压力传感器可以将压力刺激转化为电信号，在健康监、智能机器人和人机交互方面具有各种有前景的应用。硅基压阻式压力传感器因其高耐用性、低能耗和批量制造能力而得到了很好的研究和广泛的商业产品应用。尽管在开发高性能压阻式压力传感器方面取得了重大进展，但灵敏度和线性范围之间的权衡仍然是一个巨大的挑战，并影响了传感精度。具体而言，压阻式压力传感器的灵敏度直接由压敏电阻中的应力决定，传统设计使用特殊的梁或岛结构来放大变形，但它们也加剧了气球效应（即膜中轴向应力的增加），这会显著降低线性度。此外，大变形会引起晶界摩擦、位错和缺陷的传播，从而在非弹性势中耗散大量能量，导致线性度降低。
在自然界中，生物体已经进化出卓越的感知能力，具有非凡的感知能力来适应复杂和恶劣的生活环境，这为人工传感系统的发展提供了灵感。蝎子的视力逐渐衰退，已经进化出一种高精度的机械感测系统，该系统由毛足虫感器组成，用于感知气流的变化，并由狭缝感器检测地面的振动。蝎子毛状体感器的特征是长而细的毛干。毛孢菌感器的根表现出由于局部增生而形成的爪状结构，爪尖直接接触神经末梢突触末端的受体。与传统的毛发状机械感受器相比，爪状根部结构有效地抑制了感觉膜的偏转位移，从而使蝎子能够以高度线性的方式感知压力信号。另一方面，狭缝感器由12个在外骨骼平面向外辐射的狭缝以及位于狭缝尖端下方的机械感觉神经元组成。当振动信号刺激狭缝感受器时，狭缝有效地促进了分散的机械能的会聚，类似于蝎子如何构建应力陷阱（ST）来捕获应力。相应的神经元将机械能转化为膜电位。此外，压力集中区和神经元感受野之间的高度重叠，即所谓的“空间原理”，也显著增强了蝎子感知周围环境振动的敏感性。因此，蝎子的爪状结构和狭缝结构使其能够实现卓越的感知精度，有助于其熟练地捕捉猎物和躲避捕食者。一般来说，传感器受到外部刺激的刺激，这些刺激会激发敏感元件产生电信号。然而，激活敏感元件所需的能量通常不足，敏感元件中的内摩擦降低了弹性势能，导致灵敏度和线性度降低。
本文亮点
1. 本工作受蝎子高精度机械传感机制的启发，报道了一种仿生压阻式压力传感器（BPPS），在0至500千帕的压力范围内，其灵敏度和线性度分别在65.56毫伏/伏/千帕和0.99934下协同增强。
2. 通过整合小波变换算法和ResNet18深度学习网络，BPPS可以区分层流、过渡流和湍流，并识别不同形状的接近物体，准确率超过85.42%。
3. 作为概念验证，BPPS已被设计在六足机器人中，以实现近体流场传感，从而主动避免碰撞。
图文解析
图1. 受蝎子机械感受器启发的高精度压力传感器。
（A） 蝎子的体感系统。（i）毛孢霉感器。（ii）狭缝感器。（iii）H.petersi蝎。比例尺，1 cm。（B）BPPS结构和（C）BPPS数字图像和仿生应力陷阱（正面）和挠曲抑制单元（背面）的SEM图像。比例尺，100 μm；100 μm；这些图中的电阻器：Rx（x=i，d，T）。i，增加；d，减少；T，温度。（D）传感原理。当外部刺激在传感膜上产生压差时，BPPS将输出相应的电压。（E）BPPS在多个物理量上表现出通用的检测能力，如压力、气流和海拔高度。
图2. 蝎子机械传感机制的启示和仿真优化。
（A） 狭缝感器的放大图。图中的白色区域是狭缝感器位点。（B）应力陷阱分布在狭缝感器的尖端。（C）应力陷阱区域和其他区域之间的归一化von mises应力比较。（D）DIC结果。变形用Hencky应变绘制。（E）三维μ-CT重建毛孢菌感器结构。爪状结构是毛足虫的末端，直接接触神经末梢突触末端的受体。（F）1.026升/分钟气流下毛孢霉感器的电生理反应。（G）EAG振幅对气流的依赖性（0.700至1.050升/分钟）及其线性拟合曲线。（H）Ri和Rd在设计A至E中处于最佳位置时的平均应力。（I）在1 kPa的恒定压力下，传感膜的有限元应变云图。（J）将y设置为3000 mm的膜的弯曲挠度。设计E中的最大挠度位移显著降低。（K）设计A至E中灵敏度和线性的可视化。
图3. BPPS的特征。
（A） BPPS在静压（0至500kPa）下的响应曲线及其线性拟合曲线。（B）实验曲线与截距为0的线性拟合曲线之间的非线性误差。（C）BPPS对三种不同输入振动波形（1 Hz）的识别意味着其能够识别不同的振动信号。（D）BPPS在1-Hz半方波脉冲下的响应速度。（E）BPPS在重复1-Hz半三角波脉冲下超过20000次循环的疲劳试验结果和用于生存预测的峰值拟合曲线。（F）BPPS电阻值的一致性。随机选择的16个BPPS中的电阻值范围小于0.3‱。（G）无外部刺激的输入/输出电压曲线。（H）BPPS的响应一致性测试。得到了六个BPPS在1Hz五个半正弦波脉冲下的响应结果。
图4. 流态检测和识别性能。
（A） 实验装置和采集电路系统。（B）层流（0.5 m/s）、过渡流（1.0 m/s）和湍流（2.0 m/s）下的BPPS响应曲线。（C）三种流态信号的瞬时频率（白色虚线）和振幅（彩色映射）。（D）振幅概率密度分布。（E）三流型信号的时频谱图（短时傅里叶变换）。（F）流速在0.1至2.35 m/s范围内的BPPS响应曲线。（G）近距离测试。pts，分数；低，局部加权散点图平滑。（H）ResNet18深度学习网络结构。RESNET，剩余网络；CONV，卷积；BN，批量标准化；Relu，整流线性单元。（一）五类信号分类接收机工作特性曲线。AUC，曲线下面积。（J）验证结果的混淆矩阵。
图5. 智能机器人的近体流场感知。
（A） 这款以蝎子为灵感的六足步行平台配备了四个BPPS。（二）仿生近体流场感知机器人的PCB设计。（C）仿生机器人用于近体流场感知的功能部件示意图。该系统主要由四个BPPS、一个微控制器单元（Atmega328P）、一个蓝牙模块（hc-08）和12个伺服执行器（mg90s）组成。GPIO，通用输入/输出；PWM、脉宽调制。（D）四个BPPS的布置被配置为在物体接近仿生机器人时使检测到的压力增量最大化。Fwd，向前；左；右，对。（E）风筝图显示了BPPS在受到来自不同方向的0.5 m/s气流时的响应，如红色箭头所示。（F）六足步行平台对以0.25 m/s接近的捕食者模拟器（小纸箱）的信号响应。
审核编辑 黄宇
