新加坡国立大学：研发用于水下传感应用的自激式线性神经形态柔性压力传感器

 

01

 内容概览

现有技术缺点

线性与稳定难兼顾：传统水下传感器（如电容式）线性范围小（仅10kPa）或稳定性差（离子型易受水干扰），无法适配高压/湍流水下环境。

信号处理复杂：现有神经形态传感器需复杂算法，难满足水下实时监测需求。

文章亮点

仿生高性能：受鱼类侧线系统启发，用微磁珠（NdFeB-PDMS）+交替线圈设计，实现200kPa压力高线性响应（R²=0.997），自激发磁动作电位简化信号处理。

水下稳定：经海洋水池/公海验证，抗水流/压力干扰，信号保真。

应用精准：游戏控制准确率92.19%，水下物体识别94.71%（机器学习+SNN）。

应用场景

水下机器人：导航避障、目标识别。

海洋监测：实时监测海水压力/流速。

人机交互：游戏控制、VR触觉反馈。

总结

    在本研究中，作者提出了一种仿生神经形态软压力传感器，旨在实现稳定的水下性能和简化的信号处理。这是通过微磁球、微流体通道和交替线圈连接的创新整合实现的。该传感器在施加力时表现出自激发行为，对压力变化的响应具有高线性度（R² = 0.997），可达200 kPa。所提出的机制通过其交替线圈设计产生明显的磁性动作电位，从而实现高效的信号处理。这种人工神经感受器在游戏控制应用中实现了92.19%的准确率，在水下物体识别中使用机器学习达到了94.71%的准确率。此外，该传感器在实验海洋水池和开放海域环境中进行了验证，确认其在水下机器人、海洋环境监测和海洋工业应用中的潜力。

02

 图文简介

 

图1. 生物启发式人工神经元的设计与工作机制。a) 水生脊椎动物侧线系统中的生物神经元与作者的仿生人工神经元设计之间的结构比较。b) 电子毛细胞的工作机制，显示通过双微型磁球产生压力诱导的磁动势。c) 人工神经元系统生成的独特对称信号配置。

图2. 人工神经脉的表征。a) 使用解析模型验证12圈螺旋线圈的模拟与实验叠加的磁动作电位（mAP）。b) 组合mAP序列编码刺激信息：施加的压力（上）及相应的诱发mAP（下）。c) 使用振动样品磁强计测量不同磁浓度的微磁球的剩余磁性。误差条表示六个独立制造批次的标准偏差（n = 6）。插图：23体积分％微磁球的扫描电子显微镜图像。d) 微磁球通过12圈螺旋线圈位移时峰-峰电压（Vpp）与速度之间的线性关系。误差条表示三个设备的标准偏差（n = 3）。e) 通过改变气柱体积调节人工神经脉的灵敏度。f) 在具有19 μL气柱的人工神经脉设备中，微磁球的移动距离与施加压力之间存在强线性相关性（R² = 0.997），在不同加载速率下测得。

 

图3. 机器学习增强的游戏控制与水下物体识别。a) 通过不同的磁铁排列实现的可定制化平均精度（mAP）配置。灰度颜色代表不同的磁化状态。具有相同剩磁（62–62 emu cm−3）的双磁铁产生对称模式（顶部），而六个具有不同剩磁（62–62–21–21–36–36 emu cm−3）的磁铁形成独特的非对称模式（底部）。b) 用于俄罗斯方块控制的2 × 2人造神经元阵列，其中四个神经元简单串联连接，分别对应不同的运动方向。c) 使用卷积神经网络进行游戏控制器识别任务的平均混淆矩阵。d) 使用配备薄膜人造神经元的机器人抓手进行水下物体识别的演示。e) 修改后的薄膜人造神经元的结构。f) 用于水下识别的物体汇总。g) 基于脉冲神经网络的水下物体识别的平均混淆矩阵。

   

图4. 在实验和开放海域环境中对阀门操作的稳健水下检测。a) 集成于软抓手中的软人工神经感受器，安装在自主水下航行器（AUV）上，并在实验海盆中测试阀门操作。b) 在新加坡圣约翰岛进行的开放海域测试。c) 软抓手结构和阀门的示意图。d) 用于水下信号采集和传输的定制电路和算法。e) 阀门操作期间检测到的信号。f) 关键阶段的详细信号响应：i) 碰击，ii) 抓取，iii) 释放，iv) 离开。

03

文献来源

Yang, J. et al. Self-Spiking Linear Neuromorphic Soft Pressure Sensor for Underwater Sensing Applications. Advanced Materialsn/a, e05486. doi:10.1002/adma.202505486

  审核编辑 黄宇