背景介紹

在當前的智能物聯網時代，可穿戴電子正在經歷爆炸式增長，方便了醫療保健、疾病診斷/治療、康復、虛擬現實、人機交互和運動訓練的各種應用。可穿戴設備的電源是一個重要問題，涉及近場傳輸、核能、電池和自供電。其中，自供電電子產品因其長期可持續性、可再生性、安全性和環境友好性而被認為是一種很有前途的方式。然而，使用全自動可穿戴系統持續監測健康參數仍然面臨巨大挑戰。

在能源供應方面，現有的可穿戴設備試圖將常見的依賴電池的模式轉變為自供電模式。主要采用兩種方式，一種是無源電源感應模式（PPSS），另一種是有源發電感應模式（APGS）。PPSS模式是指使用額外的能量收集設備來為傳感器供電。常用的能量收集原理包括壓電、摩擦電、熱電、電磁、光電、生物燃料、駐極體等。APGS模式意味著發電機同時作為傳感元件工作。例如，摩擦電納米發電機感應運動。可穿戴電子設備的電源也可以分為僅傳感器電源和整體系統電源。絕大多數自供電電子設備屬于傳感器專用電源。其不足之處顯而易見，后端系統仍然需要電池，無法實現長期可持續使用。整個系統電源要求整個可穿戴設備或系統完全由車載發電機自行供電。然而，由于最先進的微納能量采集技術仍然受到低能量轉換效率的限制，全自動可穿戴監測面臨著很大的困難。特別是，建立一個完全自主的可持續監測傳感系統是一個巨大的挑戰。大多數能量收集設備都有條件地工作。例如，摩擦發電機和壓電發電機在靜止狀態下無法工作，光電發電機在黑暗中無效，生物燃料發電機需要人體汗液作為燃料，壽命有限。相比之下，熱電能源收集具有可持續性、綠色和直流電輸出的優勢。

在智能感知方面，隨著人工智能的蓬勃發展，流行的可穿戴設備呈現出智能感知與機器學習和邊緣計算相結合的發展趨勢，例如在用于全身化身重建的傳感器機器學習中。可以預見，可穿戴電子設備將發展成為寄生在人體上的智能體，這對多模式感知、車載數據處理和交互以及無線傳輸提出了要求。這種需求也給自供電設備帶來了很大的困難。然而，隨著公眾對先進日常醫療保健的期望，具有智能化多模式傳感和數據融合/傳輸能力的全自動可穿戴電子產品勢在必行，但具有挑戰性。

如上所述，熱電能源收集具有可持續性和綠色的優勢。利用熱電收集，人體熱量有可能成為可穿戴電子產品的理想和可持續的生物能源。此外，體溫/皮膚溫度包含豐富的反映人體健康功能的信息，如腸道菌群和代謝產物水平。長期監測皮膚溫度有助于預防過敏、痛風和關節炎等疾病。皮膚溫度和其他與人類活動相關的生理參數可以定量表征個人健康功能，值得通過可穿戴電子設備進行監測，如可拉伸關節傳感器。

本文亮點

1. 本工作提出并開發了一種全自供電的可穿戴系統，該系統能夠實時監測和評估人類多模式健康參數，包括膝關節運動、代謝能量、運動速度和皮膚溫度，這些參數由高效柔性熱電發生器（f-TEG）全自供電。可穿戴系統由f-TEG、織物應變傳感器、超低功耗邊緣計算和藍牙組成。

2. 戴在腿上的f-TEG不僅從身體熱量中獲取能量，為整個監測系統可持續供電，還可以作為零功率運動傳感器檢測肢體運動和皮膚溫度。

3. 織物應變傳感器通過在預拉伸尼龍纖維包裹的橡膠帶上打印PEDOT:PSS制成，可以對高度動態的膝蓋運動進行高保真度和超低功率測量。邊緣計算經過精心設計，可以實時估計多模式健康參數，包括通過藍牙無線傳輸的時變代謝能量。

圖文解析

圖1 自供電可穿戴系統的示意圖和圖像。a） 可穿戴系統的3D結構，通過f-TEG、應變傳感器和加速度計的協同融合實現全面的運動監測。b） 佩戴在受試者身上的可穿戴系統的原型照片。c） 用于估計皮膚溫度、運動速度和代謝能量消耗的邊緣計算框架。d） 可穿戴設備的電子系統的信號流程圖。MCU、微控制器單元。紅色箭頭表示電源，黑色箭頭表示信號傳輸。e） 定制移動應用程序，用于移動速度、皮膚溫度、環境溫度和代謝能量跟蹤。

圖2 用作能量采集器和運動傳感器的f-TEG的示意圖和特性。a） 熱電裝置結構放大圖。b） 當加載升壓轉換器時，f-TEG在不同風速下的輸出電壓和功率。c） f-TEG佩戴在下肢時溫度分布的紅外熱像圖。d） 當受試者的步行/跑步速度為3–8 km/h時，f-TEG的輸出電壓。e） 從f-TEG的輸出電壓中提取的DC分量。f） 從f-TEG的輸出電壓中提取的AC分量。g） 佩戴在小腿上的f-TEG的直流分量（Vs1）和交流分量（Vs2），小腿皮膚和環境之間的溫差（ΔTs），以及在不同運動速度下從Vs2提取的步態頻率（fs）。h） 大腿上佩戴的f-TEG的直流分量（Vt1）和交流分量（Vt2），大腿皮膚和環境之間的溫差（ΔTt），以及在不同運動速度下從Vt2提取的步態頻率（ft）。i） 公式5-8的模型擬合結果。彩色線條：實驗真值；黑線：擬合值。

圖3 用于膝關節角度監測的織物/PEDOT:PSS可拉伸應變傳感器的制備和表征。a） 織物印刷前后的PEDOT:PSS油墨。b） 彈性繃帶織物的橫截面和前視圖。c） 織物應變傳感器在不同應變下的變形。d） 將PEDOT:PSS溶液印刷在聚酰胺織物上并干燥以制備應變傳感器。e） 應變傳感器在不同應變下的相對電阻變化和磁滯特性。f） 不同菌株下三個拉伸釋放周期的抗性反應。g） 佩戴在膝蓋上的應變傳感器在不同運動速度下的阻力響應。h） 當監測膝關節角度（θ）時，我們的應變傳感器信號（ΔR/R）和加速度計信號（a）之間的保真度比較。使用標準設備檢測地面實況膝關節角度（θ）。

圖4 自供電可穿戴監控系統中的邊緣計算操作。a） 具有不同神經元數量和采樣率的深度學習模型用于新陳代謝估計的計算時間和準確性。b） 分別使用邊緣計算模塊（ECM）和實時傳輸模塊（RTM）對可穿戴系統中的每個組件進行功耗分析。靜止模式表示人體處于靜止狀態。動態模式表示人體在運動。c） 使用ECM的可穿戴系統的超低功耗管理策略。d）ECM工作流程的時間線顯示。

圖5 使用自供電可穿戴系統驗證多模式健康參數監測。a） 實時代謝能量估計。實際能源支出是指由呼吸耗氧量計測量的地面實況支出。b） 運動速度估計。跑步機的速度被視為實際速度。c） 小腿皮膚溫度估計。d） 大腿皮膚溫度估計。在（c）和（d）中，使用鉑電阻PT1000來測量實際皮膚溫度。在（a–d）中，藍色誤差條是根據數據集在一段時間內計算的。e） 演示使用可穿戴系統進行人體運動監測。受試者在跑步機上行走。可穿戴的腿部運動監測設備佩戴在他的腿上，并實時執行運動監測。智能終端通過藍牙接收健康參數。

審核編輯：劉清