声音作为人类感知环境与进行交互的基本媒介，柔性声学传感器通过将环境声学信息转换为可量化的电信号，在机器人交互、生物医学和虚拟现实等领域展现出变革性潜力。然而，随着应用场景从简单的柔性需求向复杂的动态变形表面（如人体皮肤界面，通常承受超过10%的应变）拓展，开发可拉伸的声学传感器变得至关重要。传统压电材料面临电学性能与机械性能之间的权衡：无机压电陶瓷虽具有高压电系数但刚度过大且制备工艺复杂，而有机压电聚合物虽具良好柔韧性但其压电系数相对较低。分子铁电体作为一种新型压电材料，虽具有结构可调、重量轻、声阻抗低等优点，但其固有的脆性和较高的模量阻碍了其在动态可变形界面上的实际应用。
针对这一挑战，东南大学吴俊教授、游雨蒙教授、熊昱安博士合作团队报道了一种通过静电纺丝技术将分子铁电晶体TMCM-CdCl₃引入柔性热塑性聚氨酯（TPU）基体中制备的可拉伸分子铁电声学纤维。TMCM-CdCl₃与TPU之间的分子间相互作用以及电极与纤维之间的互锁层状结构，赋予了该纤维声学传感器高拉伸性（拉伸应变>100%）、高力传感灵敏度（4.36 V/kPa）和宽频声学传感范围（30-5000 Hz）。尤为关键的是，研究提出并验证了应变诱导的灵敏度增强效应——传感器在拉伸状态下的声学灵敏度从15.03 mV/dB提升至30.16 mV/dB。该声学纤维即使在原始和20%拉伸应变状态下采集的混合语音数据中，仍能保持97.05%的高语音识别准确率。相关论文以“Strain-enhanced stretchable molecular ferroelectric acoustic fibers”为题，发表在Nature Communications上。
设计策略与分子机制
研究团队的设计策略充分利用了TMCM-CdCl₃晶体与TPU基质之间的多重分子相互作用。在静电纺丝过程中，TMCM-CdCl₃晶体与TPU之间形成了包括单极相互作用、范德华力以及卤素键在内的多种分子间作用力，同时高压电场还诱导了两者之间的定向极化排列。这些分子间相互作用促进了晶体与基质之间牢固的界面粘附，确保了复合纤维的整体拉伸稳定性。在传感器结构方面，研究团队采用液态金属（LM）/TPU复合材料作为可拉伸电极，通过在平板收集器上铺展电极溶液，实现了在压电活性层制备过程中同步完成单侧电极组装。组装后的TCCT传感器具有五层结构，包括对称排列的上下多孔层、致密中间层和中央纳米纤维层。在电极固化和静电纺丝成型过程中，压电纳米纤维层与多孔电极层之间形成了紧密的互锁结构，显著增强了层间界面结合，确保了器件在拉伸过程中的可靠电接触。
图1 | 动态应变下用于声音识别的三甲基氯甲基铵三氯镉（TMCM-CdCl₃）和热塑性聚氨酯（TPU）分子铁电传感器的设计策略。 a, 示意图展示静电纺丝过程中[TMCM]⁺、[CdCl₃]⁻与TPU基体之间的分子间相互作用。b, TCCT传感器整体制备流程示意图。c, 分子铁电材料压电机理示意图。d, TCCT铁电传感器应变增强声学感知能力的演示。
TCCT纤维的表征与力学性能
TMCM-CdCl₃晶体具有典型的六方杂化有机-无机ABX₃型钙钛矿结构，由有机[TMCM]阳离子和无机[CdCl₃]⁻阴离子框架交替堆叠而成。原子力显微镜分析显示，与纯TPU纤维相比，TCCT纳米纤维表面相对粗糙，杨氏模量从235 MPa增加至290 MPa。扫描电子显微镜观察确认了纤维具有均匀的表面和嵌入的白色晶粒，纤维直径为406.3±30 nm，厚度可低至70 μm。能谱分析证实了C和Cl元素在整个纤维基质中的均匀分布，这是TMCM-CdCl₃晶体的特征标志。X射线衍射分析确认复合纤维与纯TMCM-CdCl₃晶体的衍射峰匹配良好，表明晶体成功整合入TPU纳米纤维中。拉曼光谱和傅里叶变换红外光谱进一步证实了C-Cl结构的引入。二次谐波发生（SHG）实验显示，TCCT纤维相较于TPU纤维表现出显著的SHG响应，这归因于TMCM-CdCl₃的非中心对称晶体结构。压电力显微镜表征确认了纤维中自发极化的存在，振幅和相位对电压的依赖性呈现出典型的蝴蝶曲线和迟滞回线，为铁电极化的极化开关和迟滞行为提供了有力的定量证据。TCCT纤维展现出优异的柔性和机械鲁棒性，可经受有意重复的弯曲、拉伸、折叠和扭曲，即使在70%应变下经历1000次拉伸-释放循环后仍保持机械耐久性。
图2 | TCCT纤维的表征与力学性能。 a, TMCM-CdCl₃的晶体结构。b, c, 单根TCCT纤维的AFM形貌图和杨氏模量。d, TCCT纤维的SEM图像及EDS元素面分布。e, f, SEM图像确认平均纤维直径（406.3±30 nm）和纤维膜厚度（~70 μm）。g, TPU纤维、TCCT纤维和TMCM-CdCl₃晶体的XRD图谱。h, TPU纤维、TCCT纤维和TMCM-CdCl₃晶体在760–860 cm⁻¹区域的拉曼分析，蓝色区域表示与C-Cl键相关的振动模式。i, TPU纤维和TCCT纤维的SHG光谱。j, 照片展示TCCT纤维在各种变形下的状态。k, 不同含量（1–15 wt%）TCCT纤维的延展性。图c中数据以均值±标准差表示，n=3次独立实验。
TCCT传感器的机电性能
TCCT传感器采用三明治结构，两层LM/TPU电极封装TCCT纤维层，多孔LM/TPU层兼具导电电极和柔性支撑基底的双重功能。截面扫描电镜和光学图像显示电极与压电活性层之间形成了互锁的中间层，这种集成结构确保了在拉伸应变下电极与活性层之间的有效接触。在逐步增加的应变下，白色TCCT纤维与灰色LM/TPU电极保持共形接触，即使在达到断裂极限时，断裂的纤维片段仍与电极表面保持牢固粘附。在0-40%应变范围内的光学显微镜实时观察证实了TCCT传感器中界面结合的完整性，未观察到界面分层现象。研究系统考察了TMCM-CdCl₃含量对传感器机电响应特性的影响，发现在5 wt%的优化含量下，TCCT纤维实现了约109%的最大应变，同时保持了Cl元素的均匀分散，展现出最佳的压电性能。与铝电极相比，LM/TPU电极配置在不同晶体掺杂水平下均产生显著更高的输出电压，这得益于紧密互锁的中间层有效消除了电极层与压电活性层之间的气隙，同时增大了功能有效接触面积。在0-6 kPa压力范围内，LM/TPU电极配置实现了4.36 V/kPa的电压灵敏度，远优于传统铝电极配置。传感器在1-3 Hz频率范围内输出电压保持稳定，响应时间为0.03 s，在0.5 kPa压力下经过7500次循环后波形完整性保持良好。
图3 | TCCT传感器的机械与电学性能。 a, b, TCCT传感器的截面示意图和SEM图像。c, 互锁结构的截面SEM图像。d, 不同应变下的循环拉伸-释放曲线。e, 拉伸应变（0–40%）下的光学显微图像。f, 互锁结构内电荷收集示意图。g, 不同TMCM-CdCl₃晶体含量（1–15 wt%）和电极配置的TCCT传感器在1 kPa压力下的压电响应。h, 不同电极的TCCT传感器在0–6 kPa压力范围内的压电响应。i, TCCT传感器在1–3 Hz频率范围内的压电响应。j, 本工作的拉伸与灵敏度数值与基于无机、有机和杂化分子铁电材料的其他柔性压电传感器的比较。
声波响应与应变增强机制
为验证TCCT传感器的低压检测能力，研究团队构建了声学测试系统。在80 dB纯音激励下，TCCT传感器在30-5000 Hz频率范围内表现出良好的声学响应特性。在20%应变条件下，TCCT传感器在不同声学频率和分贝水平下均展现出显著优于0%和10%应变状态下的声电转换能力和声压灵敏度。拉伸后的TCCT传感器声波灵敏度提升至30.16 mV/dB。应变增强压电响应的机制在于：横向拉伸在纤维中的TMCM-CdCl₃晶体中诱导一定应变，直接增强了晶体的本征压电响应；同时拉伸促进了TCCT纤维内部结构的致密化，紧凑的结构改善了纤维之间的机械耦合和应力传递效率，确保外部载荷更有效地传递至嵌入TPU基质中的晶体。这两种效应的协同作用增强了TCCT传感器的机电转换效率，导致表面电荷密度和输出电压的显著增加。在0-1.3 Pa声压范围内，拉伸后的TCCT传感器相比未拉伸状态表现出更高的信噪比。与现有柔性压电声学传感器相比，TCCT传感器实现了更宽的动态检测范围（30-5000 Hz），完全覆盖人类语音频谱（300-3400 Hz），并具有应变增强的声学传感能力。
图4 | TCCT传感器的声波感知性能。 a, 声学测试系统示意图。b, 未拉伸TCCT传感器对声波的响应（输入：稳态正弦信号）。c, 0–20%应变下频率依赖响应（声强80 dB）。d, 0–20%应变下声压级响应（频率100 Hz）。e, 应变增强压电响应的机理示意图。f, 0–20%应变下TCCT传感器的信噪比。g, 本工作TCCT传感器与现有声学传感器的声学频率范围比较。
语音识别应用与深度学习集成
研究团队将TCCT传感器与深度学习算法集成，模拟了完整的人类听觉感知与识别过程。与商用传感器（LDT0-028K）的对比分析表明，TCCT传感器在重建原始波形方面实现了高保真度。短时傅里叶变换时频分析显示，TCCT传感器在0-2000 Hz范围内完整保留了原始语音的复杂时变频率特性，而商用传感器则表现出严重的信息损失。拉伸前后的对比表明，20%应变下传感器能够更有效地捕获原始声音信号的高频细节，这种应变使能的快速频率响应调节允许为目标应用定制灵敏度范围。研究团队测试了“Science”和“Nature”等单词，TCCT传感器即使在拉伸变形下也能准确重建语音信号而无退化。采用卷积神经网络（CNN）和长短期记忆网络（LSTM）混合架构的深度学习技术对基本语音元素进行分类识别，CNN提取语音信号的局部特征并滤除噪声，LSTM建模语音中的时间依赖关系。t-SNE可视化显示未拉伸状态和拉伸状态采集的信号在低维空间中形成明显的聚类，混合数据仍保持清晰的聚类。混淆矩阵综合分类准确率显示，混合数据的识别准确率可达97.05%，充分证明了TCCT传感器在机械拉伸条件下精确重建语音信号特征的能力。
图5 | 应变增强条件下的声音识别。 a, TCCT传感器与深度学习协同实现听觉-认知协作的示意图。b, 三种音频信号的波形：原始音频、商用传感器和TCCT传感器转换的波形。c, 对应的语音信号时频谱。d, TCCT传感器在拉伸前后记录的单词（Science和Nature）语音探测波形。e, 基于CNN和LSTM的语音识别算法流程图。f, g, 分别针对未拉伸数据（f）和混合数据（g）经50次迭代后t-SNE处理的特征向量矩阵。h, 混合数据集的混淆矩阵。i, 未拉伸数据、拉伸后数据和混合数据混淆矩阵的准确率统计。
总结与展望
这项研究通过将高性能分子铁电体TMCM-CdCl₃与柔性TPU基质复合，结合创新的互锁电极结构设计，成功解决了分子铁电材料固有脆性与可拉伸应用需求之间的矛盾。应变诱导的灵敏度增强效应为动态变形界面上的声学感知提供了全新思路。该TCCT传感器凭借其应变增强的感知能力，为开发能够适应动态复杂环境同时保持高灵敏度和稳定性的下一代柔性声学感知器件提供了可行的策略，在机器人交互、生物医学工程和虚拟现实等人机交互声学应用领域展现出广阔的前景。
热门跟贴