国科温州研究院和南京工业大学：研究机械和肌电双信号水凝胶传感器推动假肢精准操控

针对现有假肢控制中表面肌电（sEMG）信号难以区分单个肌肉动作、无法精准控制单个手指的痛点，国科温州研究院陈强课题组和南京工业大学孙庚志团队、金陵科技学院张曌团队合作开发了一种可同时检测机械信号与 sEMG 信号的非侵入式表皮传感器（UHSH 传感器）。该传感器通过双网络水凝胶基底、脆性导电纳米复合膜的裂纹传感机制及点击化学的强界面黏附设计，实现了对肌肉收缩产生的微弱机械形变（皮肤凸起）与生物电信号的同步捕捉。其机械传感灵敏度在 10% 应变下高达 622，检测范围覆盖 400%，且能稳定工作 5 万次以上；肌电检测界面阻抗低于 3 kΩ，信噪比达 44.7 dB。结合机器学习算法，该传感器对单个手指动作的识别准确率达 96%，可成功控制机械假肢完成抓取、移动、释放等精细动作，为肢体残疾人群的假肢精准操控提供了全新解决方案，也为下一代人机交互技术发展奠定基础。该工作由多方合作共同完成，国科温州研究院史鑫磊助理研究员、金陵科技学院张曌博士和哈尔滨工程大学刘鑫同学为共同第一作者，孙庚志教授和陈强研究员为共同通讯作者。

前沿背景：假肢控制的 “精准化” 困境亟待突破

全球肢体残疾人群面临诸多生活挑战，假肢作为改善其生活质量的关键辅助设备，“精准操控” 始终是研究核心 —— 能否像健康手臂一样灵活控制单个手指，直接决定了假肢能否完成穿衣、吃饭等日常精细动作。

目前，基于表面肌电（sEMG）信号的假肢控制是主流方案，其凭借安全、舒适、低成本的优势被广泛应用。但核心局限始终存在：sEMG 信号是多个肌肉收缩的 “叠加信号”，无法精准定位单个肌肉的运动状态。这导致现有假肢大多只能实现整体抓取，难以控制单个手指的独立弯曲，极大限制了假肢的实用价值。

为解决这一问题，研究者曾尝试提升 sEMG 信号精度（如降低电极与皮肤阻抗）或集成传感器阵列，但前者仍无法区分单个肌肉动作，后者则增加了电路设计负担与数据分析难度。在此背景下，“同步捕捉肌肉的生物电与机械形变信号” 的创新思路，成为突破假肢精准控制瓶颈的关键方向。

一、传感器设计：三大核心创新突破双信号检测瓶颈

本研究的核心在于构建 “能同时‘听’（sEMG 信号）和‘摸’（机械形变）肌肉动作” 的传感器，通过三大设计策略实现性能突破：

1. 双网络水凝胶基底：兼顾柔性、导电性与保水性

传感器基底采用Agar/P（AAm-co-GMA）双网络有机水凝胶，通过物理交联（琼脂）与化学交联（聚丙烯酰胺网络）结合，既具备与人体皮肤匹配的柔性（杨氏模量 0.3 MPa，接近皮肤的 0.5~1.95 MPa），又拥有优异的机械强度（断裂伸长率 1909%）。同时，通过甘油与 NaCl 的溶剂交换，基底实现了长效保水（30 天内重量保留率超 88%）与离子导电能力，为 sEMG 信号检测提供稳定载体。

2. 脆性导电复合膜：裂纹机制实现高灵敏度机械传感

在水凝胶表面涂覆 AgNW（银纳米线）/MXene/BSA（牛血清白蛋白）脆性导电膜，通过 “裂纹传感机制” 突破传统水凝胶传感器灵敏度低的问题：当肌肉收缩引发皮肤微变形时，脆性导电膜会产生细微裂纹，导致电阻急剧变化，从而精准捕捉微弱机械信号。这种设计使传感器在 10% 应变下的灵敏度（GF 值）达到 622，远超传统水凝胶传感器（仅 0.12），且能检测低至 0.1% 的微小应变，足以识别肌肉收缩的细微动态。

3. 点击化学界面：解决导电膜与基底的脱落难题

通过点击化学反应（水凝胶表面的环氧基团与 BSA 的氨基形成 C-N 共价键），实现导电膜与水凝胶基底的强黏附（黏附强度达 127 kPa），确保传感器在反复拉伸（400% 应变）与长期使用（5 万次循环）中，导电层不脱落、信号不中断，解决了柔性传感器常见的 “层间分离” 失效问题。

图1. 超高敏感性水凝胶基机械 / 表面肌电信号传感器示意图

图2.超高应变敏感性水凝胶基（UHSH）传感器的表征

图3. UHSH 传感器的应变传感性能

二、性能验证：机械与肌电传感 “双优”，满足实用需求

1. 机械传感性能：灵敏、稳定、抗干扰

高灵敏度与宽检测范围 除 10% 应变下 GF 值 622 外，传感器最大检测范围达 400%，可覆盖从手指微屈到手臂大幅动作的全场景形变；

超长稳定性 在 100% 应变下循环拉伸 5 万次后，电阻变化峰值与基线仍保持稳定，无明显衰减；

抗干扰能力 拉伸状态下（400% 应变）界面阻抗仅增加不到 4 倍，避免机械形变对 sEMG 信号检测的干扰，确保双信号独立可靠。

2. 肌电传感性能：低阻抗、高信噪比

传感器基底的离子导电性使其与皮肤界面阻抗低于 3 kΩ，远低于传统电极（通常数十 kΩ），可有效减少信号损耗；同时，44.7 dB 的高信噪比确保 sEMG 信号清晰，即使是肌肉轻微收缩产生的微弱信号也能被精准捕捉。此外，细胞毒性实验显示，传感器与细胞共培养 24 小时后细胞存活率超 80%，具备良好生物相容性，可长期贴肤使用。

三、潜在应用：从 “信号识别” 到 “假肢操控” 的全链条验证

1. 精准识别单个手指动作：双信号的协同优势

人体手指弯曲主要由指浅屈肌（FDS）控制，不同手指对应 FDS 的不同区域 —— 肌肉收缩时，对应皮肤会产生特定的机械形变（凸起 / 凹陷）与 sEMG 信号。UHSH 传感器通过同步捕捉这两种信号：

机械信号反映皮肤形变的 “位置与幅度”，sEMG 信号反映肌肉收缩的 “强度”；

结合两者差异，可精准区分 “拇指伸展”“食指弯曲”“中指弯曲” 等 5 种典型动作，解决了单一 sEMG 信号无法定位单个肌肉的难题。

2. 机器学习赋能：动作识别准确率达 96%

研究团队构建了包含输入层、隐藏层、自适应软阈值层的机器学习模型，将双信号数据（sEMG 的频率域特征 + 机械信号的电阻均值）输入模型训练。最终在验证集上，单个手指动作的识别准确率达 96%，且对不同个体的适应性良好，为批量应用提供可能。

3. 假肢操控实战：完成精细抓取动作

通过将 UHSH 传感器贴附于残肢的 FDS 区域，传感器可实时将双信号传输至假肢控制系统。实验显示，该系统能精准复刻残肢者的动作意图，控制机械假肢完成 “抓取小球”“拿起钢笔”“释放物品” 等精细动作，动作响应延迟低，稳定性强，真正实现了假肢从 “粗控” 到 “精控” 的跨越。

图4. UHSH 传感器结构、测试区域及信号检测性能图

图5. 手指弯曲运动控制机制、机器学习算法及假肢操控演示图

小结

本研究以 “解决假肢精准操控痛点” 为核心，提出了 “机械 + sEMG 双信号同步检测” 的创新策略，通过三大设计突破（双网络水凝胶基底、裂纹传感导电膜、点击化学界面），成功开发出性能卓越的 UHSH 传感器。该传感器不仅在技术上实现了 “单传感器实现双信号精准检测” ，更在应用上基于非侵入式传感器的单个手指假肢控制，为肢体残疾人群带来了更贴近自然的假肢操控体验。

未来，随着该技术与人工智能、大数据的深度融合，其应用场景有望进一步拓展至智能健康监测（如肌肉疾病早期预警）、运动康复辅助（如术后动作矫正）等领域，为人体工学与医疗康复的交叉创新提供新路径。

原文链接：https://doi.org/10.1016/j.cej.2025.169648

来源：高分子凝胶与网络