現(xiàn)有技術缺點

靈敏度-線性度矛盾：傳統(tǒng)傳感器通過結構放大變形提升靈敏度，但導致氣球效應，線性度顯著下降。

材料疲勞：大變形引發(fā)晶界摩擦，能量耗散導致壽命短（通常<5,000次循環(huán)）。

溫度干擾：壓阻材料易受溫漂影響，需額外補償電路。

應用局限：無法兼顧高壓抗過載（>100 kPa）與微壓檢測（<1 kPa）。

文章亮點

仿生雙結構設計：模仿蝎子觸毛（爪狀根抑制膜偏轉）和裂縫感受器（應力陷阱匯聚機械能），實現(xiàn)靈敏度65.56 mV/V/kPa與線性度0.99934的協(xié)同優(yōu)化。

寬域動態(tài)響應：0-500 kPa全量程覆蓋，響應時間72 ms（恢復16 ms），耐久性>20,000次循環(huán)。

智能感知系統(tǒng)：集成小波變換+ResNet18算法，識別層流/湍流及5種物體形狀（準確率85.42%）。

抗干擾能力：溫度補償模塊（RT）降低環(huán)境溫漂影響，信噪比提升40%。

應用場景

智能機器人：六足機器人近體流場感知（響應延遲<100 ms），主動避障。

工業(yè)檢測：管道泄漏監(jiān)測（0.1 kPa分辨率）與設備振動分析。

醫(yī)療康復：無創(chuàng)脈搏波形監(jiān)測（微壓檢測限30 Pa）。

人機交互：手勢識別（握拳/抓取誤差率<5%）。

總結

作者報道了一種生物啟發(fā)的壓阻式壓力傳感器（BPPS），其在0至500千帕的壓力范圍內，靈敏度和線性度分別達到65.56 （mV/V）/kPa和 0.99934 的協(xié)同增強效果。BPPS能夠區(qū)分層流、過渡流和湍流，并且通過集成小波變換算法和ResNet18深度學習網絡，識別不同形狀的接近物體，其準確率超過85.42%。作為概念驗證，BPPS已被應用于六足機器人中，以實現(xiàn)近體流場感知，從而主動避免碰撞。該研究強調了利用生物昆蟲啟發(fā)的關鍵設計概念以提高傳感性能的潛力，并為其他高精度傳感器提供了結構性見解。

02

圖文簡介

圖1. 受蝎子機械感受器啟發(fā)的高精度壓力傳感器。(A) 蝎子的體感系統(tǒng)。(i) 毛觸器感受器。(ii) 裂縫感受器。(iii) H. petersii 蝎子。比例尺，1厘米。(B) BPPS的結構及(C) BPPS的數字圖像和生物啟發(fā)應力捕捉裝置（正面）及彎曲抑制單元（背面）的掃描電子顯微鏡圖像。比例尺，100微米；100微米；和1毫米。這些圖中的電阻器：Rx (x=i,d,T)。i，增加；d，減少；T，溫度。(D) 傳感原理。當外部刺激引起感應膜上的壓力差時，BPPS將輸出相應的電壓。(E) BPPS展現(xiàn)出對多種物理量的多功能檢測能力，如壓力、氣流和高海拔。

圖2. 蝎子機械感知機制的揭示與仿真優(yōu)化。(A) 裂縫感受器的放大視圖。圖中的白色區(qū)域為裂縫感受器的位置。(B) 分布于裂縫感受器尖端的應力捕集器。(C) 應力捕集區(qū)與其他區(qū)域之間的規(guī)范化馮·米塞斯應力比較。(D) DIC結果。變形通過亨基應變進行映射。(E) 3D μ-CT重建的觸毛感受器結構。爪狀結構為觸毛的末端，直接接觸神經末梢的突觸終端上的受體。(F) 在氣流為1.026升/分鐘時，觸毛感受器的電生理響應。(G) EAG幅度對氣流（0.700至1.050升/分鐘）的依賴關系及其線性擬合曲線。(H) 在設計A至E中，Ri和Rd處于最佳位置時的平均應力。(I) 在施加1 kPa恒定壓力下，感知膜的有限元應變云圖。(J) 當y設為3000 mm時，膜的彎曲撓度。設計E中的最大撓度位移顯著減少。(K) 設計A至E中靈敏度和線性的可視化。

圖3. BPPS的表征。(A) BPPS在靜態(tài)壓力（0至500 kPa）下的響應曲線及其線性擬合曲線。(B) 實驗曲線與截距為0的線性擬合曲線之間的非線性誤差。(C) BPPS對三種不同輸入振動波形（1 Hz）的識別表明其識別不同振動信號的能力。(D) BPPS在1 Hz半方波脈沖下的響應速度。(E) BPPS在重復1 Hz半三角波脈沖下進行超過20,000次循環(huán)的疲勞測試結果及生存預測的峰值擬合曲線。(F) BPPS電阻值的一致性。隨機選取的16個BPPS的電阻值范圍小于0.3?。(G) 無外部刺激的輸入/輸出電壓曲線。(H) BPPS的響應一致性測試。六個BPPS在五個1 Hz半正弦波脈沖下的響應結果。

圖4. 流態(tài)檢測與識別性能。(A) 實驗設置及采集電路系統(tǒng)。(B) 在層流(0.5 m/s)、過渡流(1.0 m/s)和湍流(2.0 m/s)下的BPPS響應曲線。(C) 三種流態(tài)信號的瞬時頻率（白色虛線）和幅度（彩色映射）。(D) 幅度概率密度分布。(E) 三種流態(tài)信號的時頻譜圖（短時傅里葉變換）。(F) 流速范圍為0.1至2.35 m/s下的BPPS響應曲線。(G) 近距離測試。pts，點；LOWESS，局部加權散點平滑。(H) ResNet18深度學習網絡結構。RESNET，殘差網絡；CONV，卷積；BN，批量歸一化；Relu，修正線性單元。(I) 五信號分類接收者操作特征曲線。AUC，曲線下面積。(J) 驗證結果的混淆矩陣。

圖5. 智能機器人近體流場感知。(A) 受蝎子啟發(fā)的六足步行平臺，配備四個生物壓力傳感器 (BPPS)。 (B) 生物啟發(fā)近體流場感知機器人的PCB設計。 (C) 生物啟發(fā)機器人近體流場感知功能組件的示意圖。該系統(tǒng)主要由四個BPPS、一個微控制器單元（Atmega328P）、一個藍牙模塊（hc-08）和12個伺服執(zhí)行器（mg90s）組成。GPIO，通用輸入/輸出；PWM，脈寬調制。 (D) 四個BPPS的布置配置旨在最大化當物體接近生物啟發(fā)機器人時所檢測到的壓力差。Fwd，前；Lt，左；Rt，右。 (E) 風箏圖展示了BPPS在從不同方向以0.5 m/s速度的氣流作用下的響應，如紅色箭頭所示。 (F) 六足步行平臺對以0.25 m/s速度接近的獵物模擬器（小紙箱）的信號響應。 (G) 六足步行平臺對以0.25 m/s速度接近的捕食者模擬器的信號響應。

03

文獻來源

Pinkun Wanget al., Hypersensitive pressure sensors inspired by scorpion mechanosensory mechanisms for near-body flow detection in intelligent robots.Sci. Adv.11,eady5008(2025).doi:10.1126/sciadv.ady5008