超螺旋聚合物（supercoiled polymer, SCP）作為一項前沿技術，盡管具有廣泛的應用前景，尤其是在建構人造肌肉方面，其研究仍面臨諸多挑戰。SCP的制備不僅需要複雜的材料選擇群組合，還必須精确控制扭卷過程及熱處理工藝，以形成類似彈簧的螺旋結構。雖然由鍍銀聚合物纖維制成的SCP人造肌肉已經展示了電阻與長度變化的相關性，展現出其作為柔性應變傳感器的潛力，但目前的制造技術仍不成熟，特别是在針對傳感器應用的專項工藝方面。同時，也缺乏對于SCP傳感機制的深入了解。
▍提出SCPS，實作制造技術簡化與傳感性能提升
對此，來自華南理工大學吳賢銘智能工程學院的周奕彤副教授研究團隊的研究人員進行了深入研究，提出了一種新型柔性超螺旋聚合物傳感器（Super Coiled Polymer Sensor, SCPS）。該傳感器不僅簡化了制造技術，更在傳感性能上實作了顯著提升。研究團隊通過深入剖析SCPS在拉力作用下的力學與電學響應，揭示了其傳感機理的核心——宏觀拉力使SCPS中的前體纖維扭曲度增加并使其中的大量細絲拉伸，進而有效地增加了電流的流通路徑，進而增大電阻。借助掃描電子顯微鏡的先進手段，研究團隊展現了SCPS的微觀結構。同時，研究團隊設計了一系列嚴謹實驗就傳感器的卓越性能進行全面驗證評估。
實驗結果表明，SCPS的制造流程既簡潔又高效，采用商業化銀鍍尼龍線作為基材，顯著降低了生産成本，為其大規模應用奠定了堅實基礎。同時，該傳感器在25%的應變範圍内展現出高線性度（R² = 0.96）和低遲滞（5.3%）特性，響應時間更是小于100毫秒，充分顯示了其在實時監測中的巨大潛力。此外，該傳感器能夠在快速拉伸和複雜運動中保持良好的穩定性和重複性，這進一步拓寬了其應用範圍。
值得一提的是，研究團隊還利用四個SCPS單元開發了一種手勢識别資料手套，成功實作了對八種不同手勢的準确識别，準确率達到95%。這一成果不僅展示了SCPS在智能裝置領域的廣闊應用前景，，也為未來的醫療健康監測和人機界面技術等未來科技提供了全新的解決方案。
圖1：論文發表資訊
該研究成果的相關論文已以“Supercoiled Polymer Sensors from Twisting and Coiling Silver-Plated Nylon Threads”為題發表在《IEEE Sensors Journal》上。戴沛為第一作者，王鵬宇（廣東技術師範大學）、甘露為共同作者，周奕彤副教授為通訊作者。華南理工大學吳賢銘智能工程學院為論文的第一作者和通訊機關。
那麼該研究成果具體内容如何呢？接下來，一起來和機器人大講堂進行深入探索！
▍SCPS的傳感原理
本研究提出的 SCPS 雙螺旋結構由兩個單螺旋結構纏繞而成。前體纖維（Precursor fiber）由大量鍍銀尼龍細絲（Filament）組成，與螺旋原絲纖維的纏繞方向相同。在所述的制造過程中，SCPS 的單螺旋結構與這些最細纖維絲的纏繞方向對齊，進而形成一個同手性結構。
圖2：SCPS 示意圖。
在拉伸 SCPS 的單螺旋線圈時，前體纖維的長度變化可以合理地忽略。固定線圈以防止端部旋轉并施加拉力會導緻纖維扭曲變化，即
其中，
分别代表每機關初始纖維長度的纖維撚度變化、線圈圈數、線圈長度變化和線圈中的前體纖維長度。由于
和
具有相同的符号，該公式揭示了對于兩端固定的 SCPS，線圈長度的增加會導緻纖維撚度的增加。撚度增加的現象可以解釋如下。
在拉伸SCPS的單螺旋結構時，作用于前體纖維任意截面的扭矩可以根據彈簧力學表達為:
其中，
是前體纖維的扭轉剛度,
和
分别是拉伸SCPS之前和之後的螺距角，
和
分别是拉伸前後 SCPS的線圈半徑。
由于彈簧的張力導緻螺距角增加，彈簧半徑減小。這與當螺距角小于45°時，
随螺距角增加而增加的事實相結合，表明扭矩在廣泛的螺距角範圍内單調增加。此扭矩是在單螺旋彈簧張力下增加前體纖維扭曲的原因。
這也産生了一個有趣的現象，即在單螺旋結構的拉伸過程中，前體纖維的螺距角增加，而構成前體纖維的細絲的螺距角減小。前體纖維中的撚度增大導緻細絲發生相當大的長度變化。其中，在絞線導體中，導電細絲之間的接觸電阻導緻一些電流沿細絲軸螺旋流動，而不是直接沿導體軸流動，如圖的藍色細絲所示。SCPS的張力增加了前體纖維的扭曲并拉長了細絲，有效地增加了電流流動距離，進而增大電阻。
▍單個傳感器成本≤7元，SCPS的選材與制造
為兼顧生産過程中的成本效益與制作便捷性，超螺旋聚合物傳感器（SCPS）的制造優選了市場上廣泛可得的鍍銀尼龍線（規格為235/34 1x2 HC+B，由知名供應商Shieldex提供）。借此選材政策，僅需約1000毫米的鍍銀尼龍線，即可高效制作出長度為100毫米的SCPS，進而成功将單個傳感器的制造成本控制在7元以内。SCPS的詳盡制造步驟如圖3清晰展示：
圖3：SCPS的制造過程。
研究團隊首先持續對懸挂負載的鍍銀尼龍線進行加撚，當達到特定程度時，線材會産生自然卷曲，形成類似彈簧的結構。一旦完全卷繞成螺旋狀，電機便停止工作。随後，研究人員在紗線的中點懸挂重物，并将其對折。紗線内部殘留的應力會驅動重物旋轉，進而形成穩定的雙螺旋結構。這一關鍵的折疊步驟對于傳感器的性能至關重要，因為它所産生的雙螺旋結構賦予了SCPS出色的結構穩定性。
接下來，研究人員将卷曲的兩股紗線拉伸至原長度的110%，并在180°C的烤箱中恒溫放置兩小時，以固定傳感器的形狀。之後，使用銅管牢固地固定兩股盤繞紗線的兩端，確定在後續的實驗中能夠保持穩定的電氣連接配接。此外，為了進一步提升傳感器的一緻性，再利用Mark-10拉伸試驗機對其進行了30次預訓練，每次拉伸至原長度的140%。
通過上述精心設計的制造流程，研究團隊最終生産出了具有卓越穩定性和可靠傳感能力的SCPS。
▍更高線性度、更低滞後性，SCPS應變傳感性能評估
為了全面評估超螺旋聚合物傳感器（SCPS）的應變傳感性能，研究團隊開展了一系列拉伸試驗。
如圖4(a)所示，每個長度為100毫米的SCPS樣本均在25%的應變區間内接受了測試，并展現出了近乎線性的變化規律。為了深入探究SCPS的應變檢測極限，研究團隊進一步實施了小拉伸應變測試，涵蓋了1.0%、2.0%、4.0%及6.0%的應變水準。如圖4(b)所示，SCPS在2.0%至6.0%的拉伸應變範圍内展現出了穩定且有效的響應，甚至在最小拉伸應變1.0%時亦能産生可靠的反應。
圖4:SCPS的實驗傳感性能。(a)線性拟合曲線和多項式拟合曲線的SCPS電阻變化率。(b) 對SCPS加載周期性小應變，應變分别為6%、4%、2%和1%。
此外，研究團隊還深入研究了SCPS在高速拉伸及不同應變條件下的單次響應表現。圖5(a)揭示了SCPS在2%應變範圍内電阻的快速響應能力，所有響應延遲均控制在100毫秒以内。圖5(b)則通過展示不同應變下的重疊曲線，即抗性變化率（抗性變化斜率），凸顯了SCPS的一緻性。同時，電阻變化在不同應變下保持恒定，進一步彰顯了傳感器卓越的穩定性。
如圖5(c)所示，為了驗證傳感器的可重複性，研究團隊還對五個SCPS樣本進行了加載與解除安裝周期的測試。值得注意的是，五個周期的電阻響應曲線高度重合，這表明其在多個周期内性能穩定一緻。經計算，重複性達到了5.9%的優異水準。圖5(d)顯示了SCPS從自然狀态至斷裂狀态過程中電阻随應變的變化率。盡管當應變超過約35%時，電阻出現較大波動，但在失效之前，電阻的整體變化趨勢仍保持線性。同時，為了評估SCPS的長期性能，研究團隊也對SCPS樣品進行了400次加載和解除安裝試驗，并設定應變為10%，速度為200 mm/min。結果如圖5(e)所示，所提出的SCPS在多次循環測試中表現出總體上良好的重複性和一緻性。
圖5:不同應變下SCPS的實驗結果。(a)三種快速拉伸速度下SCPS的電阻變化率，應變為2%。(b)拉伸速度為200mm/min時，SCPS對不同應變的電阻變化率。(c)相同條件下，5個加載和解除安裝循環下SCPS的電阻變化率。(d) SCPS從自然狀态到斷裂狀态的電阻變化率和負載。(e)在10%應變下，SCPS在400次加載和解除安裝過程中的電阻變化率。
為了探究放置時間對SCPS傳感性能的影響，研究團隊在實驗室環境中對一個SCPS樣本進行了為期四個月的放置測試。如圖6所示，盡管貯藏四個月後SCPS的遲滞量略有增加，但電阻-應變曲線的整體趨勢變化不大，且線性拟合線極為接近。放置後，SCPS的線性度還略有所提升，R²值從0.96增加至0.975。
圖6:SCPS在自然環境中放置4個月後與初始狀态的電阻變化率-應變曲線及線性拟合曲線對比。
最後，為了與其他SCPS研究成果進行對比，研究團隊根據既有工藝制造了多個SCPS，并在圖7中對其電阻變化率進行了比較。結果顯示，研究團隊所提出的SCPS具有更高的線性度、更低的滞後性以及更小的波動，充分證明了所提出制造方法的有效性。
圖7:不同制作方法的SCP傳感器的電阻-應變曲線。(i)使用與Bombara等提出的SCP傳感器相同的前驅體纖維、結構和纏繞方法制成的SCPS，不經過熱處理。(ii)本研究提出的SCPS，保持所有其他生産步驟一緻，但沒有熱處理。(iii)采用類似于Sun等的芯棒卷取方法制作的SCPS。(iv)本研究提出的SCPS。
▍開發手套識别系統，探索SCPS實際應用潛力
為了直覺展示SCPS作為應變傳感器的實際應用潛力，研究團隊設計并開發了一套手勢識别系統，其具體配置如圖8(a)所示。系統核心元件為一隻內建了SCPS的資料手套，該手套巧妙地将傳感器連接配接于拇指、食指、中指及無名指上，以精準捕捉手指動作。針對每個手勢，研究團隊系統性地記錄了50次資料，累計收集了400個手勢樣本，為後續的識别分析奠定了堅實基礎。圖8(b)呈現了每個手勢下各手指對應的代表性電阻變化曲線，這些曲線反映了不同手勢中手指的獨特運動軌迹，為手勢識别提供了豐富的特征資訊。
随後，研究團隊運用機器學習方法對單個手勢進行了精确分類。在資料采集完成後，研究人員采用主成分分析(PCA)技術對資料進行了高效降維處理，這一步驟顯著提升了機器學習的處理速度和效率。利用獨立的測試資料集對分類器性能進行嚴格評估，最終實作了高達95%的分類準确率，充分驗證了分類器的高效能。
為了更進一步驗證SCPS在手勢識别領域的實用性，研究團隊依托資料采集系統成功部署了已訓練好的分類模型。使用者佩戴資料手套時，其手指動作産生的實時資料通過高精度的電阻采集器即時傳輸至筆記本電腦。這些資料經過與訓練資料庫中信号相同的預處理流程後，首先通過主成分分析法提取出占總方差97.5%的關鍵特征。随後，這些特征被作為機器學習的輸入，訓練後的分類器據此迅速識别出使用者目前執行的手勢，并将識别結果以手勢圖像的形式實時顯示在筆記本電腦螢幕上。整個手勢識别系統的實際操作流程及示範效果如圖7所示。
圖8:(a)內建了四個scps的手勢識别手套系統;(b) 不同被測手勢及其對應的SCPS各指電阻變化。
▍關于未來
關于未來研究，團隊将重點聚焦于幾個關鍵領域：首要任務是深入進行傳感機制的模組化與驗證工作，力求精準把握SCPS傳感器的運作機理。與此同時，團隊也将就熱處理對SCPS傳感器傳感性能的影響進行更進一步研究，以期全面優化其性能表現。
将SCPS技術巧妙地融入智能紡織品中，可打造出具備高度智能化特性的可穿戴衣物，為使用者帶來全新的穿戴體驗。這一創新舉措不僅将拓寬SCPS的應用範疇，更有望引領智能穿戴裝置領域的革新潮流。
此外，研究團隊也計劃深入挖掘SCPS在同時傳感與驅動方面的潛力，探索通過自感覺技術實作人工肌肉的高效驅動控制，以期在軟體緻動器和傳感器技術領域取得變革性突破。
文章詳情：Dai, Pei, Pengyu Wang, Lu Gan, and Yitong Zhou*. "Supercoiled Polymer Sensors from Twisting and Coiling Silver-Plated Nylon Threads." IEEE Sensors Journal (2024). https://ieeexplore.ieee.org/document/10638470