同济大学/华东师范大学合作AFM：柔性自供能键盘

摘要：随着物联网（IoT）对智能人机交互接口（HMI）的需求不断提升，传统触摸屏、键盘等设备普遍依赖电源且采用刚性结构，存在充电频繁、维护成本高和易损坏等问题。而摩擦电纳米发电机（TENG）技术能够将微小机械能转化为电能，为HMI提供了轻薄柔性、无需外部供电的新方案

随着物联网（IoT）对智能人机交互接口（HMI）的需求不断提升，传统触摸屏、键盘等设备普遍依赖电源且采用刚性结构，存在充电频繁、维护成本高和易损坏等问题。而摩擦电纳米发电机（TENG）技术能够将微小机械能转化为电能，为HMI提供了轻薄柔性、无需外部供电的新方案。基于此，本研究提出并研发了一种柔性自供能键盘（Keypad），旨在结合TENG的自供电特性和创新结构，实现用于神经心理学评估和智能系统的人机交互界面（HMI）。文章的目标包括：设计一种能够同时响应敲击与滑动手势的TENG传感器阵列；提出分隔腔体结构以显著降低内部单元间的电学串扰；建立理论模型并通过仿真实验优化结构参数；最后验证其在手指敲击测试、个体识别和数字识别等应用场景下的性能。

近日，同济大学李俊副教授团队与华东师范大学欧阳威副教授团队合作，开发了一种基于独立腔体结构的柔性自供能键盘，显著降低了内部串扰。该键盘由多层结构组成，包括表面微结构的PDMS交互层、屏蔽银电极的导电层以及PET缓冲层。通过理论模型和实验优化，团队明确了手指敲击力、器件机械应变与TENG输出之间的关系。实验结果表明，独立腔体结构将相邻单元的串扰比降低至24%、29%和15%，同时键盘展现出34 毫秒的超快响应时间和30000次连续敲击的优异耐久性。

在神经心理学评估中，该键盘能够精确检测不同个体及同一个体不同手指的敲击模式差异，为运动系统和脑功能评估提供了宝贵数据。结合机器学习技术，键盘在个体识别和手写数字识别中分别实现了100%和97%的准确率。此外，团队还开发了基于键盘的混合现实游戏控制系统（MR-GCS），展示了其在智能系统中的广泛应用前景。相关研究成果以“Flexible Self-Powered Keypad with Low Crosstalk for Neuropsychological Assessment and Intelligent Systems”为题，发表在《Advanced Functional Materials》上。第一作者为田芝宇，通讯作者为同济大学李俊副教授和华东师范大学欧阳威副教授。该研究得到了国家自然科学基金（61771198）、上海市自然科学基金（17ZR1447000）和重庆市自然科学基金（CSTB2024NSCQ-MSX0632）的资助。

图1 ：柔性自供能键盘的结构示意图及其在人机交互界面（HMI）中的应用场景，包括神经心理学评估和智能系统。图中展示了键盘的多层结构设计（交互层、缓冲层、导电层和基底）以及表面微结构PDMS薄膜的制备流程

图2 ：键盘的制备、理论分析和结构优化结果：(a-d) 展示PDMS薄膜的透明度、拉伸性、表面微结构及键盘的最终柔性集成效果。(e) 理论模型分析手指敲击力（F）与PDMS薄膜变形（Δh）及接触面积（Ac）的关系。(f-i) 通过仿真和实验优化缓冲层厚度（z）和PDMS表面形貌（砂纸目数）对输出电压（Voc）和短路电荷（Qsc）的影响，确定最佳参数（z=0.5 mm，砂纸目数400）。

图3 ：独立腔体结构对键盘串扰的抑制效果测试：(a-c) 选择中央、边缘和角落单元作为代表性测试点，对比有无腔体结构的串扰信号分布。(d-i) 实验数据显示，腔体结构将相邻单元的串扰比显著降低至24%（上）、29%（右）和15%（右上），验证了其有效性。

图4 ：柔性自供能键盘在神经心理学评估中的应用：(a) 人脑控制手指运动的神经通路示意图。(b-d) 键盘在1-10 N敲击力下的线性响应、34 ms的超快响应时间及与同类研究的对比。(e) 30,000次连续敲击后性能无衰减，展现优异耐久性。(f-i) 通过手指敲击测试（FTT）区分个体差异，结合SVM模型实现100%个体识别准确率，并生成个性化运动功能健康档案。

图5 ：键盘在智能系统中的扩展应用：(a-b) 基于机器学习的多通道信号采集系统，将键盘输入转换为28×28像素灰度图像用于手写数字识别。(c-d) CNN模型实现97%识别准确率（混淆矩阵）。(e-g) 混合现实游戏控制系统（MR-GCS）演示，通过键盘实时控制虚拟游戏角色（如“坦克大战”），展现自供能HMI的交互潜力。

总结

本研究提出了一种基于独立腔体结构的柔性自供能键盘，通过优化结构和材料，显著降低了内部串扰，提升了信号精度和稳定性。键盘在神经心理学评估中表现出色，能够精确捕捉细微的手指运动差异，为脑功能和运动系统研究提供了新工具。结合机器学习技术，键盘在智能系统中展现了强大的应用潜力，如个体识别和实时游戏控制。该研究不仅推动了自供能HMI的发展，还为未来物联网和智能交互系统提供了创新解决方案

通讯作者简介

李俊简介：2012年9月获得东京工业大学电子物理博士学位，现为同济大学电子与信息工程学院副教授，硕/博导，主要进行微纳能源器件的相关研究，包括聚合物电介质材料制备与优化及其电荷迁移机制、蓝色能源高效采集系统、自驱动传感电子器件及其系统集成、高效能源管理电路设计与优化等研究。

详情请参见

欧阳威简介：华东师范大学物理与电子科学学院副教授，在有机/无机半导体薄膜材料与光电器件的制备及性能研究、表面界面与分子自组装、纳米材料及其光电器件的制备、表征与性能测试等基础科学与应用研究领域具有扎实的理论基础和丰富的研究积累。主持了包括国家自然科学基金面上项目、青年项目等多项国家和上海市的科研项目。在薄膜半导体材料及其光电器件等应用物理领域于国际著名SCI期刊Adv. Mater., Matter, Adv. Funct. Mater., Nano Lett., Nano Energy, APL, IEEE TED 等发表学术论文近百篇，H因子32 。

第一作者简介

田芝宇简介：2023年12月获得同济大学电子与信息工程硕士学位。现于香港理工大学攻读博士学位，主要研究方向为柔性传感器、电子皮肤和智能交互系统。