실시간 호흡 모니터링을 위한 휴대용 마찰전기 나노발전기

여기서 d ₀ =d ₁ /ε _{r 1} + d ₂ /ε _{r 2} d의 유효 두께입니다. ₁ (d ₂ ) 및 ε _{r 1} (ε _{r 2} )은 각각 유전층의 두께와 비유전율을 나타내며, ε ₀ 진공의 유전 상수, σ 표면 전하 밀도, R 부하 저항 및 S 유전체 판의 면적입니다.

호흡 중 물리적 움직임과 TENG 센서의 출력 전압 사이의 상관관계. 아 이론적 예측을 위한 가정된 사다리꼴 형태의 변위. ㄴ 이론적 예측과 실험 결과 비교

장치는 전기 기계 모델을 이론적으로 검증하는 경우로 활용되며 물리적 특성 및 하중 프로세스의 매개변수는 Tab에 나와 있습니다. 1. 계산된 출력 전압의 시간 이력은 그림 3b의 파란색 선으로 표시되고 측정된 전압 신호는 빨간색 선으로 표시됩니다. 이론적 예측과 측정된 신호 사이에 탁월한 일치가 관찰되어 분석 모델이 호흡 과정에서 장치의 전기 출력을 예측하는 데 정확함을 시사합니다. 또한 예측된 호흡 신호의 전압 펄스는 들숨 및 날숨 과정과 일치함을 보여줍니다. 신호는 호기와 들숨 과정의 발생에 따라 각각 양의 신호와 음의 신호로 동작하며 상승 및 하강합니다. 또한 성능과 감도를 향상시키기 위해 구조적 매개변수에서 TENG 기반 호흡 센서의 최적 설계에 활용될 수 있습니다.

출력 특성

장치의 출력 전압 신호에 대한 마찰 쌍의 슬라이딩 변위의 영향을 조사하기 위해 기계적 테스트가 수행되었습니다. 그림 4a와 같이 마찰 쌍의 두 끝을 스트레칭 기계에 고정하고 마찰 쌍을 스트레칭 기계를 통해 주기적인 왕복 슬라이딩 진동을 가하여 호흡에서 마찰 쌍의 움직임을 시뮬레이션했습니다. 프로세스. 한편, 전기회로의 부하저항이 11MΩ인 전압계로 측정한 전압신호와 비교하기 위하여 신축과정에서 미끄럼 변위와 견인력의 시간이력을 기록하였다. 기계적 시험에서는 0.5 Hz의 주파수와 2.5 ~30 mm의 변위 진폭을 갖는 사다리꼴 여기를 이용하였다. 그림 4b는 빨간색 선으로 출력 전압의 시간 이력과 녹색 및 파란색 선으로 각각 진폭 30 mm 및 견인력의 슬라이딩 변위의 해당 시간 이력을 보여줍니다. 단계 I에서 마찰 쌍 사이의 변위가 기계의 견인력에 따라 증가하는 동안 출력 전압의 양의 펄스가 캡처됩니다. 그리고 2단계에서는 출력전압이 반대 신호를 나타내면서 견인력이 점차 상쇄되고 변위가 감소한다. 전압 신호의 주기적인 특성은 설정 기계적 가진의 슬라이딩 변위 및 견인력의 특성과 잘 일치하여 실시간 호흡 모니터링을 위한 TENG 센서의 가능성을 보여줍니다. 또한 얻은 전압 신호는 2.5 ~30 mm(그림 4c)의 다양한 슬라이딩 진폭에서 분명히 변하므로 변위 진폭(즉, 호흡 깊이)의 영향을 조사할 수 있습니다. 피크 전압 대 변위 진폭의 변화 경향은 그림 4d에 나와 있습니다. 분명히 피크 전압은 변위 진폭에 따라 선형적으로 증가하고 변동 관계는 다음과 같이 설명될 수 있습니다.

여기서 V _피크 는 출력 전압의 피크 값이며 X _최대 마찰 쌍의 최대 슬라이딩 변위를 의미합니다. 식의 규정. (3) 적용 가능한 범위가 "2.5 mm≤ X인 장치의 피크 전압과 변위 여기 간의 관계를 나타냅니다. _최대 ≤30 mm”이며, 이는 복부 둘레가 피크 전압에 미치는 영향과 호흡 과정에서 센서의 피크 전압 예측에 따른 영향을 학습할 수 있는 기초를 제공합니다. 한편, 그림 4d는 견인력의 진폭과 3.09 N 및 2.5 mm의 작은 슬라이딩 변위로 센서의 유용한 전기 신호를 캡처할 수 있음을 보여주므로 장치를 쉽게 구동할 수 있음을 의미합니다. 사용자에게 불편함을 주지 않으면서 복부 둘레의 변화를 줄 수 있습니다.

TENG 기반 호흡 센서에 대한 기계적 테스트. 아 스트레칭 기계에 고정된 TENG 센서의 사진. ㄴ 사다리꼴 형태의 여기에서 센서의 출력 전압 신호와 슬라이딩 변위 및 힘의 해당 시간 이력. ㄷ 변위 진폭이 다른 센서의 출력 전압의 시간 이력. d 최대 슬라이딩 변위의 함수로서의 출력 전압 및 견인력의 피크 값

호흡 모니터링

호흡 센서로 작동하는 장치의 가능성을 확인하기 위해 일련의 실시간 모니터링 테스트가 수행되었으며(그림 5a), 전기 회로의 부하 저항이 100MΩ인 전압계를 통해 전기 신호를 측정했습니다. . 호흡 과정에서 장치의 벨트는 사용자의 허리에 등각 접촉을 유지하고 사용자의 복부 환경의 변화는 마찰 쌍의 주기적인 왕복 슬라이딩 진동에 의해 반영됩니다. 자원 봉사자가 주기적으로 숨을 내쉬면서 양 및 음 진폭의 펄스를 포함한 출력 전압 신호가 나타납니다. 실제 응용에서 캡처된 전기 신호에는 호흡 과정, 즉 호흡수, 들숨 또는 날숨 과정 등과 관련된 더 많은 정보가 포함될 수 있습니다. 전압 신호의 주기적인 변화와 호흡의 작동 메커니즘 사이의 상관 관계를 설명함으로써 센서를 사용하면 측정된 신호에서 호흡에 대한 자세한 정보를 추출하는 것이 더 정확합니다. 따라서 실시간 테스트에서 하나의 호흡 주기를 예로 들어 상관 관계를 설명합니다(그림 5b). 호기 과정에서 힘이 가해지면 마찰 쌍은 바깥쪽으로 미끄러지며 호기 과정에 대한 감지에 따라 양의 진폭으로 출력 전압 펄스를 생성합니다. 그런 다음, 가해진 힘이 흡입 과정에서 점진적으로 취소되면 마찰 쌍이 안쪽으로 미끄러지며 흡입 과정의 감지에 따라 음의 진폭을 가진 출력 전압 펄스를 생성합니다. 위에서 언급한 분석을 기반으로 전압 신호를 활용하여 호흡 과정에 대한 깊은 이해를 얻을 수 있습니다.

다양한 호흡 리듬을 모니터링하기 위한 슬라이딩 모드 TENG 호흡 센서. 아 호흡 모니터링을 위해 허리에 착용한 TENG 센서 사진. ㄴ 출력 전압 신호와 하나의 호흡 주기에서 날숨 및 흡입 과정 간의 일치. ㄷ , d 허리둘레가 다른 두 지원자에 대한 출력 전압 신호의 시간 기록(c의 경우 72.8 cm d의 경우 98.6 cm ) 및 다양한 호흡 리듬에 대한 FFT의 해당 결과

또한, 22세의 1명(허리둘레 72.8cm)과 24세(24세, 허리둘레 98.6cm)가 서로 다른 개인의 특정 호흡 행동을 반영하는 스마트 벨트의 능력을 테스트하기 위해 초대되었습니다. 다양한 호흡 수에 대한 장치의 민감도를 테스트하기 위해 자원 봉사자가 제공하는 호흡 과정에는 세 가지 다른 호흡 리듬, 즉 정상, 빠른 호흡 및 심호흡이 포함됩니다. 리듬이 다른 호흡 과정에서 TENG 센서에서 생성된 전기 신호가 성공적으로 감지되어 두 지원자에 대해 각각 그림 5c 및 d에 표시됩니다. 전압 신호는 각 리듬에 대해 반복 가능하고 신뢰할 수 있으며, 이는 호흡 과정에서 호흡 수의 명백한 차이를 나타냅니다. 두 지원자의 출력 전압(그림 5c 및 d)의 시간 이력은 각각 3가지 호흡 리듬의 과정에서 일정한 변화(일정한 주파수 및 피크-밸리 값)를 나타냅니다. Fig. 5c와 d에서 FFT(Fast Fourier Transform)의 결과를 반영하여 추출된 정상, 급속, 심호흡의 주파수는 22세 지원자와 0.60 각각 0.68, 1.10, 0.40 Hz이다. , 1.40 및 0.47 Hz는 24세입니다. 이는 건강한 성인의 적절한 호흡수입니다[37]. 이는 전기 신호를 통해 호흡수에 대한 주요 정보를 수집할 수 있음을 의미합니다. 한편, 테스트에 참가한 두 명의 지원자는 무호흡 증상으로 인한 호흡 정지를 시뮬레이션하기 위해 숨을 참도록 요청받았습니다. 이에 따라 그림 5c와 d에는 0볼트 값의 신호가 두 개의 서로 다른 호흡 리듬 사이에서 약 10 초 동안 지속되는 것으로 나와 있습니다. 이것은 OSAS에 대한 판단 기준으로 활용될 수 있으며 진단 및 경고에 추가로 부합할 수 있습니다. 이러한 결과는 이 TENG 센서가 호흡수뿐만 아니라 무호흡의 증상까지 감지할 수 있음을 보여줍니다.

또한 다양한 일상 활동에서 장치의 실용성을 확인하기 위해 여러 주에서 자원 봉사자가 일련의 실시간 테스트를 수행했습니다. 전압 신호는 누운 상태(그림 6a의 경우 I), 앉은 상태(그림 6b의 경우 II), 서 있는 상태(그림 6c의 경우 III)에서 부하 저항이 100MΩ인 전압계를 통해 측정되었습니다. , 그리고 3 km/h의 속도로 걷는다(그림 6d의 경우 IV). 그림 6a는 자원자가 누워서 수면 중 호흡 상태를 시뮬레이션하여 얻은 전압 신호를 나타내고 그림 6b-d는 자원자가 각각 앉고, 서고, 걸을 때 캡처한 전압 신호를 보여 주간 활동에서 호흡 과정을 시뮬레이션합니다. . I-IV의 모든 신호는 들숨과 날숨의 실제 과정과 일치하는 호흡 중 복부 둘레의 변화에 ​​따라 안정적이고 지속적인 전압 펄스를 보여줍니다. 그리고 호흡수는 case I의 경우 0.54 Hz, case II의 경우 0.52 Hz, case III의 경우 0.72 Hz, case IV의 경우 0.65 Hz로 각각 검출되었습니다. 그림 6d에서 걷는 동안 신호 파형에 약간의 지터가 존재하지만 호흡 리듬을 모니터링하는 기능은 여전히 ​​달성된다는 점에 주목할 가치가 있습니다. 네 가지 사례의 테스트는 일상 생활의 다양한 활동에서 실시간 호흡 모니터링을 위한 웨어러블 장치로서의 호흡 센서의 가능성을 보여줍니다. Furtherly, we carried out a long-time continuous respiration monitoring for 180 s and the detected signals are presented in Additional file 1:Figure S1. The time histories of the output voltage exhibit stable alteration with the breathing processes during the tests, which demonstrate the stability of the TENG sensor for long-time monitoring in practical applications.

The TENG sensor for real-time respiration monitoring in different daily activities. The captured voltage signals and the corresponding testing photographs in processes of respiration monitoring when volunteer is (a ) lying, (b ) sitting, (c ) standing, and (d ) walking at a speed of 3 km/h

To further improve the portability of the device as a wearable respiration sensor, a wireless transmission system was designed for the exhibition of the breathing information on a mobile electronic equipment. Specifically, a real-time monitoring test equipped with the wireless transmission system proposed in Fig. 1b was carried out and the electrical signals generated by the TENG sensor were wirelessly transmitted and displayed on a cell phone. Figure 7a shows the actual setup of the wireless transmission system and Fig. 7b shows the signal waveforms containing breathing information displayed on the phone via the wireless transmission system. The measured respiratory information of the volunteer in Fig. 7b have been further processed on a PC and shown in Fig. 7c for better viewing. The depicted waveforms in Fig. 7c suggest that the respiratory rate is about 0.625 Hz. And the exhalation and the inhalation stages of the breathing process are identified and marked in Fig. 7c, which indicates the perfect reflection of the electric signals displayed on the phone to the actual respiratory status and the reliability and practicality of the wireless transmission system. To further demonstrate the accuracy of the wireless signals, voltmeter signals (with electrical load resistance of 10 MΩ) after TENG and wireless signals after wireless system were captured in the same breathing test and compared in Additional file 1:Figure S2. It is worth to be mentioned that the amplitude of the wireless signals is not the true value of the output voltage of the TENG sensor, but being processed proportionally. On the one hand, the signal width of the wireless signals is much wider than the voltmeter signals, which can be attributed to a comprehensive outcome of the larger input impedance of voltage follower (100 TΩ) in the wireless transmission chip, the existing load loss of the circuit and the low sampling rate which make the signals distorted slightly. On the other hand, though the waveform and the peak value are changed after the wireless system, the information about the breathing cycle delivered by the wireless signals coincides well with that of the voltmeter signals, which means that the respiratory rates can be correctly reflected by the signals obtained from the wireless transmission chip.

Real-time respiration monitoring via the TENG sensor with the wireless transmission system. 아 Photograph of the actual setup of the wireless transmission system. ㄴ Photograph of volunteer’s real-time breathing signals displayed on a mobile phone. ㄷ The respiratory waveform depicted with the data stored by the wireless transmission system