康复训练对患者恢复功能、缓解疼痛和改善健康至关重要，但传统设备依赖专业人员，成本高且不便。基于纺织材料的柔性自供电压力传感器提供了轻质、柔软和透气的解决方案，显著提升了穿戴舒适性。然而，现有摩擦电压力传感织物仍面临传感范围有限和大压力下灵敏度不足的问题，限制了其在康复训练监测中的应用。因此，开发兼具高灵敏度和宽传感范围的摩擦电压力传感织物是当前的研究重点。
鉴于此，香港理工大学黄琪瑶助理教授课题组提出了一种仿生皮肤特性的透气梯度结构纤维毡（Structure-Gradient Fiber Mat, SGFM），用于摩擦电压力传感织物。基于模板辅助逐层静电纺丝技术制备的SGFM，成功模拟了人体皮肤的机械梯度特性。这种独特的结构设计使SGFM基摩擦电压力传感织物展现出优异的传感性能，在0-53 kPa和53-660 kPa压力范围内分别实现了0.068 kPa⁻¹和0.013 kPa⁻¹的高灵敏度。进一步地，将该材料集成于可穿戴康复监测系统，实现了对脉搏信号、股四头肌活动状态及足底压力的实时监测，为姿势追踪与矫正提供了可靠的技术支持。这一创新成果在提升康复辅助效率方面展现出显著的应用潜力，为智能康复设备的发展提供了新的解决方案。相关研究内以“Skin-inspired, Permeable, Structure-gradient Fiber Mats for Pressure Sensing in Rehabilitation Assistance”为题目发表于期刊《Advanced Fiber Materials》上。
结构梯度纤维毡（SGFM）的梯度结构通过模板辅助的逐层静电纺丝方法实现，并通过调节纺丝溶液中材料的比例来实现。在静电纺丝过程中，金属网收集器作为模板，使SGFM表面形成了类似人类皮肤纹理的凸起结构（图1a-b）。纤维毡的结构从顶部到底部，纤维分布逐渐变得疏松（图1c(I)-(IV)）。由于纤维毡的多孔结构，SGFM表现出优异的透气性（74 mm/s）和透湿性（528 g/m2/day），与棉织物相当，并显著优于硅橡胶（图1d），凸显了其穿戴舒适性。
图1 SGFM形貌、透气透湿性表征
在逐层静电纺丝过程中，CNT浓度的逐渐变化导致了纤维毡结构的渐进性转变。这种材料和结构设计使得SGFM在厚度方向上具有材料、介电和机械性能的多方面梯度，这有助于提升SGFM作为传感材料的灵敏度和压力传感范围。通过X射线衍射（XRD）确认了SGFM内部材料成分的梯度变化（图2a-b）。具有CNT含量梯度变化的SGFM能够在保持较高介电常数的同时，维持较低的介电损耗。与未使用金属网收集器制备的均质SEBS纤维毡（HFM）相比，SGFM的相对介电常数提高了约2.6倍（3.07），且在1 kHz下的介电损耗低至0.0235（图2c）。
重要的是，CNT含量的调节改变了纤维毡的纤维尺寸和孔隙率，从而使SEBS-BTO-CNT纤维毡具有不同的杨氏模量，进而在压力下表现出不同的压缩行为。与未使用金属网收集器制备的HFM相比，SGFM在高压缩应变（94%）下表现出高压缩应力（980 kPa）（图2d）。通过循环压缩测试评估了SGFM在不同压缩应变下的稳定性（图2e）。在1000次压缩循环后，SGFM仅表现出轻微的滞后现象，压缩应力始终恢复到原始值（图2f）。
图2 SGFM介电性能与机械性能表征
如图3a所示，随着施加压力从5 kPa增加到660 kPa，基于SGFM的摩擦电压力传感织物的开路电压从1.1 V增加到11.1 V，展示了其在宽压力范围内对压力变化的强响应性。由于较高的相对介电常数、低介电损耗和梯度结构，基于SGFM的压力传感织物在较大压力范围内表现出优异的灵敏度，超越了基于HFM和HFM-BTO的压力传感织物的性能（图4b-c）。此外，基于SGFM的压力传感器的响应时间和恢复时间分别仅为25 ms和15 ms，展示了其对施加压力的快速响应能力（图4d）。
该传感器对1-4 Hz的工作频率范围不敏感（图4e），并且在30,000次工作循环后仍能保持稳定的电压输出（图4f）。并且，基于SGFM的压力传感织物有较高的耐洗性和耐磨性。经过20次洗涤循环后，纺织品保持完好，无明显撕裂或损坏（图4g、图4i）。其灵敏度仅略有下降，而传感范围保持稳定。即使在10,000次磨损循环后，尽管封装层有所磨损，SGFM和导电织物仍保持完好，压力传感性能得到良好维持（图4h、图4j）。
图3 SGFM基摩擦电压力传感织物压力传感性能
作为概念验证，本工作将基于SGFM开发的压力传感织物应用于保加利亚深蹲训练的监测，这是前交叉韧带手术后患者的重要康复训练之一。该监测系统由三个模块组成，包括脉搏监测模块、股四头肌收缩监测模块和足底压力监测模块（图4）。脉搏监测模块位于手腕区域，能够检测用户的脉搏率，以确保训练强度的安全性。股四头肌收缩监测模块位于大腿部分，用于捕捉保加利亚深蹲运动的频率。一个集成了9个基于SGFM的摩擦电压力传感织物的鞋垫用于足底压力监测，反映训练过程中的姿势，帮助调整训练姿势。这三个模块能够同时检测生理信号和训练姿势，为训练监测和姿势纠正提供有价值的信息。借助机器学习算法，常见错误的检测和识别准确率可以达到100%。
图4 SGFM基摩擦电压力传感织物用于康复训练监测
论文链接：https://link.springer.com/article/10.1007/s42765-025-00531-y
通讯作者简介：
黄琪瑶，香港理工大学服装及纺织学院助理教授。主要从事纤维基导体材料及器件的相关研究，目前研究方向集中于织物基柔性传感器、柔性纤维储能器件、离子凝胶导体的开发及其离电器件应用等。黄博士在Nature Communications, Advanced Materials, Advanced Energy Materials, Advanced Functional Materials, ACS Nano, Advanced Fiber Materials等期刊发表论文50余篇, 其中第一/通讯作者19篇；申请专利5项；曾获2023年学院杰出青年研究学者奖等科研奖项。承担国家自然科学基金、香港研资局、深圳市科创委等科研项目5项。
