结构和复合结构。对基于 PENG 和 TENG 自供电传感器的阵列集成及串扰问题进行探究，指出优化阵列结构、改进信号处理方法和创新材料设计是降低串扰的有效解决方案，通过具体实例阐述了自供电传感器在智能交互、机器人和人体监测三个人机交互领域的应用。论文指出目前HMI应用中的自供电传感器主要存在以下局限性：（1）大多数自供电传感器以二维行-线可寻址模式部署，在大规模数据采集中效率较低；（2）串扰问题在传感器阵列中普遍存在，尽管已提出一些解决方案，但仍需优化验证；（3）许多HMI应用已与机器学习算法相结合，但有限的阵列像素和传统数据采集方法限制了海量数据训练与智能衍生。论文提出的未来发展方向和挑战包括：（1）开发对外界激励具有超高灵敏度的材料及其制造方法，以实现大面积高性能传感器，同时保持柔韧性和生物相容性；（2）优化传感器阵列以提高大面积数据采集效率，解决串扰问题，实现实时、高精度的信号处理；（3）缩小自供电传感器阵列与智能系统的差距，充分利用传感器信号并提升计算能力来实现智能识别和诊断。
作者介绍
卜灵 副教授
中国地质大学（北京）
- 卜灵，中国地质大学（北京）副教授、博士生导师、电气与电子工程系主任。长期从事微能源器件、功率管理电路、微传感器与控制系统等领域的研究，在自供能无线传感网节点能量获取及电源管理等方面取得重要研究成果，发表于Nano Energy、Small、Mechanical Systems and Signal Processing、Microsystems & Nanoengineering等高水平期刊，曾担任微能源领域著名国际会议PowerMEMS技术委员会委员。
期刊介绍
- 2023年影响因子：2.4 Citescore：4.5
- Journal of Micromechanics and Microengineering（JMM）是该领域的领军期刊，涵盖了微型机电结构、设备和系统，以及微观力学与微机电的各个方面。JMM专注于制造和集成技术方面的原创性研究，推广新的制造技术及设备。该期刊的研究范围包括微型工程和纳米工程学，涉及物理、化学、电子和生物等领域，也发表关于硅和非硅材料的制造和集成方面的最新研究。