用于人机交互的声学和触觉传感器

在不受环境噪声干扰的情况下准确传输生物信号是实现人机界面（HMI）的关键因素。文章提出了用于双模式 HMI 的频率选择声学和触觉传感器，该传感器基于具有铁电复合材料的分层大圆顶/微孔/纳米颗粒结构的摩擦电传感器。该传感器在宽范围的动态压力和共振频率下显示出高灵敏度和线性度，从而在宽频率范围（145 至 9000 Hz）内实现高声频选择性，从而实现与噪声无关的语音识别。频率选择多通道声学传感器阵列与人工神经网络相结合，对 100 至 8000 Hz 的不同频率噪声的语音识别准确率超过 95%。证明了双模传感器在广泛的动态压力范围内具有线性响应和频率选择性，有助于区分表面纹理和使用声学和机械输入控制化身机器人，而不受周围噪声的干扰。

人机界面 (HMI) 在人机交互中发挥着关键作用。大多数现有的可穿戴HMI设备使用低频（1-10赫兹）的触摸或手的动作（例如敲击、弯曲和颤动）向机器传递简单的命令。HMI 的最新发展需要对机器人、虚拟现实 (VR)、增强现实 (AR) 和物联网 (IoT) 进行高频信号检测，要求对 HMI 进行精确和直观的控制，以传递来自人类的各种感官和生物信号。除了物体的低频触觉映射外，还需要基于高频振动(80-300Hz)检测的粗糙度和表面纹理感知，以便机器人皮肤精确地感知和操作物体。在动态传感器的各种候选者中，摩擦电传感器 (TES) 无需额外电源即可响应动态刺激立即产生高功率。因此，TES 被认为是用于生物识别、助听器和皮肤可附着麦克风 的自供电语音识别设备。此外，TES 在识别多个物理触摸、运动、精细纹理和物体位移上，展示了动态 HMI 应用程序的巨大潜力。

动态 HMI 需要选择性地识别所需的频率信息，而不受周围噪音的干扰。因此，有必要开发具有可控谐振频率的动态传感器，以感知特定频率的动态响应，同时消除不希望的噪声频率。与基于单一动态信号的传统 HMI 相比，双模式动态 HMI 基于来自声学和触觉/物理刺激的多个动态信号，具有高灵敏度和频率选择性，可以轻松控制机器而不受周围干扰。

图1：用于动态界面应用的分层设计的铁电复合材料

由表面大圆顶 (MD) 和内部微孔 (MP) 结构组成的分层铁电复合材料，并用纳米粒子 (NPs) 装饰，以开发具有高灵敏度和线性响应的自供电频率选择性 TES（图1A）。在施加压力时，分层铁电复合材料的逐渐变形导致在施加外部压力时在宽动态压力范围内产生线性电输出（图1B）。在分层结构中，表面MD结构提供了更大的接触面积变化，从而提高了低压范围内的灵敏度。内部 MP 结构的高可变形性防止了灵敏度的快速饱和。这将可检测压力扩展到了很宽的范围。此外，MP结构中的NP增加了薄膜的介电性能和机械变形下的局部应力，从而在很宽的压力范围内提高了压力灵敏度。影响铁电复合材料密度和机械模量的分级结构的孔隙率和孔径很容易控制，从而产生有源频率选择性（图1C）。此外，调制铁电复合材料的厚度和面积等形状因子显着增加了频率选择性的动态范围（145-9000 Hz），覆盖了可听频率范围。作者开发了具有不同共振频率的多通道声学传感器阵列，能够消除意外噪声并可以制造高精度语音识别设备（图 1D：TESs在各种动态接口设备中的应用，包括与噪声无关的语音识别、纹理感知、动态运动检测和使用机械手进行接口。）。

图2：压力灵敏度和线性取决于分层的结构成分和孔隙度

图 2A是基于不同铁电复合材料结构的TESs的压力敏感度的比较[孔隙率(P)=70%]。随着铁电复合材料孔隙率和孔径的增加，分层结构的 TES 的压力敏感性和线性度显着增加（图 2B）。图 2C 显示了基于应力分布结果（图 S22）和实验测量的电荷密度值（图 S23）的复合材料的模拟应力诱导极化。图2D和2E是基于不同结构的铁电复合材料和分层结构复合材料的不同孔隙率的铁电极化结合压电和摩擦极化的模拟结果。图 2D 中的模拟总极化值与图 2A 中的实验结果一致，表明 MD、MP 和 NP 结构分别增强了低压、中压和高压区域的压力敏感性。

图3：分层tes的声学传感能力和频率选择性

图3A为测量声学传感能力的实验装置的照片。TESs和扬声器之间的距离为5厘米。插图显示了调整谐振频率的可变参数。图3B为商用麦克风的输出电压和分层测试系统作为声压的函数。图3C为商用麦克风和分层 TES 的 SNR 作为声压的函数（声音频率，100 Hz）。图3D为对于压力强度为 0.5 Pa 的声源，孔隙率约为 70%、厚度为 500 μm 的分层 TES 的频率相关输出电压。图3E-图3G为分级 TES 的声学传感能力，适用于 80 到 10,000 Hz 之间多个频率的声源的分级复合材料的不同厚度、孔隙率和面积。图3E共振频率作为分层复合材料厚度的函数（孔隙率，80%）。图3F共振频率作为分层复合材料孔隙率的函数。图3G共振频率作为分层复合材料面积的函数（孔隙率，20%）。图3H基于有限元分析的不同机械模量下铁电复合材料位移的模拟结果。图3I分层TESs的实验和理论共振频率作为孔隙率的函数。图3J所提出的分层TES的可调谐频率范围与现有的频率可调谐声学传感器的比较。

图4：多通道TES阵列的非噪声声传感能力

图4A为测量商用麦克风和多通道 TES 阵列在噪声环境下的声学传感能力的实验装置示意图。图4B用于与噪声无关的声学传感器的多通道 TES 阵列的照片。图4C为原始声音“频率选择声学传感器”（顶部）和多重噪声声音（贝多芬，第五交响曲）（底部）的 STFT 图像。图4D使用商用麦克风无噪声（顶部）、单频噪声（中）和多频噪声（底部）记录的声波波形的STFT结果。图4E使用无噪声多通道TES阵列的单波噪声（中）和多噪声（下）记录的声波波形的STFT结果。放大的STFT图像显示了在每个通道的共振频率范围附近的噪声无关的声学传感能力。图4F在200Hz噪声环境下，商用麦克风和多通道TESs通道1的声传感能力混淆矩阵。混淆矩阵的一行表示预测的类，列表示真实的类，以辨别测试数据是否与预测的类匹配。第一列和第二列分别是无声波形和有声波形的测试数据上的分类实例。对角线单元格（绿色）表示预测的类和true类之间的正确实例。图4G商用麦克风和多通道分层TESs的声传感精度。

图5：分层TESs在动态HMI中的应用。

图5A用于HMI应用智能手套示意图，实现机器人手的纹理感知和远程控制。插图显示了具有传感器、封装层和胶带的每个像素组成。图5B不同线图案宽度为 1.5、1.25、1 和 0.75 mm 的目标表面纹理的光学图像。图5C通过扫描表面纹理产生的输出电流的 STFT。图5D神经网络可以识别不同的纹理和表面粗糙度。图5E为HMI应用的无线网络系统中的控制框图和电子电路。图5F智能手套上的分层TESs的输出电压作为弯曲角度的函数。图5G单像素智能手套使用不同弯曲动作的机械手运动控制照片。图5H使用多像素智能手套控制机械手运动的照片。图5I由声音驱动的HMI应用程序的照片。图5J在分离的工作范围内使用频率采集来演示机械手的运动控制。

作者开发了基于铁电复合材料的高线性和灵敏度的TES，其分层结构包括MD，MP和陶瓷纳米颗粒组成的分层结构。分层几何结构在具有不同模量和高变形能力的异质材料界面处引起应力集中，提供应力诱导极化的线性梯度。，提供了应力极化的线性梯度，这提高了在较宽的动态压力范围（0至70kPa）内的高灵敏度（36nA/kPa）和线性度（1V/kPa）。

作者通过在用于识别声波、表面纹理和动态运动的动态接口设备中使用它们，演示了所提出的TESs的能力。利用分层TESs的结构设计，TESs的谐振频率易于调谐，允许在宽频率范围(145至9000Hz)上实现高声选择性。这使得在与噪声无关的语音识别设备的情况下，一个较高的准确率超过95%。此外，TESs的高灵活性和线性响应率有助于检测和区分表面的精细纹理和机器人手的多功能运动。因此，分层TESs作为动态接口应用的下一代传感器具有较大的潜力。基于铁电复合材料的分层 TES 的能力为改进现有的传统传感器和 TES 在人形机器人、可穿戴设备和生物识别技术中的应用提供了坚实的平台。

信息来源：

https://mp.weixin.qq.com/s/y0Uzjme2Z6mhkYcunENDmg