认知学习神经网络——全方位应变传感器阵列

研究背景

近年来，可拉伸应变传感器由于其机械可拉伸性和多轴传感特性而吸引了很多人的兴趣,为新兴电子产品如可穿戴电子设备、医疗保健监测和机器人皮肤/手臂带来了巨大潜力。通过研究人员的巨大努力，灵敏度、耐久性、传感范围和响应时间等关键确定性参数得到了极大的改善。此外，已经进行了许多尝试来实现由金属纳米线(NWs)、 碳纳米管(CNTs)、碳/金属纳米颗粒和弹性体组成的高应变敏感复合材料。伴随着这样的材料整合策略，各种机械装置结构(电阻式、电容式、压阻式、摩擦静电式和压电式)已经被证明能够实现高性能的应变传感器。然而，大多数传统的应变传感器只能检测单轴应变，缺乏确定方向性可变运动的能力，限制了它们在现实的表面刺激环境中的应用，如动态的人体皮肤运动感应和人机界面。

研究成果

机械拉伸应变传感器在生物启发的皮肤感觉系统和人工智能触觉传感器中获得了极大的关注。然而，用简单的设备/阵列结构对应变强度和方向进行高精度检测仍然是不够的。为了克服这一局限性, 韩国中央大学Sung Kyu Park教授团队提出了一个全方位的应变感知平台，该平台利用可拉伸的应变传感器阵列与三角传感器组件(三个传感器倾斜450)，并结合基于机器学习的神经网络分类算法。应变传感器由应变不敏感的电极区域和应变敏感的通道区域构成，可以最大限度地减少应变对电极的不良电干扰，从而形成一个异质的表面结构，获得更可靠的应变感应特性。该应变传感器表现出相当高的灵敏度，测量系数为~8，感应范围适中(0~35%)，可靠性相对较好(3000个拉伸周期)。此外，通过采用多类多输出的行为学习认知算法，带有三角形传感器组件的可拉伸传感器阵列通过解释三个单元传感器的相关信号，表现出对任意应变的方向和强度的高度精确识别。采用神经网络算法的全向应变感知平台在各种表面刺激环境下，在0~30%的应变范围内表现出约98±2 %的整体应变强度和方向精度。相关研究以“Heterogeneous Structure Omnidirectional Strain Sensor Arrays with Cognitively-Learned Neural Networks”为题发表在Advanced Materials期刊上。

研究亮点

1. 展示了一个简单设计的可拉伸应变传感器阵列，通过认知的神经网络算法来检测和感知应变的方向和强度。

2. 这种采用认知学习程序的策略可以提供高度准确的应变强度和方向的检测，验证了认知学习感觉系统对全方位可感知应变传感器应用的促进作用。

图文导读

Figure 1. Schematic diagrams of biological sensory system and omnidirectional strain-perceptible sensor array.

Figure 2. Device structure of fabricated unit strain sensor and the sensing mechanism.

Figure 3. The FEA simulation results of optimized directional strain responses of strain sensor arrays.

Figure 4. Analysis of static and real-time responses to various strain intensity and direction.

Figure 5. Cognition of the direction & strain process using the classification model for machine learning.

Figure 6. Omnidirectional strain perception via cognitively learning algorithm.

总结与展望

综上所述，作者展示了带有认知学习神经网络的全向应变感知传感器阵列，用于准确识别强度和方向可变的任意应变。应变信息由异质表面特征应变传感器阵列获得,任意应变力的方向分布由基于ML的神经网络推断。在各种表面刺激环境下，在0~30 %的应变范围内,该洞察力具有约98±2 %的整体应变强度和方向精度。这里报告的硬件和软件设计概念意味着认知学习的可拉伸应变传感器阵列可以提供一个通用的途径来实现高度敏感、极其可靠的刺激感知，其设备的复杂性和实施都很低，适合大规模的应用。

文献链接

Heterogeneous Structure Omnidirectional Strain Sensor Arrays with Cognitively-Learned Neural Networks

http://dx.doi.org/10.1002/adma.202208184

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！