摘要:近年来,弹性体材料在软机器人、人工肌肉和软离子电子器件中展现出巨大应用潜力,但将高强度、高韧性、环境稳定性和导电性等通常相互排斥的性能集成于单一材料中,仍是一个重大挑战。传统复合材料的简单共混策略难以实现这种多功能协同,而自然界中生物组织(如植物叶片)的多级有
近年来,弹性体材料在软机器人、人工肌肉和软离子电子器件中展现出巨大应用潜力,但将高强度、高韧性、环境稳定性和导电性等通常相互排斥的性能集成于单一材料中,仍是一个重大挑战。传统复合材料的简单共混策略难以实现这种多功能协同,而自然界中生物组织(如植物叶片)的多级有序结构为设计高性能弹性体提供了丰富灵感。叶片脉络网络同时具备液体传输和机械支撑的双重功能,其层次化结构启发了研究人员开发新型仿生材料。然而,如何通过简便、低能耗的方法在合成弹性体中复制这种完整有序结构,仍是当前研究的难点。
近日,广西大学徐传辉教授课题组通过模仿双子叶植物叶片的层次脉络网络,开发出一种具有双模式协同呼吸监测功能的高性能仿生弹性体。该弹性体采用自下而上的组装策略,模拟叶片的结构单元,通过羧甲基壳聚糖(CMCS)模拟纤维素的β-(1→4)-糖苷键骨架提供增强作用,铜离子(Cu²⁺)配位模拟木质素的增韧功能,羧基化丁苯橡胶(XSBR)提供类似叶肉组织的弹性,以及深共晶溶剂(DES)渗透形成的离子通道实现高效电荷传输。该材料表现出卓越的机械强度(拉伸强度达11.70 ± 0.34 MPa)和离子电导率(2.51 × 10⁻² ± 1.89 × 10⁻³ S m⁻¹),并在吸湿后网络厚度增加,离子通道拓宽,进一步提升了导电性能。相关论文以“Leaf Hierarchical Venation Network-Mimetic Elastomer for Dual-Mode Synergistic Respiration Monitoring”为题,发表在
Advanced Functional Materials上,论文第一作者为Lin Zihao。研究团队通过密度泛函理论计算验证了材料中各组分间的强分子相互作用。图1展示了叶片的多级结构及其仿生弹性体的构建过程,结合能计算表明CMCS与XSBR之间的氢键结合能为-0.90 eV,而与Cu²⁺的配位键结合能高达-21.57 eV和-23.13 eV,确保了结构稳定性。静电势分布图进一步揭示了分子间的相互作用机制,为材料的协同增强提供了理论依据。该弹性体还表现出显著的湿度响应特性,可用于双模式(电阻与电压)信号监测。
图1 a) 叶片的层次结构。 b) 仿生叶脉弹性体的构建示意图。 c) 结合能及相应静电势分布图,显示弹性体的优异稳定性。 d) 仿生脉络网络弹性体的湿度响应特性及其应用示意图。
分子间相互作用的表征通过Zeta电位、紫外-可见光谱、X射线衍射和傅里叶变换红外光谱等多种手段进行。图2显示,CuO的加入使乳液Zeta电位负移,表明其与CMCS的羧基反应生成Cu²⁺,进而形成配位交联网络。FTIR光谱中羧基峰和羟基峰的位移证实了Cu²⁺与CMCS/XSBR的配位作用,而XPS分析中Cu 2p和N 1s峰的位移进一步揭示了Cu²⁺与氨基的配位键形成。变温FTIR实验表明氢键是系统的主要驱动力,热重分析显示材料在445°C以下具有良好热稳定性。
图2 a) Zeta电位显示XSBR乳液、XSBR/CMCS混合物和XSBR/CMCS/CuO混合物的表面电荷特性。 b) XSBR、XCC-Y和XCC-7.5E弹性体的紫外-可见光谱比较。 c) CuO颗粒、XCC-7.5、XCC-7.5E和XSBR弹性体的XRD图谱。 d) XCC-Y弹性体的FTIR光谱,揭示其官能团信息。 e) XCC-7.5和XCC-7.5E弹性体中C=O伸缩振动峰(1720–1625 cm⁻¹)的FTIR光谱及拟合。 f) CMCS粉末和XCC-15弹性体的N 1s光谱(揭示含氮官能团相互作用),CuO颗粒和XCC-15弹性体的Cu 2p光谱(指示铜物种状态)。 g) XCC-7.5E弹性体在30至60°C加热过程中的变温FTIR光谱,显示官能团的热响应性。 h) XSBR、XC-7.5、XCC-7.5和XCC-7.5E弹性体的DTG曲线,显示热稳定性。
仿生脉络网络的微观结构通过透射电子显微镜和小角X射线散射进行观察。图3的TEM图像清晰显示了白色XSBR基质与黑色CMCS/Cu²⁺隔离网络形成的叶脉状结构,其尺寸与乳胶粒子相匹配。SAXS分析进一步证实了网络中约11.23至12.32 nm的相分离结构。力学性能测试表明,随着CMCS含量增加,弹性体的杨氏模量逐步提升,韧性在7.5 phr时达到最大,而过量CMCS会导致相分离和性能下降。DES渗透后,网络结构得以保持,材料展现出卓越的机械韧性,可承受自身重量上万倍的负载。
图3 a) X-CuO、XCC-7.5和XCC-7.5E的一维和二维SAXS图谱,显示约11.23和12.32 nm的隔离网络结构。 b, c) XCC-7.5弹性体仿生脉络网络的TEM图像。 d) XC-7.5和XCC-Y弹性体的应力-应变曲线(应变速率:100 mm min⁻¹)。 e) 杨氏模量与韧性比较。 f) XCC-7.5E弹性体仿生脉络网络的TEM图像。 g) XCC-7.5E的强韧力学性能展示。 h) XC-7.5E和XCC-YE弹性体的应力-应变曲线(应变速率:100 mm min⁻¹)。 i) DES中盐析前后杨氏模量、韧性和极限拉伸强度的比较。
为进一步理解网络形成过程,研究团队通过SAXS和冷冻干燥TEM跟踪了干燥过程中结构的演变。图4显示,随着水分蒸发,乳胶粒子逐步排列并形成多面体泡沫结构,CMCS-Cu²⁺壳层在粒子间隙中自组装成仿生脉络网络。该过程分为四个连续阶段:水分蒸发、粒子排列、壳层选择性固定与变形、分子链扩散,最终形成具有增强力学性能的连续网络结构。
图4 a) XCC-7.5和XCC-7.5E弹性体的SAXS散射曲线。 b, c) 干燥3小时和12小时的XCC-7.5乳液样品的二维SAXS图像及Porod曲线。 d) 仿生叶脉隔离网络的厚度变化。 e) 不同干燥时间下原位冷冻干燥XCC-7.5乳液的TEM图像。 f) 仿生叶脉隔离网络形成过程与机制示意图:阶段1:水分蒸发;阶段2:粒子排列;阶段3:壳层选择性固定与变形;阶段4:分子链扩散。
材料的电导率与环境稳定性是其实际应用的关键。图5表明,具有仿生脉络网络的弹性体电导率显著高于无网络结构的对照组,DES渗透后电导率进一步提升至4.19 × 10⁻² S m⁻¹。在不同温度和质量保留测试中,DES弹性体表现出优异的稳定性,而水渗透样品在高温下因水分蒸发而失效。湿度响应实验显示,材料在不同RH条件下能快速吸湿并达到平衡,DES系统在长期测试中电导率波动极小,适合在多变环境下使用。
图5 a) 有无仿生脉络网络的弹性体电导率比较。 b) 不同温度条件下随时间变化的电阻变化。 c) XCC-7.5与XCC-7.5E弹性体在吸收相同质量水或DES后在不同温度下的电导率对比。 d) XCC-7.5与XCC-7.5E弹性体在吸收相同质量水或DES后在不同温度下的重量损失对比。 e) 在不同温度条件下储存7天后的应力-应变曲线。 f) 不同湿度条件下随时间变化的吸水率。 g) XCC-7.5E的湿度稳定性。 h) XCC-7.5与XCC-7.5E在47%相对湿度下的相对电阻变化对比。 i) 室内条件(≈48% RH)下XCC-7.5与XCC-7.5E在30天内的电导率变化对比。
该弹性体还具备湿度响应发电能力。图 6中SAXS分析显示,吸湿后网络厚度从6.67 nm增至7.88 nm,扩大了离子传输通道,同时DES粘度降低促进了离子迁移。基于此,研究构建了湿电发电机(MEG),通过不对称电极形成质子浓度梯度,产生吸附诱导的电势。在不同RH下,材料表现出线性变化的电阻和电压响应,且在弯曲、折叠等变形状态下仍保持稳定信号输出。
图6 a, b) XCC-7.5E弹性体吸湿2小时和4小时后的二维SAXS图像及Porod曲线。 c) 吸湿导致导电通道扩大的示意图。 d) 湿电发电机示意图。 e) 不对称电极在吸湿过程中诱导的湿度梯度及由此产生的氢离子浓度梯度。 f) XCC-7.5E在不同RH下随时间变化的相对电阻变化。 g) XCC-7.5E在不同RH下随时间变化的相对电压变化。 h) XCC-7.5E在平整、弯曲、翘曲和折叠状态下的稳定性测试。 i, j) XCC-7.5E在平整和弯曲状态下的稳定性测试。 k) XCC-7.5E在空气中的自发电过程。
在呼吸监测应用中,该弹性体表现出高灵敏度和稳定性。图7展示了其双模式协同监测系统,可实时捕捉鼻呼吸、口呼吸、打喷嚏等不同呼吸模式的水汽信号。响应时间和恢复时间分别为0.73秒和0.87秒,优于多数现有传感器。通过蓝牙与移动设备集成,实现了无线、长期的呼吸信号监测,并在极端温度环境下仍保持功能,展现出在个性化健康监测领域的广阔前景。
图7 a) 集成电阻与电压双模式检测的湿度传感器结构及工作原理示意图。 b–e) 不同生理活动(正常呼吸、口呼吸、打喷嚏、异常呼吸)期间记录的电阻和电压相对变化,反映传感器区分不同呼吸模式的能力。 f) 相对电阻和电压信号对手指点击的响应,显示传感器对非呼吸活动局部湿度变化的敏感性。 g, h) 不同志愿者呼吸活动产生的相对电阻和电压信号,显示传感器在个体间的一致性和适应性。 i, j) 各种日常活动中呼吸信号的连续实时监测,突出传感器长期、动态生理监测的能力。
综上所述,该研究通过仿生叶脉网络结构成功制备出兼具高力学强度、优异导电性和湿度响应性的弹性体,实现了呼吸行为的双模式协同监测。这一策略为下一代自供电可穿戴健康监测设备提供了新的设计范式,有望在智能医疗、环境感知等领域发挥重要作用。
声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!
来源:小高的科学讲堂