日常生活中一些常見的危險駕駛行為(疲勞駕駛、打電話等)往往是導致大量交通事故發(fā)生的“罪魁禍首”。研究人員已提出了各種方法來監(jiān)測駕駛員的狀態(tài),但傳統(tǒng)檢測方法仍存在一些弊端,如難以在所有價格汽車中推廣、存在外部因素干擾、檢測精度低、電池壽命有限、可穿戴性不足和對環(huán)境造成負擔等。
作為一種新型綠色能源采集裝置,摩擦納米發(fā)電機(TENG)由于其成本低、制備簡單、材料選擇多樣等優(yōu)點,已被廣泛應用到交通領域以提高道路安全性。研究者們提出了通過監(jiān)測汽車速度、方向盤轉動以及駕駛員眼睛、嘴巴的肌肉運動等來檢測駕駛員狀態(tài)的方法。但目前這些方法仍然存在一系列問題,比如仍容易受到外部因素干擾、影響駕駛舒適度、可穿戴性不足、對人體或環(huán)境有害等。因此,有必要進一步提升駕駛員狀態(tài)監(jiān)測領域中摩擦電傳感器的性能。
近日,西南大學電子信息工程學院陳斌副教授團隊提出了一種基于NaCl/PVA水凝膠的綠色可拉伸摩擦電傳感器(NH-TES)。通過在PVA水凝膠中摻雜氯化鈉溶液,傳感器的靈敏度、輸出電壓和電流分別提高了約10.57、9.89和9.52倍。基于自然沉積的原理,利用犧牲模板在兩薄膜之間制備了接觸曲面,使傳感器的靈敏度、輸出電壓和電流又分別提高了約3.82、4.14和2.79倍。另外,團隊還探究了不同厚度水凝膠薄膜、不同施力頻率、外界環(huán)境不同濕度和溫度以及長時間工作對傳感器性能的影響。最終制備得到的傳感器在0-11.28和11.28-56.63 kPa的范圍內分別具有1.95和0.5 V/kPa的高靈敏度。不僅如此,該傳感器具有良好的耐久性和穩(wěn)定性,在較為極端的環(huán)境下仍具有良好的傳感性能。接下來,團隊利用多個NH-TES構成傳感陣列并結合機器學習算法開發(fā)了一種智能頸環(huán)用于識別多種不同的頸部運動,其最高分類準確率達到96.10%。不僅如此,團隊還基于該智能頸環(huán)設計了一個駕駛員多維信息監(jiān)測系統(tǒng)。通過實時監(jiān)測駕駛員的頸部運動和胸部呼吸,該監(jiān)測系統(tǒng)可以獲得關于駕駛員狀態(tài)的大量信息。結合智能算法提取相關參數后,該系統(tǒng)可以對駕駛員的疲勞程度、注意力集中水平以及健康情況進行實時判斷。最終,該團隊設計了一個界面用于詳細顯示駕駛員頸部運動和胸部呼吸信號、提取的相關參數值以及駕駛員的實時狀態(tài)。綜上,該系統(tǒng)可以檢測危險駕駛行為,監(jiān)測駕駛員的健康狀況并提供適當的提醒,以提高駕駛安全并在一定程度防止公共場所病毒傳播。這項工作對駕駛員狀態(tài)監(jiān)測的進一步發(fā)展具有重要意義,也展現了TENG在智能交通領域的巨大潛力。研究成果以“Wearable and self-powered triboelectric sensors based on NaCl/PVA hydrogel for driver multidimensional information monitoring”為題發(fā)表于《Nano Energy》上。該成果的第一作者為西南大學電子信息工程學院碩士研究生羅方苑。
工作亮點:
2) 通過在水凝膠內部引入適量氯化鈉溶液以及在薄膜表面構造多孔微結構,傳感器的性能分別提高了約9.99和3.58倍。
3) 結合機器學習算法,利用本次提出傳感器構造的智能頸環(huán)實現了對不同人體頸部運動的高精度識別。
4) 基于該智能頸環(huán)構建了一個駕駛員多維信息監(jiān)測系統(tǒng),該系統(tǒng)提供了包括駕駛員的疲勞程度(五個級別)、注意力集中水平(五個等級)和健康狀況(兩個級別)在內的詳細檢測結果以及適當提醒。
圖1
圖2
圖3
圖3展示了所提出傳感器的系列常規(guī)性能測試結果。包括:(a) 傳感器在0-60 kPa壓力范圍內的輸出電壓,以及在不同壓力點下對應的 (b) 輸出電壓波形和 (c) 電流波形。傳感器的 (d) 輸出電壓波形和 (e) 輸出電流波形與頻率的關系。(f) 傳感器的電壓響應與濕度的關系。(g) 傳感器的響應時間和恢復時間。(h) 傳感器的最小檢測極限。(i) 傳感器在四個小時周期性壓力下的輸出電壓脈沖。(j) 傳感器在七天內的輸出電壓脈沖。(k) 傳感器的電壓響應與溫度的關系。(l) 傳感器的輸出電流和電壓與外部負載電阻的關系。
圖4
結合機器學習算法,基于該傳感陣列構造的智能頸環(huán)可以有效識別人體不同的頸部運動,具體流程和相關結果如圖4所示。(a)智能頸環(huán)監(jiān)測人體不同頸部運動的具體流程。智能頸環(huán)在人體 (b) 說話、(c) 轉頭和 (d) 咳嗽狀態(tài)下的輸出電壓波形。 (e) 智能頸環(huán)對不同頸部運動進行分類的過程。用于頸部運動分類的 (f) KNN、(g) SVM和 (h) CNN算法的混淆矩陣。
圖5
圖5 展示了基于智能頸環(huán)構建的駕駛員多維信息監(jiān)測系統(tǒng)。(a) 駕駛員多維信息監(jiān)測系統(tǒng)的流程圖。(b) 駕駛員注意力集中程度和健康狀況的評價標準。
原文鏈接:https://www.sciencedirect.com/science/article/abs/pii/S2211285523008728
- 哈佛大學鎖志剛教授團隊 Nat. Commun.:彈且韌的物理結構域交聯超長鏈水凝膠 2025-05-23
- 西南林大杜官本教授、楊龍研究員團隊 JB&B:利用竹纖維素基碳納米材料抑制裂紋擴展制備具有粘附性能的超強超韌水凝膠 2025-05-23
- 東華大學熊佳慶/周欣然 Adv. Mater.:光熱響應氣凝膠-水凝膠二元仿生體系實現全天候水伏發(fā)電 2025-05-21
- 東南大學管英士教授課題組 ACS Nano:橡膠態(tài)可拉伸垂直結構光電探測器 2025-05-11
- 廈大廖新勤 AFM 后又發(fā) AM : 章魚觸手啟發(fā)的邊緣智能觸摸意圖識別的傳感器內自適應積分 2025-05-03
- 武大陳朝吉/余樂、武工大諶偉民 AFM:鐵-纖維素羧基配位化學耦合多功能聚合物凝膠電解質助力耐受極端環(huán)境水系鋅離子電池 2025-04-16
- 納米能源所陳翔宇研究員團隊 Nat. Commun.:含水梯度多孔彈性體突破摩擦電傳感器線性區(qū)間極限 2024-12-10