静电纺高双取向柔性压电纳米纤维用于各向异性响应智能传感

研究背景

近年来，随着人工智能的飞速发展，人们开发出了可穿戴生物电子设备，以帮助人们评估自己的身体和感知周围环境。与可回收的电化学能源系统不同，压电能量收集器 (PEHs)可通过压电效应将环境中离散的机械能有效地转化为电能，并已广泛应用于微电子设备、压力传感器和自供电系统中。在压电聚合物中，半结晶PVDF及其与高电活性β相晶体的共聚物因其易于制造和高生物相容性而成为理想材料。

除了材料的压电性，复合材料和器件的结构设计也可提高 PEH 的机电转换能力。与传统薄膜基 PEH 相比，纤维基 PEH 在传感生物机械运动方面具有独特的耐磨、透气和柔性特性。然而，现有的织物 PEH 只能识别垂直于其表面的法向力，而不能识别来自不同弯曲方向的力，这限制了其在人工智能领域的应用。

作为 BTO 系列压电陶瓷家族的新成员，BaTi2O5 (BT2) 具有高压电性和低介电常数，被认为是制备高性能压电复合材料的理想填料。将 BT2-nr水平排列在 PVDF 中，形成独特的纹理结构，可以显著提高悬臂梁模式下的压电输出。在我们之前的工作中利用熔融沉积模型构建了各向异性的三维PVDF/BT2 PEH，其中 BT2-nr 在喷嘴的剪切作用下沿着挤出方向在 PVDF 长丝中定向。因此，基于 BT2-nr的压电各向异性特征，各向异性三维 PEH 可以识别在 XY 和Z方向施加的外力。然而目前还没有关于各向异性三维薄膜 PEH 能够区分不同弯曲方向应力的报道。

研究成果

柔性压电能量收集器(PEHs)因其可穿戴性、透气性和可持续的自供电能力而备受关注。然而，现有的薄膜 PEH 无法识别不同弯曲方向的力，限制了其在可穿戴电子设备和人工智能领域的应用。四川大学张楚虹教授和刘新刚副教授通过在具有双取向结构的压电PVDF纳米纤维中引入压电各向异性 BaTi2O5 纳米棒(BT2-nr)，首次构建了织物 PEH。双取向特性赋予了柔性PEH各向异性，可以灵敏地识别不同弯曲方向(如垂直弯曲、平行弯曲或沿纤维取向扭转45°)的力。同时，含有 15 wt.% BT2-nr 的复合 PVDF/BT2 PEH 可提供31.2 V 的最佳压电输出和 5.22 V N-1的高灵敏度。所开发的各向异性 PEH 可用作自供电压力传感器用于对人体运动进行多模态智能生物监测。这项研究为制造具有高机电转换效率和多功能性的自供电柔性 PEH 提供了可行的策略，可用于可穿戴压电压力传感器。相关研究以“Electrospinning of Highly Bi-Oriented Flexible Piezoelectric Nanofibers for Anisotropic-Responsive Intelligent Sensing”为题发表在Small Methods期刊上。

图文导读

Figure 1. Schematic of the fabrication process of bi-oriented composite fiber and images of the morphology characterisation.

Figure 2. Characterisation of crystal phase and dielectric properties.

Figure 3. Analysis of the piezoelectric output performance.

Figure 4. Anisotropic demonstration of flexible PEH.

Figure 5. Sensory performance of the PEH for physiological monitoring.

总结与展望

本研究成功地将 BT2-nr 引入到 PVDF 中，通过静电纺丝构建出具有同轴和双向结构的柔性压电复合纳米纤维。基于 BT2-nr 沿 b 轴方向的强压电活性和一致的β取向，PVDF/BT2 PEH 提供了优异的压电输出。由 PVDF 和15 wt%BT2-nr 纳米纤维组成的压电柔性 PEH 的最大输出电压为 31.2 V灵敏度高达 5.22 N V-1，足以为电容器快速充电，为电子计时器供电。此外，BT2-nr的压电各向异性特征使柔性织物 PEH 能够识别不同弯曲方向的应力。作为一种可穿戴的自供电传感器，PVDF/BT2 PEH 可以灵敏地对人体生理运动进行多模态智能监测。这项工作为开发具有生物医学应用和人机交互潜力的高灵敏度多模态智能传感器提供了一种具有成本效益的策略。

文献链接

Electrospinning of Highly Bi-Oriented Flexible Piezoelectric Nanofibers for Anisotropic-Responsive Intelligent Sensing

https://doi.org/10.1002/smtd.202300701

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！