物联网（IoT）、大数据和人工智能（AI）等新兴技术的发展加速了智能设备的普及，对智能传感系统的需求激增。传统传感器依赖外部电源且结构复杂，阻碍了其在可穿戴设备和柔性电子产品中的集成。此外，传统传感器通常局限于单一的传感模式（接触式或非接触式），严重限制了其应用范围。因此，开发兼具自供电和多模式传感能力的新型传感器系统成为智能传感领域的重要研究方向。摩擦纳米发电机（TENG）凭借接触带电和静电感应的耦合，能够在接触和非接触模式下产生电信号，在自供电传感中展现出巨大潜力。然而，现有的非接触传感性能仍受限于材料限制和输出不稳定等问题。碳纳米管（CNT）作为导电填料易发生团聚，通过原位还原银纳米颗粒（Ag NPs）构建金属-碳纳米复合材料（Ag/CNT），可有效建立连续的电荷传输路径并显著提升TENG的输出性能。

近日，江南大学王利强教授团队在期刊《Chemical Engineering Journal》上，发表了最新研究成果“In-situ constructed Ag/CNT hierarchical networks in TPU nanofibers for dual-mode triboelectric sensing”。研究者提出了一种基于静电纺丝热塑性聚氨酯（TPU）纤维膜的高性能双模式摩擦纳米发电机（TENG），该薄膜由原位构建的Ag/CNT分级导电网络增强。通过在碳纳米管（CNT）表面原位锚定Ag纳米颗粒，研究不仅建立了高效的电子传输网络，还通过原位掺杂调节了材料的表面电势。这种电学改性与静电纺丝产生的微纳粗糙结构协同作用，使该TENG在接触-分离模式下实现了189 V的高开路电压和171.36 μC/m2的电荷密度。此外，得益于界面极化和电荷保持能力的增强，该器件在非接触距离传感（0.5-2.5 mm）中表现优异，并符合单指数衰减模型。本研究在三个领域展示了实际应用：接触模式下的人机交互（HMI）控制；非接触模式下的高精度电子称重（误差约2.11%）；以及利用1D-ResNet深度学习算法实现机械臂对柔软物体抓取状态的实时识别。

图1：TPU-Ag/CNT正极摩擦起电材料的制备过程及典型应用示意图

图2：复合材料的电学性能与表面表征。

如图2所示，纺丝膜的电性能随填料浓度的变化改变，在5 wt%时达到最高。最佳性能的纺丝膜表现出189 V的开路电压、11.3 μA的短路电流和171.36 μC/m2的表面电荷密度。三坐标白光干涉显微镜观察显示静电纺丝工艺带来的多孔纤维结构与纳米填料共同提高了材料的表面粗糙度，表面粗糙度Sa从纯TPU纺丝膜的25.92 nm提高到5 wt% Ag/CNT样品的92.02 nm。KPFM测试结果显示，改性前后复合材料的表面电势产生了约80 mV的正向偏移，证明材料改性显著增强了材料的电子供给能力，使其表现出更强的正摩擦电极性。

图3：基于TENG传感器和深度学习的智能机器人抓取技术。

如图3所示，机械臂夹爪的夹持过程可分为4个阶段：夹爪闭合、夹持、夹爪释放和空闲，在闭合和释放过程中，摩擦电压会因材料弹性形变所导致的接触面积变化而产生突变。准确识别夹持过程中各阶段的电压变化，是稳定且高效夹持柔软物体的关键。为此，引入了深度学习来判断夹持是否到位。经20次迭代训练后，该模型在各夹持阶段达到了较高的识别正确率，且特征聚类簇分离明显，实现了软质物体的适度有效夹持。

论文链接：https://doi.org/10.1016/j.cej.2026.176694