首页 > 资讯 > 完全集成、无线自供电！这款智能鞋垫让健康监测再进阶

完全集成、无线自供电！这款智能鞋垫让健康监测再进阶

泰然健康网
2025-08-01 09:37

在科技飞速发展的当下，可穿戴设备不断推陈出新，为人们的生活和健康管理带来诸多便利。其中，智能鞋垫作为一种新兴的可穿戴设备，正逐渐崭露头角。今天，我们要深入探讨的，是一款由兰州大学物理科学与技术学院 Wei Lan 团队研发的完全集成、自供电、无线智能鞋垫，它在技术上的创新突破，使其在健康监测领域展现出巨大的应用潜力。

非线性协同压力传感技术，保障高线性度与稳定性

压力传感器作为智能鞋垫的核心部件，其性能优劣直接决定了鞋垫的监测精度和可靠性。传统的电阻式传感器虽然在鞋内传感系统中具有一定优势，如能同时测量静态和动态压力、抗干扰能力强、测量电路简单且精度高，但它通常对压力表现出非线性响应，这无疑给数据处理和分析增添了复杂性，且稳定性也不尽如人意。

为攻克这一难题，这款智能鞋垫采用了基于非线性协同策略的 CNT/ACET/PDMS 传感器。该传感器的制造工艺独具匠心，以方糖作为水溶性牺牲模板，浸入 PDMS 中并原位交联形成多孔 PDMS 网络。此网络不仅具有优异的延展性，方便根据不同传感要求定制尺寸和形状，而且其多孔结构在压力传感过程中发挥着关键作用。随后，通过溶液超声处理法，将 CNT 和 ACET 附着到多孔 PDMS 网络中。

从传感机制来看，当传感器受到外力压缩时，多孔结构的内表面开始相互接触，形成额外的导电通路。随着压力增加，孔隙率降低，导电通路增多，最终内表面完全接触；去除外力后，PDMS 网络的优异弹性使多孔网络结构和导电通路恢复原状，从而导致电导率发生可逆变化，实现压力信号到电信号的转换。

在性能表现上，这款传感器堪称卓越。在 0 至 225 kPa 的压力范围内，其线性度极高，判定系数 R² > 0.999，完美涵盖了日常活动中经历的大多数足底压力值。在稳定性方面，经过 180,000 次压缩和释放循环后，性能依然毫无明显下降。与其他线性传感策略相比，该技术的制造工艺极为简单，无需复杂的微纳加工或光刻工艺，大大降低了成本和设备需求，同时还具备出色的可扩展性，为大规模生产和实际应用奠定了坚实基础。

完全集成、无线自供电！这款智能鞋垫让健康监测再进阶

柔性太阳能供电系统，实现能源自给自足

能源供应一直是可穿戴设备面临的一大挑战。对于智能鞋垫而言，若依赖外部电源，不仅使用不便，还会限制其应用场景。这款智能鞋垫创新性地引入了柔性钙钛矿太阳能电池（FPSC）集成的柔性钙钛矿太阳能模块（FPSM），成功实现了能源的自给自足。

FPSC 的设计充分考量了可穿戴使用场景的需求，具备高功率密度、高功率转换效率（PCE）以及足够的灵活性，能够承受日常使用中的机械应力。从其结构来看，包含电子传输层 [氧化锡（SnO₂）]、光活性层（钙钛矿）、空穴传输层 [2,2′,7,7′ - 四（N，N - 二 - 对 - 甲氧基苯胺） - 9,9′ - 螺二芴（Spiro - OMeTAD）]，以及顶部和底部电极层 [银 / 三氧化钼（Ag/MoO₃）和聚萘二甲酸乙二醇酯 / 氧化铟锡（PEN/ITO）]。

完全集成、无线自供电！这款智能鞋垫让健康监测再进阶

各层之间界面光滑、边界清晰，有效减少了缺陷和杂质，极大地提升了设备性能。其中，PEN 层提供了高机械强度、耐高温性和透明度，作为基底和支撑层；钙钛矿层厚度约 650 纳米，是吸收光并产生电子 - 空穴对的光活性组分，采用两步旋涂法制备，将结晶温度降低至 140°C，确保与柔性基底兼容；SnO₂和 Spiro - OMeTAD 分别增强了电子和空穴的分离效率并防止复合，MoO₃则提高了空穴注入效率并降低了界面电阻。

在性能测试中，FPSC 表现出色。其钙钛矿层表面形貌为尺寸均匀的微米级晶粒，晶粒间接触良好，无明显缺陷，X 射线衍射（XRD）分析证实了良好的结晶性。在大气质量 1.5 全局照度（100 mW/cm²）下，开路电压（VOC）为 1.119 V，短路电流密度（JSC）为 22.01 mA/cm²，平均 PCE 为 16.2%（n = 20），最大 PCE 达 16.95%。在灵活性和耐用性方面，即便曲率半径从 12 毫米减小到 2.75 毫米，标准化 PCE 仍能保持在 93.9%，经过 800 次弯曲循环后，仍可保持初始效率的 96.7%。

不过，FPSC 的环境稳定性受水和氧气影响较大，在实际使用中需要封装层来隔绝水和空气。通过制作有效面积为 12 cm² 的 FPSM，两个 FPSM 并联连接作为能量收集模块，能够为系统稳定供电。在弱光条件下，锂电池可放电弥补能量缺口；光照充足时，太阳能电池则能满足系统功耗并为锂电池充电，展现出强大的能源适应性。

完全集成、无线自供电！这款智能鞋垫让健康监测再进阶

集成支持向量机模型，实现精准运动状态识别

除了压力监测和能源供应，对运动状态的准确识别也是智能鞋垫的重要功能之一。这款智能鞋垫集成了支持向量机（SVM）模型，为其赋予了强大的 “智慧大脑”。

在实际应用中，该智能鞋垫可收集坐姿、站立、单腿站立、下蹲、行走、跑步以及上下楼梯等八种运动状态下具有时空特征的足底压力数据，并利用这些数据对 SVM 模型进行训练。训练过程中，数据集包含 1275 个标记样本，其中 80%（1020 个样本）用于训练，20%（255 个样本）用于验证。从 22 个传感器采集的每个样本被处理成 22 维向量，并使用 160 个数据点的平均值作为特征输入。经过训练，SVM 模型对这 8 种运动状态的识别准确率高达 100%。

与深度学习模型相比，SVM 模型具有独特优势。它训练速度快，无需依赖大规模数据集，决策边界明确，优化目标清晰，特别适合在高维特征空间中进行精确分类。同时，智能鞋垫数据采集能力的高时空分辨率也为 SVM 模型的高识别准确率提供了有力保障，确保原始数据能够充分包含不同运动状态的显著特征，主成分分析（PCA）进一步证实了这一点，八种运动状态的数据点在分析中清晰地聚集在不同区域，大大降低了分类难度。

这款完全集成、自供电、无线智能鞋垫凭借非线性协同压力传感技术、柔性太阳能供电系统以及集成支持向量机模型等核心亮点技术，在足底压力监测、步态分析、运动状态识别等方面展现出了卓越的性能。它为改善临床评估、个性化治疗和生物力学研究提供了切实可行的解决方案，有望在医疗保健、运动科学等多个领域得到广泛应用，为人们的健康管理和生活质量提升带来全新的变革。