《Materials Chemistry Frontiers》：Biodegradable single-electrode triboelectric nanogenerator for self-powered robotic texture sensing
编辑推荐：
人类触觉敏锐性依赖于指尖的微结构形貌，使其能够在物体操作中灵敏检测细微表面特征。尽管基于摩擦电效应的自供电物体识别已受到广泛关注，但传统摩擦电材料通常不可生物降解，导致持久的电子废弃物问题。本研究聚焦于制备生物可降解摩擦电界面，用于智能机器人纹理感知与可持续能
人类触觉敏锐性依赖于指尖的微结构形貌，使其能够在物体操作中灵敏检测细微表面特征。尽管基于摩擦电效应的自供电物体识别已受到广泛关注，但传统摩擦电材料通常不可生物降解，导致持久的电子废弃物问题。本研究聚焦于制备生物可降解摩擦电界面，用于智能机器人纹理感知与可持续能量收集。研究人员评估了三种生物可降解聚合物——聚乳酸（Polylactide, PLA）、聚ε-己内酯（Poly(ε-caprolactone), PCL）和聚（丙交酯-共-三亚甲基碳酸酯）（Poly(lactide-co-trimethylene carbonate), PTMC）——作为负摩擦电层，与铝电极配对构成单电极摩擦纳米发电机（Single-Electrode Triboelectric Nanogenerator, SE-TENG）。其中，PCL/Al TENG实现了118 V电压和772 nA电流的优异电学输出，在200 MΩ负载下峰值功率达24.5 μW，这主要归因于其较高的表面粗糙度增强了电荷转移。研究人员展示了利用该TENG为低功耗电子设备供电及为电容器充电的能力。此外，该平台被集成到机器人夹爪中，用于实时纹理识别。结合卷积神经网络（Convolutional Neural Network, CNN），该系统在八种不同纹理上实现了96.9%的分类准确率。这一可持续平台通过使用可降解材料减少了环境影响，同时保持了先进机器人传感所需的机械鲁棒性。
研究背景与意义
随着智能制造的发展，机器人夹爪在现代分拣系统中扮演核心角色。然而，传统电阻式或电容式表面纹理传感器主要响应静态压力，需要持续外部供电，集成难度大且能耗高，对微观摩擦波动和高频振动的灵敏度有限，难以检测细微纹理差异或早期滑移事件。自供电传感技术为此提供了有效替代方案。其中，摩擦纳米发电机（Triboelectric Nanogenerator, TENG）不仅能收集能量为软体机器人系统供电，还可作为主动传感元件。尽管生物基材料在TENG中的应用已有探索，但现有研究多集中于作为正摩擦电层的材料，高效且适用于负摩擦电层的可降解化合物仍然匮乏。许多“环保”TENG仍在使用氟乙烯丙烯（FEP）、聚二甲基硅氧烷（PDMS）和聚四氟乙烯（PTFE）等非降解聚合物作为负层，这些材料废弃后长期残留于环境中，阻碍了可持续发展目标的实现。因此，开发兼具高性能与环境友好特性的负摩擦电层材料成为迫切需求。
主要技术方法
研究人员合成了PLA、PCL和PTMC三种生物可降解聚合物，构建了活性面积为3 cm × 3 cm的单电极TENG器件。通过场发射扫描电子显微镜（SEM）、原子力显微镜（AFM）、X射线衍射（XRD）、核磁共振（NMR）、差示扫描量热法（DSC）和尺寸排阻色谱（SEC）对材料的形貌、晶体结构、分子量及热性能进行了系统表征。利用Keithley 6514静电计和LinMot线性电机测试器件的电学输出性能，并评估了其在不同频率、不同接触材料及不同负载电阻下的响应特性。在应用层面，将优化后的TENG集成至机器人夹爪，采集八种不同粗糙度砂纸的接触电信号，构建包含800个样本的数据库，利用卷积神经网络（CNN）进行纹理分类模型的训练与验证。
研究结果
3. 结果与讨论
材料表征与选择：AFM分析显示，PLA、PCL和PTMC的表面粗糙度（Rq）分别为6.221 nm、33.792 nm和19.041 nm。PCL因其较高的结晶度（65%）和表面微结构特征，提供了更大的有效接触面积。介电常数测试表明，在10 kHz下，PCL的介电常数为3.4，优于PLA（2.99）和PTMC（2.7），有利于电荷存储。加速降解实验证实，PCL薄膜在碱性环境中表现出良好的可降解性。
器件性能优化：电学输出测试表明，PCL/Al TENG性能最优，输出电压达118 V，电流达772 nA，显著高于PLA/Al（13 V, 65 nA）和PTMC/Al（42 V, 143 nA）。这是由于铝在摩擦电序列表中位置较高，与PCL配对时能产生更大的电荷密度。器件在0.3至2 Hz频率范围内表现稳定，且输出随活性面积增大而增加。阻抗匹配测试显示，在200 MΩ负载下获得最大峰值功率24.5 μW。该器件成功为1至10 μF的电容器充电，并驱动商用计算器工作，展示了其为低功耗便携设备供能的潜力。此外，器件在5 N力和1 Hz频率下连续运行3天，电压输出保持稳定，证明了优异的机械耐久性。
机器人纹理感知：将PCL/Al TENG集成于机器人夹爪后，研究人员采集了不同目数（40-2000目）砂纸的摩擦电信号。信号波形特征与表面粗糙度显著相关。结合CNN模型进行纹理分类，经过20个训练周期，模型在训练集和验证集上的准确率分别达到96.9%和91.9%。混淆矩阵显示分类结果具有强对角占优性，仅极少数相近粗糙度类别间存在误判，验证了该系统在实时纹理识别中的高精度与可靠性。
4. 结论
研究人员通过将高效的生物可降解材料引入摩擦电序列表，不仅增强了材料选择的灵活性，还显著降低了设备的长期碳足迹和废弃物积累。PCL/Al基TENG凭借PCL层较高的表面粗糙度和介电常数，实现了优异的电学输出。该系统成功应用于人体运动能量收集和自供电计算器驱动。在机器人应用中，结合CNN算法实现了对八种表面纹理的高精度智能识别（训练集准确率96.9%）。该研究提出的可持续策略为工程化生物可降解负摩擦电材料、推进生态友好型机器人TENG技术的发展提供了新的视角，在工业自动化、假肢触觉反馈及自主系统实时传感领域具有重要应用前景。
