Einzel

npj Flexible Electronics Band 6, Artikelnummer: 65 (2022) Diesen Artikel zitieren

1864 Zugriffe

Details zu den Metriken

In vielen Soft-Sensor-Systemen haben externe Drähte zum Anschluss der Sensoren an Steuerschaltkreise praktische Probleme im Hinblick auf kompakte Formfaktoren und physikalische Robustheit aufgeworfen. Diese Studie schlägt ein Design von Soft-Sensor-Arrays vor, die mit einer drastisch reduzierten Anzahl von Drähten arbeiten können, ohne die ursprüngliche Leistung zu beeinträchtigen. Das vorgeschlagene Konzept besteht aus einer Reihe von Soft-Sensing-Modulen, die jeweils aus einer Induktivität und einem Kondensator bestehen, die neben dem Widerstands-Sensing-Modul eingebettet sind und so einen Widerstand-Induktor-Kondensator-Bandpassfilter bilden. Durch Anpassen der Kapazitäts- und Induktivitätswerte wird jedem Erfassungsmodul ein eindeutiges Frequenzband zugewiesen, wodurch unabhängig von der Anzahl der Module eine eindeutige Erkennung mit nur zwei externen Drähten ermöglicht wird. Die Multi-Touch-Sensing-Funktionalität des Systems wird analytisch modelliert und experimentell charakterisiert. Unter Nutzung der Vorteile des Designs werden ein Fingerspitzen-Tastsensor und ein Einlegesohlen-Fußdrucksensor als praktische Anwendungen demonstriert.

Jüngste Fortschritte bei flexiblen und dehnbaren Elektroniktechnologien haben verschiedene neue Anwendungen von Softsensoren im Bereich künstlicher Haut1,2,3,4,5,6,7,8 oder tragbarer Roboter9,10,11,12,13,14 geschaffen. Sie nutzen ihre mechanische Nachgiebigkeit aus, die die physikalische Anpassung der Sensoren an die Oberflächen der Wirtsstrukturen mit verschiedenen Formen erleichtert15,16,17. Ein Robotersystem erfordert oft mehrere Sensoren, um eine ausreichende Datenmenge zu erhalten, und eine Reihe von Sensoren mit kompakter Integration kann nicht nur einen großen Interessenbereich abdecken, sondern bietet auch eine hohe räumliche Auflösung18,19,20,21,22,23, 24. Allerdings erfordern mehrere elektronische Komponenten, aus denen ein Sensorarray besteht, normalerweise eine komplexere Hardwarekonfiguration25,26,27. Insbesondere bei Soft-Sensoren verursachen mehrere Signalleitungen praktische Probleme wie mechanische Zerbrechlichkeit, physische Interferenzen zwischen benachbarten Leitungen und Systemkomplexität. Dennoch wurde dieser Aspekt trotz seiner praktischen Bedeutung in Soft-Sensor-Studien bisher nicht ernsthaft berücksichtigt.

Insbesondere führen Drähte in einem Soft-Robotersystem zu physikalischen Einschränkungen, wenn das System großen dynamischen Bewegungen unterliegt. In diesem Fall müssen die Drähte lang genug sein, um den Konfigurationsraum abzudecken, ohne andere Komponenten zu beeinträchtigen oder sich zu verheddern. Darüber hinaus sind in typischen Soft-Robotersystemen mechanische Verbindungen zwischen Soft-Sensoren und regulären Drähten aufgrund der physikalischen Schnittstellen zwischen starren und weichen Materialien mit hohen Spannungskonzentrationen in der Regel die empfindlichsten Bereiche28. Dies wird problematischer, wenn mehrere Sensoren als Array implementiert werden, was zwangsläufig komplexere Verkabelungsverbindungen beinhaltet. Darüber hinaus erfordert die Reparatur der Kabel in Soft-Systemen oft einen langwierigen manuellen Prozess, und manchmal muss aufgrund von Fehlern in der Verkabelung das gesamte Array ausgetauscht werden.

Eine direkte Möglichkeit, diese Probleme zu lindern, besteht darin, weniger Kabel zu verwenden, um das Risiko von Fehlern bei Kabeln oder Verbindungen zu minimieren. Bisher gab es mehrere Ansätze, Soft-Sensor-Arrays mit einer reduzierten Anzahl von Drähten aufzubauen. Eine der gebräuchlichsten Methoden besteht darin, alle Sensormodule in Reihe mit einer Stromleitung zu verbinden und Signalleitungen zu den Knoten zwischen benachbarten Modulen hinzuzufügen1,29. Dieser Ansatz erfordert jedoch mindestens die gleiche Anzahl an Signalleitungen wie die Sensoren und wird noch unpraktischer, wenn eine große Anzahl von Sensoren verwendet wird. Obwohl es möglich ist, einen Multiplexer zu verwenden, um die Ausgangssignale durch die Module zu leiten30,31, nimmt die Verarbeitungszeit mit zunehmender Anzahl von Sensoren ab. Ein anderer Ansatz besteht darin, das Sensorarray in einem Gittermuster mit mehreren Schichten32,33 zu konfigurieren. Im Vergleich zur seriellen Verbindung werden bei der Gitteranordnung tendenziell weniger Drähte benötigt, wenn die Anzahl der Sensormodule zunimmt. Allerdings leiden gitterartige Sensorarrays häufig unter einem Geistertasteneffekt, sodass keine vollständige Multi-Touch-Funktionalität nachgewiesen werden kann. Obwohl ein Ghost-Key-Effekt durch den Einsatz einer zusätzlichen Diode oder eines Multiplexers behoben werden kann, erhöht dies die Komplexität des Systems und den Formfaktor26,27. Es gab kürzlich eine Studie zur Verfolgung mehrerer Softsensoren mit einem einzigen Ausgangskabel mithilfe von maschinellem Lernen34,35, die jedoch einen Trainingsprozess mit einer relativ großen Datenmenge erfordert. Unter der Annahme, dass jedes Sensormodul einen einzelnen Eingang und einen einzelnen Ausgang benötigt, vergleicht die ergänzende Abbildung 1 numerisch die Anzahl der für jeden Ansatz erforderlichen Drähte mit der Anzahl der Sensormodule.

Allerdings gehen wir dieses Problem aus einer anderen Perspektive an und widmen uns einer Technologie, die nicht unbedingt eng mit Soft-Sensoren oder Soft-Robotik verbunden ist. Die Telekommunikation nutzt ein fortschrittliches System, das enorme Datenmengen ohne physische Verbindungen überträgt. Wir lassen uns vom Prinzip des Radios inspirieren und konzentrieren uns besonders darauf, bei dem Signale durch Hochfrequenzwellen, sogenannte „Trägersignale“, übertragen und übertragen werden. Diese Wellen übertragen die Signale durch Modulation der Amplituden oder Frequenzen, und der Empfänger kann unterschiedliche Signale deutlich extrahieren36. Auf ähnliche Weise weisen wir jedem Sensormodul im Sensorarray eine eindeutige Frequenz zu, sodass Signale von mehreren Sensoren über einen einzigen Signaldraht in unterschiedliche Trägersignale eingebettet werden können, sodass letztendlich nur zwei Drähte erforderlich sind, einer für den Eingang und der andere für Ausgabe.

In diesem Artikel schlagen wir ein Design eines Soft-Sensor-Arrays vor, das unabhängig von der Anzahl der Sensormodule nur zwei externe Drähte benötigt. Das vorgeschlagene Sensorsystem besteht aus einer Reihe von Widerstands-Weichsensoren aus Silikonelastomer, in die Mikrokanäle eingebettet sind, die mit bei Raumtemperatur flüssigem Metall (eutektischem Gallium-Indium, d. h. EGaIn) gefüllt sind1,37,38,39,40,41. Wenn sich der Mikrokanal durch Kompression verformt, erhöht sich sein elektrischer Widerstand. Ein Induktor und ein Kondensator in oberflächenmontierter Ausführung wurden neben jedem Mikrokanalsensor in die Elastomerstruktur eingebettet, um einen Bandpassfilter (BPF) mit Widerstand, Induktor und Kondensator (RLC) zu bilden. Durch Anpassen der Induktivitäts- und Kapazitätswerte kann jedem Erfassungsmodul eine andere Filterfrequenz zugewiesen werden, wodurch eine individuelle Erfassung bei gleichzeitiger Nutzung derselben Signalleitung möglich ist42,43. Um das Sensorarray anzusteuern, wird ein von einem Mikrocontroller erzeugtes, angepasstes Eingangssignal an das Sensorarray angelegt und das Ausgangssignal wird von demselben Gerät erfasst. Schließlich liefert die Interpretation des Ausgangssignals Informationen über die Widerstandsänderung jedes Sensormoduls. Um einen physischen Prototyp des vorgeschlagenen Sensorsystems zu bauen, wurde eine Herstellungsmethode entwickelt, die eine Direktdrucktechnik von Flüssigmetallmustern nutzt44. Darüber hinaus wurden mehrere weiche taktile Sensordesigns unter Verwendung des vorgeschlagenen Schemas vorgestellt, um die Machbarkeit der vorgeschlagenen Methode in praktischen Anwendungen zu demonstrieren.

Ein Prototyp wurde in Form eines 4x4-Arrays hergestellt (Abb. 1a). Die Induktivitäten und Kondensatoren wurden auf einer Seite des Geräts platziert (Abb. 1b), wodurch die gesamte Sensorhardware flexibel und dehnbar ist (Abb. 1c). An der Ecke befanden sich die Anschlussstellen für zwei Außenleitungen. Die EGaIn-Kanäle wurden durch ein Direktdruckverfahren auf einem Silikonsubstrat mit einem pneumatischen Spender hergestellt. Abbildung 1d zeigt den Querschnitt des Kanals, der mit der Direktdrucktechnik hergestellt wurde. Es wurde außerdem eine grafische Benutzeroberfläche erstellt, um den Betrieb des Sensors zu visualisieren, wie in Abb. 1e und Zusatzvideo 2 sowohl für die Einzelberührungs- als auch für die Mehrfachberührungserkennung dargestellt.

a Prototyp eines 4x4-Softsensor-Arrays (Draufsicht) und eine Nahaufnahme, die das Sensormodul und die Elektronik zeigt. c Flexibilität des vorgeschlagenen Sensorsystems. d Querschnitt des EGaIn-Mikrokanals mit den Dimensionsparametern. e 3D-Visualisierung der Single-Touch- und Multi-Touch-Erkennung in Echtzeit.

Das vorgeschlagene Sensorarray wurde durch Parallelschaltung mehrerer RLC-BPFs aufgebaut, die aus einer Induktivität, einem Kondensator und einem variablen Widerstand aus einem in Reihe geschalteten EGaIn-Mikrokanal bestehen. Für die BPF-Struktur wurde die Reihenschaltung von L, C und R gewählt, da sie die einfachste Hardwarekonfiguration aufweist, die für die Anordnung aller Komponenten in einer einzigen Ebene von entscheidender Bedeutung ist, ohne dass sich EGaIn-Kanäle kreuzen. Wie in Abb. 2a dargestellt, enthält die Sensorhardware eine parallele Anordnung von BPFs, während nur zwei Drähte mit dem Gerät verbunden sind. Obwohl die BPFs scheinbar einen relativ großen Teil der Fläche in der Sensorhardware einnehmen, was die Flexibilität oder Dehnbarkeit des gesamten Geräts einschränken kann, ist es immer möglich, die starren Komponenten in dem Bereich anzuordnen, in dem mechanische Nachgiebigkeit keine kritische Anforderung ist während des Betriebs abhängige Anwendungen, wie anhand von Beispielen im Abschnitt „Anwendungen von Fingerspitzen- und Einlegesohlensensoren“ demonstriert. Für die Bereitstellung der Eingangs- und das Auslesen der Ausgangssignale wurde ein kommerzielles Gerät verwendet, das sowohl beliebige Wellenformen erzeugen als auch analoge Eingangsspannungen lesen kann.

a Konzeptzeichnung der Sensorsystemkonfiguration und Betriebsschema. b Sensorreaktionen, dargestellt in einem Frequenzbereich. Rote Kreise zeigen die 16 Peaks aller Sensormodule. c Abtastrate vs. FFT-Abtastgröße für 16 Sensormodule. d Frequenzfehler in der FFT als Funktion der FFT-Abtastgröße für 16 Sensormodule. e Abtastrate im Vergleich zu den Zahlenerfassungsmodulen für eine FFT-Abtastgröße von 1024. Die Fehlerbalken geben Standardabweichungen an (n = 5). f Sensorreaktion für die auf das Sensormodul 3 ausgeübte Kraft. Die rote Linie zeigt die Reaktion des Sensormoduls 3 und die anderen Linien zeigen die Reaktionen der angrenzenden Module (Module 2 und 4). g Sensorreaktionen für die auf alle Sensormodule ausgeübte Kraft. h Reaktion der Kraft auf die Ausgangsspannung des Sensormoduls 3, wenn eine Kraft nur auf das Sensormodul 3 ausgeübt wird (grau), und die Reaktion des Sensormoduls 3, wenn die Kraft auf alle 16 Module ausgeübt wird (schwarz). i Vergleich der theoretischen Vorhersage (rot) und des experimentellen Ergebnisses (schwarz) der Widerstandsänderung im Sensormodul und der Ausgangsspannung.

Jeder BPF hat eine einzigartige Resonanzfrequenz (d. h. Filterfrequenz), die durch die Werte der Induktivität und der Kapazität bestimmt wird. Diese Frequenzen der Sensormodule sind in ausreichendem Abstand verteilt, sodass die Bandbreite jedes BPF nicht mit der Bandbreite der benachbarten Module interferiert. Anschließend wurde eine benutzerdefinierte Wellenform als Kombination aus Sinuswellen mit den Filterfrequenzen aller BPFs entworfen und auf das Sensorarray angewendet. Wenn dieses Signal den Schaltkreis durchläuft, lässt jeder BPF nur die Sinuswellenkomponente mit der entsprechenden Frequenz durch, während die anderen herausgefiltert werden. Die Amplitude der durchlaufenden Welle wird basierend auf der Impedanz des BPF moduliert, die durch die Widerstandsänderung des Sensormoduls bestimmt wird, die durch die auf den EGaIn-Mikrokanal ausgeübte Kontaktkraft induziert wird. Durch Messen der Spannung am Referenzwiderstand (20 Ω) und deren Umwandlung in den Frequenzbereich kann die Amplitude jeder Sinuswellenkomponente berechnet werden. Der Wert für den Referenzwiderstand wurde so eingestellt, dass er der Impedanz (siehe ergänzende Abbildung 2) des Sensorarrays entspricht und die Empfindlichkeit maximiert. Schließlich kann die ausgeübte Kraft aus der Änderung der Amplituden abgeschätzt werden, und durch Wiederholen des Vorgangs mit einigermaßen hoher Geschwindigkeit können wir eine Echtzeiterfassung erreichen.

Das vorgeschlagene Sensorarray und das Betriebsschema weisen im Vergleich zu herkömmlichen Sensorarrays zwei Vorteile auf. Erstens kann das Sensorarray unabhängig von der Anzahl der verwendeten Sensormodule mit nur zwei externen Drähten abgetastet werden. Durch die Nutzung einfacher Schaltkreise des Sensordesigns (Parallelschaltung von RLC-BPFs) können wir außerdem die Anzahl der Module problemlos vergrößern (oder verkleinern) sowie die Module in den gewünschten Mustern anordnen, ohne dabei eine nennenswerte strukturelle Komplexität zu verursachen . Darüber hinaus könnte das gesamte System durch die Verwendung eines kompakten kommerziellen Geräts, das sowohl Wellenformen erzeugen als auch analoge Spannungseingänge lesen kann, tragbar werden. Zweitens sinkt die Abtastrate des Systems nicht, selbst wenn mehr Sensormodule verwendet und betrieben werden, da der Abtastvorgang durch die Sensormodule nur Berechnungen erfordert und keine elektronische Umschaltung erfordert. Die Abtastfrequenz kann durch eine Verbesserung der Recheneffizienz weiter erhöht werden.

Wir haben zunächst die Verteilung der Filterfrequenzen und die Bandbreiten der BPFs im Frequenzbereich ausgewertet. Abbildung 2b zeigt eine Momentaufnahme des Diagramms der schnellen Fourier-Transformation (FFT), als sich der Sensor im Ruhezustand befand. In der Abbildung sind deutlich 16 Spitzen zu erkennen, was darauf hindeutet, dass die Filterfrequenzen gut verteilt sind. Wir haben eine FFT mit jedem Satz von 1024 Ausgangsspannungsmessungen durchgeführt. Indem wir die Größe der FFT-Datenpunkte auf eine Zweierpotenz festlegen (d. h. N = 2n, n = 1, 2, 3, …), können wir die Transformation bei jedem Schritt leicht in zwei Teile der Größe N/2 aufteilen und beschleunigen der Berechnungsprozess der FFT. Wir müssen nun eine bestimmte Anzahl für die FFT-Datenpunkte ermitteln. Eine große Anzahl von Datenpunkten verlangsamt den Prozess. Im vorgeschlagenen System wurde ein deutlicher Rückgang der Probenahmerate beobachtet, als die Chargengröße von 1024 auf 2048 erhöht wurde (Abb. 2c). Andererseits ist die Präzision umso höher, je mehr Datenproben für die FFT vorhanden sind. Da die Frequenzauflösung der FFT mit der Anzahl der Datenpunkte zunimmt, kann die FFT auch die Amplituden von Frequenzen extrahieren, die näher an den Filterfrequenzen der BPFs liegen. Wir haben die Lücke zwischen den BPF-Frequenzen und den Frequenzen, aus denen die Amplituden in der FFT extrahiert wurden, quantifiziert und beobachtet, dass der Fehler zwischen diesen beiden Frequenzen drastisch zunimmt, wenn wir weniger als 1024 Datenpunkte verwenden (Abb. 2d). Der Quantifizierungsprozess wird in der Ergänzenden Anmerkung 2 beschrieben. Daher stellen wir in unserem System die Stichprobengröße für FFT auf 1024 ein.

Wir haben uns daher entschieden, 1024 Datenpunkte für jeden FFT-Zyklus zu verwenden, was zu einer Abtastrate von 725 Hz führt. Außerdem blieb die Abtastrate, wie vom Funktionsprinzip erwartet, unabhängig von der Anzahl der verwendeten Sensormodule konstant (Abb. 2e). Dies deutet darauf hin, dass sich die Abtastrate nicht verschlechtert, obwohl mehr Sensormodule im Array verwendet werden.

Wir haben auch die Frequenzunabhängigkeit jedes BPF bewertet, da dies einer der entscheidenden Faktoren ist, die die Multi-Touch-Sensing-Funktionalität bestimmen. Ein Testaufbau wurde entwickelt, um eine externe Kraft auf den Sensor auszuüben und gleichzeitig die Kraftdaten und die Sensorausgangsdaten zu erfassen. Die externe Kraft könnte entweder auf ein einzelnes Sensormodul (Single-Touch) oder auf mehrere Sensormodule (Multi-Touch) gleichzeitig ausgeübt werden (Abb. 5c), indem der Typ des Eindringkörpers geändert wird.

Abbildung 2f zeigt als repräsentatives Beispiel die Reaktion des Sensors, wenn die Kraft nur auf das Modul 3 ausgeübt wurde (die Daten für das gesamte Array sind in der ergänzenden Abbildung 3 verfügbar). Zum Vergleich wurden auch die Reaktionen der Module 2 und 4 der 16 Module dargestellt, da benachbarte Module in einem regulären Sensorarray am wahrscheinlichsten unter Übersprechen leiden. Die Reaktion jedes Moduls bedeutet die Änderung der Amplitude der Ausgangsspannung bei der entsprechenden Filterfrequenz. Wenn die äußere Kraft nur auf das Modul 3 ausgeübt wurde, wurde beobachtet, dass ausschließlich das Modul 3 reagierte, während die Module 2 und 4 relativ unverändert blieben. Außerdem nahm die Stärke der Reaktion mit zunehmender Stärke der ausgeübten Kraft zu.

Wenn jedoch die Kraft gleichzeitig auf alle 16 Module ausgeübt wurde, reagierten alle, wie in Abb. 2g dargestellt (die Reaktionen aller 16 Module sind in der ergänzenden Abb. 4 verfügbar). Um die Sensorreaktion mit der externen Kraft sowohl in Single-Touch- als auch in Multi-Touch-Situationen zu vergleichen, wurden die Kraft-Spannungs-Beziehungen in beiden Fällen aufgezeichnet (Abb. 2h). Im Allgemeinen stieg die Ausgangsspannung mit zunehmender Kraft und erreichte ihren Höhepunkt, wenn die maximale Kraft ausgeübt wurde. Wenn die Kraft entfernt wurde, kehrte die Ausgangsspannung mit einer Hysterese von 45 auf den Anfangswert zurück. Sowohl bei Single-Touch- als auch bei Multi-Touch-Experimenten waren die Reaktionen des Moduls 3 nahezu identisch, was darauf hindeutet, dass die Sensorleistung bei unterschiedlichen Belastungsbedingungen konstant blieb.

Durch direktes Abtasten des Sensormoduls mit einem Digitalmultimeter wurde die Beziehung zwischen dem Widerstand des Sensormoduls und der Ausgangsspannung untersucht. Abbildung 2i zeigt eine vernünftige Übereinstimmung zwischen der theoretischen Vorhersage und dem experimentellen Ergebnis. Aus mathematischer Sicht ist Gl. (13) wird erwartet, dass die Ausgangsspannung aufgrund der Schaltungscharakteristik in die Sättigung gerät, wenn der Sensorwiderstand extrem hoch wird. Innerhalb des Widerstandsbereichs der Sensormodule in unserem System (2–50 Ω, ergänzende Abbildung 6a) war jedoch eine eindeutige 1-zu-1-Zuordnung zwischen dem Sensorwiderstand und der Ausgangsspannung möglich, was die Machbarkeit der Messung demonstrierte.

Eine der vielversprechenden Anwendungen von Softsensoren sind tragbare Geräte12,26,32,46,47,48. Die mechanische Impedanz des Elastomers ähnelt der der menschlichen Haut, was dazu beiträgt, dass sich das Gerät während des Betriebs leicht an die komplexe Geometrie eines menschlichen Körpers anpasst49,50. Das vorgeschlagene Sensorsystem kann mit einer einfachen Hardwarekonfiguration (nur zwei Drähte und ein tragbares Bediengerät) aufgebaut werden und zeigt insbesondere bei der Anwendung auf tragbare Geräte einen praktischen Vorteil. In diesem Abschnitt wird die Machbarkeit des vorgeschlagenen Systems für verschiedene Wearables demonstriert, beispielsweise ein fingerhutförmiger Fingerspitzensensor zur Erkennung von Drücken bei geschickter Handhabung und ein Einlegesohlensensor zur Fußdruckerkennung, mit dem die Bewegung und Aktivität des Trägers analysiert werden kann die von den Softsensoren erfassten Informationen.

Die geschickte Handhabung menschlicher Hände wird nicht nur durch eine ausgeklügelte Betätigung der Muskeln erreicht, sondern auch durch die Fähigkeit, reichlich Informationen von den sensorischen Rezeptoren der Haut zu erfassen. Insbesondere Kontakte zwischen der menschlichen Hand und dem Gegenstand finden hauptsächlich an den Fingerspitzen statt. In diesem Fall erfassen die Fingerspitzen die Kontakte und üben Kräfte auf das Objekt aus. Die Messung der Druckverteilung auf der Fingerspitze liefert wichtige Informationen über die Interaktion zwischen der Hand und dem Objekt für eine geschickte Handhabung.

Tatsächlich gehört die menschliche Hand zu den Körperteilen, die den unterschiedlichsten Kontaktsituationen ausgesetzt sind, und auch Verformungen der Fingerkuppe treten in unterschiedlichen Formen auf. Dies deutet darauf hin, dass bei der Entwicklung künstlicher Fingerspitzensensoren die Konstruktion aus weichem Material entscheidend für die Nachahmung der Funktionalität der Fingerspitzen sein kann. In diesem Zusammenhang gibt es viele Studien, die unterschiedliche Designs von Soft-Fingertip-Sensoren für Roboteranwendungen vorschlagen51,52. Dennoch haben die meisten aus weichen Materialien hergestellten Modelle nur eine begrenzte Anzahl von Sensormodalitäten gezeigt, da die Unterbringung mehrerer Sensormodule auf so kleinem Raum eine der größten Herausforderungen war. Bei unserem Ansatz können wir jedoch mehrere Sensormodule mit einer hocheffizienten Hardwarekonfiguration innerhalb eines begrenzten Bereichs anordnen, was einen großen Vorteil bietet, wenn der Sensor an Robotern oder menschlichen Händen angebracht wird.

Ein Soft-Fingerhut-Sensor wurde entwickelt, indem fünf Sensormodule an der Fingerspitze platziert wurden: zwei an der Vorderseite, zwei an den Seiten (eines auf jeder Seite) und eines oben (Abb. 3a). Für eine effiziente Kraftübertragung wurden an jedem Sensormodul Elastomerhöcker angebracht. Das Sensorarray wurde zunächst im Direktdruckverfahren aus einem flachen Substrat hergestellt, dann wurde die flache Sensorschicht aufgerollt und mit einem Silikonkleber (AXIA-2700, AXIA) fixiert, um die Form eines Fingerhuts zu erhalten (Abb. 3b). ). Es wurden zwei Arten von Fingerspitzensensoren mit unterschiedlichen Größen für den Daumen und für den Zeige- oder Mittelfinger vorbereitet (Abb. 3c). Wir haben die Fingerspitzensensoren für verschiedene Manipulationsaufgaben getestet, um die Interaktion zwischen der Hand des Trägers und dem zu manipulierenden Objekt zu bewerten.

a 2D-Konfiguration vor dem Aufrollen, b vollständige Prototypen, die am Daumen und Zeigefinger getragen werden, und c Nummerierung der Sensormodule. d Federzeichnungsexperiment und e das Ergebnis. f Wassergießversuch und g das Ergebnis. h Push-and-Squeeze-Experiment und i das Ergebnis.

Die erste Manipulationsaufgabe ist das Zeichnen mit der Feder. Es wurden drei Fingerspitzensensoren für den Daumen, den Zeigefinger und den Mittelfinger vorbereitet. Der Träger zeichnete mit einem Stift ein 2 cm großes Quadrat auf Papier und folgte dabei der vordefinierten Flugbahn, die in Abb. 3d dargestellt ist. Während der Aufgabe wurden die Ausgabedaten aller drei Sensoren aufgezeichnet.

Abbildung 3e zeigt die Sensorreaktionen der drei Fingerspitzensensoren. Der Daumensensor reagierte am stärksten und der Mittelfingersensor am niedrigsten, was den Grad des Beitrags der drei Finger zum Zeichnen anzeigt. In der ersten Zeile in Abb. 3d bewegte sich die Spitze des Stifts vertikal nach unten, und der Zeigefinger übte die meiste Kraft zum Zeichnen auf den Stift aus, während der Daumen den Stift stützte, was zu hohen Ausgangssignalen für die beiden Finger führte. Für die zweite Zeile übten Daumen und Zeigefinger eine noch größere Kraft auf den Stift aus, um ihn zur Seite zu ziehen. Die beiden Finger gaben die Kraft für die dritte Linie frei, und schließlich übte nur der Mittelfinger Kraft aus, um die vierte Linie zu zeichnen.

Das Ergebnis des Federzeichnungstests zeigte, dass der vorgeschlagene Sensor in der Lage war, die taktilen Kräfte auf die Fingerspitzen während dynamischer Manipulationsbewegungen zu messen. Wir wollten auch die Leistung unseres Sensors in einer Situation überprüfen, in der sich die Belastungsbedingungen allmählich änderten. Die Fingerspitzensensoren werden am Daumen und am Zeigefinger getragen, und der Träger hält einen leeren Wasserkrug, bis dieser mit Wasser gefüllt ist, und schüttet es dann aus, um den Krug wieder zu leeren, wie in Abb. 3f dargestellt.

Während der Aufgabe drückte der Daumen auf die Oberseite des Henkels der Kanne und die anderen vier Finger umschlossen den Henkel. Es ist zu beachten, dass bei dieser Manipulation mehrere Bereiche des Fingerhuts des Zeigefingers komprimiert wurden. Die Vorderseite und eine Seite der Fingerspitze berührten den Griff, um die Kanne zu halten, während die andere Seite vom Mittelfinger zusammengedrückt wurde. Daher gaben die meisten Sensormodule (1, 2, 3 und 5) die Ausgänge für den Zeigefinger aus, während nur die Module 3 und 4 Reaktionen für den Daumen zeigten (Abb. 3g). Die Ausgangsspannungen stiegen, wenn Wasser in die Kanne gegossen wurde. Die Ausgangssignale schwankten dann, wenn der Träger die Kanne zum Entleeren des Wassers kippte, und schließlich verringerte sich die Ausgangsleistung beim Ausgießen des Wassers.

Die letzte Aufgabe ist die Manipulation mit konzentrierter Kraft mit der Fingerspitze. In diesem Experiment führte der Träger die Aufgabe aus, eine Flasche mit Spenderverschluss zu pumpen, indem er mit dem Zeigefinger auf den Druckverschluss drückte, um die Flüssigkeit herauszupumpen, während er die Flasche mit dem Daumen und den anderen Fingern derselben Hand festhielt, wie gezeigt in Abb. 3h. Die Sensoren befanden sich am Zeigefinger und am Daumen.

Die Sensorausgabe des Zeigefingers nahm während der Pumpbewegung linear zu (Abb. 3i). Als das Pumpen endete, stieg der Sensorausgang nicht mehr an und schwankte stattdessen aufgrund der kontinuierlich vom Träger ausgeübten Kraft. Es wurde beobachtet, dass sich die Hauptkontaktstelle am Zeigefinger während zwei Pumpvorgängen von Modul 3 zu Modul 4 bewegte. Die Signale des Daumensensors waren bei beiden Experimenten konsistenter als die des Zeigefingersensors.

Ein weiterer Anwendungsbereich bei Wearables, in dem das vorgeschlagene Sensorsystem äußerst nützlich ist, ist die Fußdruckmessung in Form einer Einlegesohle. Ein menschlicher Körper wird während der Fortbewegung von Sohlen gestützt, und die Messung der Druckverteilung über einer Sohle spiegelt die Bewegung des Schwerpunkts (COG) wider, die für verschiedene biomechanische Anwendungen, wie etwa die Analyse von Gangmustern, die Schätzung der Gangphase und den Gang, von entscheidender Bedeutung ist Hilfe53,54,55. Einlegesohlen sind im Allgemeinen kontinuierlichen und wiederholten Belastungen ausgesetzt und erfordern physische Robustheit, wenn Elektronik eingebettet ist. Daher ist die Reduzierung der Anzahl der Signalleitungen bei dieser Anwendung von großem Vorteil. Da die typische Geometrie einer Sohle aus einer komplizierten 3D-Struktur besteht, die sowohl aus konvexen als auch konkaven Bereichen besteht, ist die Herstellung des Einlegesohlensensors aus weichem Material vorteilhaft, da sich der Sensor natürlicher an die Sohle anpasst. Auch wenn man bedenkt, dass der Sensor in Lokomotiven eingesetzt wird, bei denen die Tragbarkeit des Geräts im Vordergrund stehen sollte, ist die Anwendung aufgrund der Tatsache, dass wir unser System mit einem kompakten Bediener ausgestattet haben, gut geeignet.

Die neun Sensormodule wurden individuell so konzipiert, dass sie den gesamten Druckbereich der Sohle abdecken. Auf den Sensormodulen wurden Elastomerpolster mit unterschiedlichen Formen angebracht, um die Drucksignale zu verstärken (Abb. 4a). Die Induktoren und Kondensatoren wurden im Bereich des medialen Bogens platziert, wo während der gesamten Gangperiode nur minimaler Druck ausgeübt wird, um unerwartete Signalstörungen zu verhindern (Abb. 4b). Nur zwei Signalkabel wurden durch die Ferse angeschlossen (Abb. 4c). Die Länge der prototypischen Sensoreinlegesohle betrug 280 mm. Die Prototypen wurden in die Schuhe gelegt und die Druckprofile beider Füße des Trägers wurden auf einem handelsüblichen Laufband gemessen, das mit einem Druckmessgurt ausgestattet war (Pressure Distribution Treadmills, Zebris Medical GmbH) (Abb. 4d).

a Unter- und Draufsicht des Einlegesohlensensors mit den Modulnummern und den Abmessungen. b Versuchsaufbau für den Einlegesohlensensor bestehend aus einem handelsüblichen Laufband und einem Überwachungssystem. c Nahaufnahme der Elektronik im Einlegesohlensensor. d Schuhe, die für das Experiment mit den Einlegesohlensensoren ausgestattet sind. e Einlegesohlensensordaten, die während eines Gangzyklus erfasst werden. f Visualisierung der durch den Drucksensorgurt im Laufband gemessenen Druckverteilung und g die entsprechende visuelle Darstellung der gemessenen Druckverläufe durch den Einlegesohlensensor zum Vergleich.

Abbildung 4e zeigt die Sensordaten während eines einzelnen Gangzyklus, die die Bewegung des COG in jedem Fußbereich von hinten nach vorne darstellen, und sie wurden im 3D-Raum visualisiert, wie in Abb. 4g dargestellt. Abbildung 4f zeigt zum Vergleich die vom Laufband gemessenen Referenzdruckprofile. Die Einlegesohlendaten zeigten eine angemessene Übereinstimmung mit den vom Laufband erfassten Druckprofilen.

Ein Konzept für Soft-Sensor-Arrays mit einer äußerst einfachen Hardwarekonfiguration wurde vorgeschlagen und demonstriert. Das vorgeschlagene System nutzt einzigartige Frequenzen, die den Sensormodulen individuell zugewiesen werden, um die entsprechenden Sensorausgänge über eine einzige gemeinsame Signalleitung zu erfassen. Jedes Sensormodul ist mit einem BPF ausgestattet, der aus einer Induktivität, einem Kondensator und einem variablen Widerstand besteht, der aus einem Mikrofluidikkanal besteht, der mit flüssigem Metall bei Raumtemperatur gefüllt ist. Alle diese Komponenten sind in kompakten Formfaktoren in einer hochverformbaren Elastomerplatte eingebettet, die das gesamte Sensorarray weich macht. Die Widerstandsänderung in jedem Modul spiegelt sich in der Amplitude der Sinuswelle wider, die durch den BPF läuft. Die Gestaltung des Eingangssignals als Verbindung der Wellen mit mehreren Frequenzen ermöglicht die gleichzeitige Erfassung mehrerer Module ohne Beeinträchtigung der Abtastgeschwindigkeit. Das vorgeschlagene System empfängt die gesamten Sensorinformationen in Echtzeit im Frequenzbereich, anstatt alle Module durch elektrische oder mechanische Schaltung zu durchsuchen, wodurch die Abtastrate nicht von der Anzahl der Sensormodule beeinflusst wird und nur von der Leistung des Prozessors abhängt und der Berechnungsalgorithmus. Wir haben in unserem System unabhängig von der Anzahl der Module eine Abtastrate von 725 Hz erreicht, die durch eine Verbesserung des Algorithmus oder eine Erhöhung der Rechenleistung voraussichtlich noch weiter gesteigert werden kann. Darüber hinaus verwendet das vorgeschlagene System immer nur zwei Signalleitungen, wodurch die physische Konfiguration unabhängig von der Anzahl der Sensormodule äußerst einfach wird.

Das vorgeschlagene System wurde für praktische Anwendungen in Form tragbarer Sensorgeräte getestet, wobei die Vorteile der physikalischen Konformität zusammen mit der einfachen Hardwarekonfiguration genutzt wurden. Das erste Anwendungsbeispiel war ein Fingerspitzensensor zur Schätzung der Kraftprofile, die bei verschiedenen geschickten Manipulationsaufgaben mit unterschiedlichen Objekten auf die Fingerspitzen ausgeübt werden, etwa beim Zeichnen mit einem Stift, beim Eingießen von Wasser und beim Pumpen einer Flasche mit Spenderverschluss. Im zweiten Beispiel konnten wir die Verfolgung der dynamischen Fußdruckprofile beider Füße während eines Gangzyklus demonstrieren. Es gibt aktive Forschung zur Vorhersage und Schätzung des Status physischer Interaktionen zwischen Menschen und Robotern/Maschinen für Anwendungen in den Bereichen Robotik, Haptik, Fernsteuerung, Rehabilitation, erweiterte oder virtuelle Realität. Wir glauben, dass diese Studie einen Raum in diesen Bereichen eröffnen wird, indem sie ein innovatives Schema zur Nutzung einer Reihe von Sensoren mit einer deutlich vereinfachten Hardwarekonfiguration bietet.

Abbildung 5b zeigt die Gesamtarchitektur des Sensorsystems. Der wichtigste Faktor für die Erzielung einer Multi-Touch-Erkennung ist die Unabhängigkeit jedes BPF. In diesem Abschnitt wird das praktische Schema zur Abschätzung der Leistung der Spezifikationen für die Induktivitäten und Kondensatoren vorgestellt. Um Übersprechen zwischen BPFs zu verhindern, sollte für jede Filterfrequenz die Impedanz des entsprechenden BPFs minimiert werden, während die Impedanz der anderen BPFs relativ hoch bleibt, so dass die Menge des Stroms, der durch die anderen BPFs fließt, einigermaßen vernachlässigbar wird. Wenn ein Wechselstrom (AC) mit der Resonanzfrequenz durch einen BPF fließt, sollte die Impedanz des BPF im Idealfall dem Widerstand des Sensormoduls entsprechen. Tatsächlich gibt es jedoch parasitäre Reihenwiderstände in der Induktivität und im Kondensator, die die tatsächliche Impedanz erhöhen und sich negativ auf die Stromkonzentration auswirken. Daher ist es notwendig, Induktivitäten und Kondensatoren mit akzeptablen parasitären Widerständen auszuwählen.

ein Herstellungsprozess des vorgeschlagenen Sensorarrays. b Beschreibung der Sensorschaltung mit einem Datenverarbeitungsprotokoll. c Testaufbau zur Sensorcharakterisierung mit den Fotos der Eindringkörper, die für Single- und Multi-Touch-Sensing-Experimente verwendet werden.

Ein Induktor ist typischerweise eine Wicklung aus einem langen Draht, der einen bestimmten Widerstandswert aus dem Aspektverhältnis multipliziert mit dem spezifischen Widerstand des Materials mit sich bringt. Wenn jedoch ein Wechselstrom mit hoher Frequenz (~1 MHz) durch den Induktor fließt, erhöht sich der tatsächliche Widerstand aufgrund elektromagnetischer Verhaltensweisen, wie z. B. des Skin-Effekts, sogar. In diesem Fall ist der äquivalente Serienwiderstandswert (ESR) eine Funktion der Frequenz des an die Induktivität angelegten Stroms und variiert auch je nach Induktorprobe. Daher ist es schwierig, den ESR der Induktivität anhand der Spezifikationen genau abzuschätzen.

Durch die Verwendung des im Datenblatt des Induktors angegebenen Qualitätsfaktors (Q-Faktor) können wir jedoch den ESR des Induktors konservativ bewerten. Der Q-Faktor eines Induktors ist definiert als:

Dabei ist QL der Q-Faktor für den Induktor, L die Induktivität, RL der ESR des Induktors und ωM die Frequenz des Stroms, der zur Bewertung des Q-Faktors verwendet wird, der zusammen mit dem Q-Faktor im Datenblatt angegeben ist. Außerdem variiert der Wert des Q-Faktors je nach Stichprobe, und das Datenblatt gibt den Mindestwert des Q-Faktors an. Daher können wir den maximalen ESR-Wert des Induktors wie folgt schätzen:

Ebenso können die maximalen ESR-Werte der Kondensatoren wie folgt berechnet werden:

Schließlich können wir durch Addition der beiden Werte eine konservative Schätzung des parasitären Serienwiderstands der BPFs erhalten:

Anhand der Werte der parasitären ESRs der Elektroden können wir dann abschätzen, wie ausschließlich der Strom für jede Frequenz durch den BPF fließt. Die Resonanzfrequenz (oder die Filterfrequenz) des i-ten BPF kann wie folgt berechnet werden:

wobei ωi die Resonanzfrequenz des i-ten BPF ist, Li und Ci die Induktivität bzw. die Kapazität im i-ten BPF sind. Wenn dann die Stromkomponente mit der Frequenz ωi durch das j-te BPF fließt, wird die Impedanz des j-ten BPF wie folgt:

Dabei ist \(R_j^S\) der Widerstand des j-ten Sensormoduls, dessen Nennwert ohne äußere Kraft etwa 2 Ω beträgt und der bei Krafteinwirkung etwa 50 Ω des Maximalwerts anzeigt (siehe ergänzende Abbildung 5a). Hier kann ein neuer variabler Stromkonzentrationsfaktor (CCF) definiert werden, indem der maximale Sensorwiderstand für den i-ten BPF und die Ruhezustände für die anderen BPFs angenommen werden, um die Unterscheidung der BPFs wie folgt darzustellen:

Die CCFs sollten Werte zwischen 0 und 1 haben. Da das System aus BPFs besteht, deren CCF-Werte näher bei 1 liegen, zeigt das Sensorarray weniger Übersprechen zwischen den Sensormodulen und verbessert die Multitouch-Erkennungsleistung. Die numerische Schätzung der ESRs und CCFs für alle BPFs ist in der Ergänzungstabelle 1 dargestellt.

In der praktischen Umsetzung besteht eine funktionelle Grenze in der maximalen Frequenz, die das Bediengerät erzeugen kann (10 MHz). Daher ist es besser, so niedrige Frequenzbereiche wie möglich zu verwenden, um mehr Filter (d. h. mehr Sensormodule) unterzubringen, was einen hohen LC-Wert erfordert, wie in Gl. berechnet werden kann. (6). Eine hohe Induktivität oder Kapazität erhöht jedoch die Größe der Elektroden, was den Aufbau eines Systems mit einem kompakten Formfaktor erschwert. Unter Berücksichtigung der oben genannten Kompromisse wurden die Induktivitäts- und Kapazitätswerte wie in der Ergänzungstabelle 1 gezeigt eingestellt.

Die Impedanz des i-ten BPF bei Anlegen des entsprechenden Wellensignals kann in Gl. berechnet werden. (10), die wie folgt angenähert werden kann:

unter der Annahme, dass die Wechselstromimpedanz der Induktivität und des Kondensators vernachlässigbar ist. Die Ausgangsspannung der Schaltung spiegelt die Änderungen im Widerstand des EGaIn-Kanals wider, die durch die auf den Sensor ausgeübte Kontaktkraft verursacht werden56,57. Die Beziehung zwischen der Ausgangsspannung und der Widerstandsänderung des Sensormoduls kann wie folgt berechnet werden: (11)–(13). Die Widerstandsänderung gegenüber dem Anfangswert kann als Funktion der Änderung der Ausgangsspannung ausgedrückt werden (Gl. (13)), und ihr Zusammenhang ist in Abb. 2c mit roten Punkten dargestellt. Ein analoges elektronisches Simulationsprogramm (LT Spice, Analog Devices, Inc.) wurde verwendet, um die Eigenschaften der Schaltung zu bestätigen, bevor ein tatsächlicher Prototyp hergestellt wurde.

Abbildung 5a zeigt den Herstellungsprozess des Sensorarrays. Eine Mischung aus zwei Arten von Silikonelastomeren (Dragon Skin 30 und Ecoflex 30, Smooth-On) wurde auf ein flaches Substrat aufgeschleudert. Nach dem Aushärten wurden die EGaIn-Muster mit einem pneumatischen Flüssigkeitsspender (Super Sigma CM III, Musashi) für die Sensormodule und Verbindungen direkt auf das Substrat gedruckt. An jedem Anschluss des EGaIn-Musters wurde der Spender so programmiert, dass er einen Tropfen EGaIn erzeugt, um eine stabile Verbindung zur Elektronik einschließlich der Induktoren und Kondensatoren herzustellen. Um bei diesem Strukturierungsprozess eine hohe Ausbeute zu erreichen, wurde das Elastomer vorab weiß eingefärbt, was für ein gleichmäßiges Reflexionsvermögen für den Laser-Abstandssensor im Dosiersystem sorgt (Abb. 1d). Die EGaIn-Muster wurden mit einer Geschwindigkeit von 3 mm s−1 und einem Abstand der Düse von 0,2 mm gedruckt. Die Breite des EGaIn-Musters beträgt ~0,25 mm (Abb. 1d) und der Anfangswiderstand des EGaIn-Musters für jedes Sensormodul beträgt ~2 Ω. Auf dem Elastomersubstrat wurden oberflächenmontierte Induktivitäten (Serie Chip Coil LQH32NH, MURATA) und Kondensatoren (C0G (NP0) Dielectric, AVX) mit Ausrichtung auf die EGaIn-Muster platziert, nachdem leitfähiges Epoxidharz auf ihre Elektroden aufgetragen wurde (Abb. 5a). Dies löst nicht nur das Kontaktwiderstandsproblem zwischen EGaIn und den starren Elektroden, sondern trägt auch zu einer stabilen Positionierung bei, indem vor der Einkapselung der EGaIn-Muster und der Elektronik mit ungehärtetem Elastomer eine kleine Haftung hinzugefügt wird. Die Elastomermatrix härtet bei Raumtemperatur innerhalb eines Tages vollständig aus.

Die Eingangswellenform wurde von einem kommerziellen Bediengerät (Analog Discovery 2, Digilent) in Form einer Kombination von Sinuswellen mit 16 Resonanzfrequenzen in Ergänzungstabelle 1 mit einer Erzeugungsgeschwindigkeit von 10 MHz erzeugt. Die Amplituden aller Sinuswellen sind identisch und nach der Harmonisierung auf 2 V Spitze-Spitze eingestellt, um innerhalb der maximalen Amplitude zu bleiben, die das Bediengerät erzeugen kann. Die Spannung am 20-Ω-Referenzwiderstand wurde mit einer Abtastfrequenz erfasst, die mit der Erzeugungsgeschwindigkeit der Eingangswelle synchronisiert war. Für jeden Satz von 1024 Spannungsmessungen wurde eine FFT durchgeführt (Abb. 5b). Einschließlich der Berechnung zum Extrahieren der Amplituden für jede Filterfrequenz betrug die Abtastgeschwindigkeit zum Abtasten von 16 Abtastmodulen 725 Hz. Unter Verwendung von 1024 Datenpunkten für die FFT wurde die Amplitude mit 9,77-kHz-Schritten im Frequenzbereich berechnet, was zu <5,5 % des Frequenzfehlers der im vorgeschlagenen System verwendeten Filterfrequenzen führte. Der Betrieb des Systems erfolgte über einen maßgeschneiderten Python-Code bestehend aus der Schnittstellenbibliothek für das Bediengerät und einem FFT-Rechenverfahren. Die visuelle Präsentation wurde durch Verknüpfung des Codes mit einem Open-Source-3D-Rendering-Programm (Blender) erstellt.

Der Charakterisierungsaufbau wurde durch die Installation einer Wägezelle (RFT60-HA01, Robotous) auf einem motorisierten xyz-Tisch entworfen (Abb. 5c). Die Eindringkörper für Single-Touch- und Multi-Touch-Experimente wurden mit einem fotohärtenden Kunststoffmaterial (VeroBlack, Stratasys) 3D-gedruckt (Object 30, Stratasys). Die Form der Eindringkörperspitze wurde als Halbkugel mit einem Durchmesser von 5 mm entworfen, und der Eindringkörper für das Multi-Touch-Experiment wurde durch die Anordnung mehrerer Spitzen in einer 4 x 4-Anordnung mit der gleichen Größe wie der Sensorprototyp vorbereitet (Abb. 5c).

Durch Steuerung der Position des motorisierten Tisches wurde eine Normalkraft aufgebracht. Für das Single-Touch-Experiment wurde die Kraft in fünf verschiedenen Größen mit zwei Wiederholungen für jeden Kraftschritt bei einer Geschwindigkeit von 0,083 Hz ausgeübt, die durch die Geschwindigkeitsbegrenzung des motorisierten Tisches bestimmt wurde. Die Sensorreaktion für eine schnellere Ladegeschwindigkeit wurde auch mit einem benutzerdefinierten Aufbau untersucht und das Ergebnis ist in der ergänzenden Abbildung 6b dargestellt. Die Eingangskraft lag im Bereich von 15–20 N und die Kraft variierte je nach Probe, da jedes Sensormodul eine unterschiedliche mikroskopische Geometrie aufweist.

Die Belastungsgeschwindigkeit wurde im Multi-Touch-Experiment reduziert (0,047 Hz), da eine höhere Kraft (200 N) auf die Wägezelle ausgeübt werden musste. Die auf die einzelnen Module ausgeübte Kraft wurde berechnet, indem die Kraftmessung durch die Anzahl der Sensormodule dividiert wurde. Der Widerstand in Abb. 2g wurde gemessen, indem die Drähte über dem Sensormodul 3 direkt mit einem Digitalmultimeter (Fluke 8846A, Fluke Corp.) abgetastet wurden.

Alle relevanten Daten, die die Ergebnisse dieser Studie stützen, sind auf begründete Anfrage bei den Autoren erhältlich.

Alle relevanten Codes, die die Ergebnisse dieser Studie stützen, sind auf begründete Anfrage bei den Autoren erhältlich.

Park, Y.-L., Chen, B.-R. & Wood, RJ Design und Herstellung weicher künstlicher Haut unter Verwendung eingebetteter Mikrokanäle und flüssiger Leiter. IEEE Sens. J. 12, 2711–2718 (2012).

Artikel CAS Google Scholar

Kim, D.-H. et al. Epidermale Elektronik. Wissenschaft 333, 838–843 (2011).

Artikel CAS Google Scholar

Xu, S. et al. A. Weiche mikrofluidische Baugruppen aus Sensoren, Schaltkreisen und Funkgeräten für die Haut. Wissenschaft 344, 70–74 (2014).

Artikel CAS Google Scholar

Yeo, W.-H. et al. Multifunktionale epidermale Elektronik, direkt auf die Haut gedruckt. Adv. Mater. 25, 2773–2778 (2013).

Artikel CAS Google Scholar

Kim, C.-C., Lee, H.-H., Oh, KH & Sun, J.-Y. Hoch dehnbares, transparentes ionisches Touchpanel. Wissenschaft 353, 682–687 (2016).

Artikel CAS Google Scholar

Wang, X., Gu, Y., Xiong, Z., Cui, Z. & Zhang, T. Seidengeformte, flexible, ultraempfindliche und hochstabile elektronische Haut zur Überwachung menschlicher physiologischer Signale. Adv. Mater. 26, 1336–1342 (2014).

Artikel CAS Google Scholar

Varnava, C. Elektronische Skins mit Potenzialunterschied. Nat. Elektron. 3, 439–439 (2020).

Artikel Google Scholar

Lim, S. et al. Transparente und dehnbare interaktive Mensch-Maschine-Schnittstelle basierend auf strukturierten Graphen-Heterostrukturen. Adv. Funktion. Mater. 25, 375–383 (2015).

Artikel CAS Google Scholar

Kim, K. et al. Vollständig bedruckter, dehnbarer Hornhautsensor auf weichen Kontaktlinsen für die nichtinvasive und schmerzlose Elektrodiagnostik des Auges. Nat. Komm. 12, 1544 (2021).

Artikel CAS Google Scholar

Park, W., Ro, K., Kim, S. & Bae, J. Ein auf weichen Sensoren basierendes dreidimensionales (3-D) Fingerbewegungsmesssystem. Sensoren 17, 420 (2017).

Artikel Google Scholar

Zhou, Z. et al. Gebärden-zu-Sprache-Übersetzung mithilfe von maschinellem Lernen unterstützten dehnbaren Sensorarrays. Nat. Elektron. 3, 571–578 (2020).

Artikel Google Scholar

Niu, S. et al. Ein drahtloses Körperbereichssensornetzwerk basierend auf dehnbaren passiven Tags. Nat. Elektron. 2, 361–368 (2019).

Artikel Google Scholar

Bianchi, M. et al. Ein multimodaler Sensorhandschuh für Studien zur menschlichen manuellen Interaktion. Elektronik 5, 42 (2016).

Artikel Google Scholar

Gerratt, AP, Michaud, HO & Lacour, SP Elastomere elektronische Haut für prothetisches Tastempfinden. Adv. Funktion. Mater. 25, 2287–2295 (2015).

Artikel CAS Google Scholar

Xie, Z. et al. Ein propriozeptiver weicher Tentakelgreifer, der auf quer dehnbaren Sensros basiert. IEEE/ASME Trans. Mechatron. 25, 1841–1850 (2020).

Artikel Google Scholar

Hitzmann, A., Wang, Y., Kessler, T. & Hosoda, K. Verwendung leitfähiger Stoffe als Inflationssensoren für pneumatische künstliche Muskeln. Adv. Roboter 35, 995–1011 (2021).

Artikel Google Scholar

Wirthl, D. et al. Sofortige, robuste Verklebung von Hydrogelen für weiche Maschinen und Elektronik. Wissenschaft. Adv. 3, e1700053 (2017).

Artikel CAS Google Scholar

Kim, H.-K., Lee, S. & Yun, K.-S. Kapazitives taktiles Sensorarray für Touchscreen-Anwendungen. Sens. Aktoren A Phys. 165, 2–7 (2011).

Artikel CAS Google Scholar

Sundaram, S. et al. Erlernen der Signaturen des menschlichen Griffs mithilfe eines skalierbaren Tasthandschuhs. Natur 569, 698–702 (2019).

Artikel CAS Google Scholar

Wang, S. et al. Skin-Elektronik durch skalierbare Herstellung eines intrinsisch dehnbaren Transistor-Arrays. Natur 555, 83–88 (2018).

Artikel CAS Google Scholar

Choi, C. et al. Vom menschlichen Auge inspiriertes weiches optoelektronisches Gerät mit hochdichtem gekrümmtem MoS2-Graphen-Bildsensorarray. Nat. Komm. 8, 1–11 (2017).

Artikel CAS Google Scholar

Mannsfeld, SC et al. Hochempfindliche flexible Drucksensoren mit mikrostrukturierten dielektrischen Gummischichten. Nat. Mater. 9, 859–864 (2010).

Artikel CAS Google Scholar

Hua, Q. et al. Von der Haut inspirierte, hoch dehnbare und anpassungsfähige Matrixnetzwerke für multifunktionale Wahrnehmung. Nat. Komm. 9, 1–11 (2018).

Artikel CAS Google Scholar

Liu, M. et al. Großflächige, volltextile Drucksensoren zur Überwachung menschlicher Bewegungen und physiologischer Signale. Adv. Mater. 29, 1703700 (2017).

Artikel CAS Google Scholar

Dhakar, L. et al. Groß angelegter triboelektrischer Nanogenerator und autarkes Drucksensor-Array mit kostengünstiger Rolle-zu-Rolle-UV-Prägung. Wissenschaft. Rep. 6, 1–10 (2016).

Artikel CAS Google Scholar

Song, J.-K. et al. Tragbares Kraft-Berührungssensor-Array mit einer flexiblen und transparenten Elektrode. Adv. Funktion. Mater. 27, 1605286 (2017).

Artikel CAS Google Scholar

Ren, X. et al. Ein flexibles Aktivmatrix-Temperatursensor-Array aus organischen Transistoren mit geringem Betriebsstrom. Adv. Mater. 28, 4832–4838 (2016).

Artikel CAS Google Scholar

Hammond, FL, Mengüç, Y. & Wood, RJ Auf dem Weg zu einem modularen, weichen, sensorintegrierten Handschuh für die Messung menschlicher Handbewegungen und taktilen Drucks. Im Jahr 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 4000–4007 (2014).

Kim, T., Yoon, SJ & Park, Y.-L. Weiche, aufblasbare Sensormodule für sichere und interaktive Roboter. IEEE-Roboter. Autom. Lette. 3, 3216–3223 (2018).

Artikel Google Scholar

Gao, W. et al. Vollständig integrierte tragbare Sensorarrays für die Multiplex-In-situ-Schweißanalyse. Natur 529, 509–514 (2016).

Artikel CAS Google Scholar

Chossat, J.-B., Tao, Y., Duchaine, V. & Park, Y.-L. Tragbare weiche künstliche Haut zur Handbewegungserkennung mit eingebetteter mikrofluidischer Dehnungserkennung. Im Jahr 2015 IEEE International Conference on Robotics and Automation (ICRA), 2568–2573 (2015).

Kramer, RK, Majidi, C. & Wood, RJ Tragbare taktile Tastatur mit dehnbarer Kunsthaut. Im Jahr 2011 IEEE InternationalConference on Robotics and Automation (ICRA), 1103–1107 (2011).

Lipomi, DJ et al. Hautähnliche Druck- und Dehnungssensoren auf Basis transparenter elastischer Filme aus Kohlenstoffnanoröhren. Nat. Nanotechnologie. 6, 788–792 (2011).

Artikel CAS Google Scholar

Kim, D. & Park, Y.-L. Kontaktlokalisierung und Kraftschätzung weicher taktiler Sensoren mithilfe künstlicher Intelligenz. Im Jahr 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 7480–7485 (2018).

Han, S., Kim, T., Kim, D., Park, Y.-L. & Jo, S. Einsatz von Deep Learning zur Charakterisierung mikrofluidischer Softsensoren. IEEE-Roboter. Autom. Lette. 3, 873–880 (2018).

Artikel Google Scholar

Ziemer, RE & Tranter, WH Kommunikationsprinzipien (John Wiley & Sons, 2014).

Park, Y.-L., Majidi, C., Kramer, R., Bérard, P. & Wood, RJ Hyperelastische Druckmessung mit einem in Flüssigkeit eingebetteten Delastomer. J. Mikromech. Mikroeng. 20, 125029 (2010).

Artikel CAS Google Scholar

Leber, A. et al. Weiche und dehnbare Flüssigmetall-Übertragungsleitungen als verteilte Sonden multimodaler Verformungen. Nat. Elektron. 3, 316–326 (2020).

Artikel Google Scholar

Yeo, JC, Yu, J., Loh, KP, Wang, Z. & Lim, CT Dreistufiger flüssigkeitsbasierter mikrofluidischer taktiler Sensor mit hoher Flexibilität, Haltbarkeit und Empfindlichkeit. ACS Sens 1, 543–551 (2016).

Artikel CAS Google Scholar

Chossat, J.-B., Park, Y.-L., Wood, RJ & Duchaine, V. Ein weicher Dehnungssensor basierend auf ionischen und metallischen Flüssigkeiten. IEEE Sens. J. 13, 3405–3414 (2013).

Artikel CAS Google Scholar

Ota, H. et al. Hochverformbare Flüssigkörper-Heterojunction-Sensoren. Nat. Komm. 5, 1–9 (2014).

Artikel Google Scholar

Wang, B., Long, J. & Teo, KH Mehrkanalige kapazitive Sensorarrays. Sensoren 16, 150 (2016).

Artikel Google Scholar

Lanting, T. et al. Frequenzbereichsmultiplex-Auslesung von Übergangskanten-Sensorarrays mit einem supraleitenden Quanteninterferenzgerät. Appl. Physik. Lette. 86, 112511 (2005).

Artikel CAS Google Scholar

Shin, G., Jeon, B. & Park, Y.-L. Direkter Druck von Flüssigmetallmustern unter 30 µm auf dreidimensionale Oberflächen für dehnbare Elektronik. J. Mikromech. Mikroeng. 30, 034001 (2020).

Artikel CAS Google Scholar

Shintake, J., Piskarev, Y., Jeong, SH & Floreano, D. Ultradehnbare Dehnungssensoren unter Verwendung von mit Ruß gefüllten Elastomerkompositen und Vergleich von kapazitiven und resistiven Sensoren. Adv. Mater. 3, 1700284 (2018).

CAS Google Scholar

Jo, HS et al. Tragbarer, dehnbarer, transparenter All-in-One-Softsensor aus mit Überschall besprühten Silbernanodrähten. ACS-Appl. Mater. Schnittstellen 11, 40232–40242 (2019).

Artikel CAS Google Scholar

Mengüç, Y. et al. Tragbarer Soft-Sensing-Anzug zur Messung des menschlichen Gangs. Int. J. Roboter. Res. 33, 1748–1764 (2014).

Artikel Google Scholar

Kenry, Yeo, JC & Lim, CT Neue flexible und tragbare physikalische Sensorplattformen für das Gesundheitswesen und biomedizinische Anwendungen. Mikrosystem. Nanoeng. 2, 1–19 (2016).

Artikel CAS Google Scholar

Trung, TQ & Lee, N.-E. Flexible und dehnbare Plattformen mit integrierten physischen Sensoren für die tragbare Überwachung menschlicher Aktivitäten und die persönliche Gesundheitsfürsorge. Adv. Mater. 28, 4338–4372 (2016).

Artikel CAS Google Scholar

van den Brand, J. et al. Flexible und dehnbare Elektronik für tragbare Gesundheitsgeräte. Festkörperelektron. Lette. 113, 116–120 (2015).

Artikel CAS Google Scholar

Battaglia, E., Grioli, G., Catalano, MG, Santello, M. & Bicchi, A. Thimblesense: ein individuell tragbarer Tastsensor für experimentelle Griffstudien. Im Jahr 2014 IEEE International Conference on Robotics and Automation (ICRA) 2728–2735 (2014).

Ferre, M., Galiana, I. & Aracil, R. Entwurf eines leichten, kostengünstigen fingerhutartigen Sensors für haptische Anwendungen auf Basis von Kontaktkraftsensoren. Sensoren 11, 11495–11509 (2011).

Artikel Google Scholar

Tao, W., Liu, T., Zheng, R. & Feng, H. Ganganalyse mit tragbaren Sensoren. Sensoren 12, 2255–2283 (2012).

Artikel Google Scholar

Crea, S., Donati, M., De Rossi, SMM, Oddo, CM & Vitiello, N. Eine kabellose, flexible sensorisierte Einlegesohle für die Ganganalyse. Sensoren 14, 1073–1093 (2014).

Artikel CAS Google Scholar

Kim, D., Kim, M., Kwon, J., Park, Y.-L. & Jo, S. Halbüberwachte Gangerzeugung mit zwei mikrofluidischen Softsensoren. IEEE-Roboter. Autom. Lette. 4, 2501–2507 (2019).

Artikel Google Scholar

Park, Y.-L., Tepayotl-Ramirez, D., Wood, RJ & Majidi, C. Einfluss der Querschnittsgeometrie auf die Empfindlichkeit und Hysterese elektronischer Flüssigphasen-Drucksensoren. Appl. Physik. Lette. 101, 191904 (2012).

Artikel CAS Google Scholar

Overvelde, JT et al. Mechanische und elektrische numerische Analyse der Analyse weicher, in Flüssigkeit eingebetteter Verformungssensoren. Extrem Mech. Lette. 1, 42–46 (2014).

Artikel Google Scholar

Referenzen herunterladen

Diese Arbeit wurde teilweise von der National Research Foundation (NRF) (Grant-Nr.: NRF-2016R1A5A1938472) und dem Institute of Information & Communications Technology Planning & Evaluation (IITP) (Grant-Nr.: 2021-0-00896) unterstützt der koreanischen Regierung (MSIT) und teilweise durch das Technology Innovation Program (Grant-Nr.: 20008912), das ebenfalls von der koreanischen Regierung (MOTIE) finanziert wird.

Diese Autoren haben gleichermaßen beigetragen: Junhyung Kim, Suhan Kim.

Abteilung für Maschinenbau, Institut für fortgeschrittene Maschinen und Design, Institut für Ingenieurforschung, Seoul National University, Seoul, 08826, Republik Korea

Junhyung Kim & Yong-Lae Park

Fakultät für Elektrotechnik und Informatik, Forschungslabor für Elektronik, Massachusetts Institute of Technology, 77 Massachusetts Avenue, Cambridge, MA, 02139, USA

Suhan Kim

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

SK schlug die Grundidee des Systems vor. JK hat das System implementiert. JK und SK konzipierten die Experimente und gestalteten die Anwendungen. JK führte die Experimente durch und sammelte die Daten. JK und SK analysierten die Daten. Alle Autoren haben die Arbeit verfasst. SK erstellte die Zahlen. YLP leitete die Gesamtrecherche, lieferte die intellektuelle und technische Anleitung und organisierte und verfasste das Manuskript. Alle Autoren diskutierten die Ergebnisse und kommentierten das Manuskript.

Korrespondenz mit Yong-Lae Park.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Kim, J., Kim, S. & Park, YL. Multi-Touch-Softsensorsysteme mit einem Eingang und einem Ausgang unter Verwendung von Bandpassfiltern. npj Flex Electron 6, 65 (2022). https://doi.org/10.1038/s41528-022-00201-8

Zitat herunterladen

Eingegangen: 27. Dezember 2021

Angenommen: 15. Juli 2022

Veröffentlicht: 29. Juli 2022

DOI: https://doi.org/10.1038/s41528-022-00201-8

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt