應變傳感式智能手套的制備與性能

摘 要：為開發一種用于手勢識別的全織物智能數據手套，利用嵌花添紗技術和針織全成形技術，將柔性電阻應變式傳感器無縫引入到手套的手指關節部位。采用掃描電子顯微鏡、透氣性分析儀和傳感性能參數分析儀進行測試分析。結果表明：針織應變傳感器在30%應變內的靈敏系數范圍為13～90，響應時間低于50 ms，且在8000次循環拉伸后仍保持較為穩定的電阻，表現出良好的傳感性能。制備的針織全成形應變傳感手套能夠準確實時捕捉手部運動數據，同時還保留了常規織物手套所具有的良好透氣性和穿戴舒適性。輔以機器學習，該智能傳感手套可有效實現手勢識別，可用于手部功能訓練和人機交互等場景，在康復醫療和休閑娛樂等領域具有廣闊的應用前景。

關鍵詞：針織應變傳感器；嵌花添紗；全成形傳感手套；手勢識別；手部功能訓練

中圖分類號：TS181.8

文獻標志碼：A

文章編號：1009-265X（2025）03-0102-08

收稿日期：2024-07-02 網絡出版日期：2024-10-12

基金項目：國家重點研發計劃項目（2022YFB3805801，2022YFB3805802）；中國紡織工業聯合會“紡織之光”應用基礎研究項目（J202004）；山東省重大科技創新工程項目（2019JZZY010335）；山東省青創科技創新團隊項目（2023KJ223）；國家自然科學基金項目（22208178，62301290，52473307）；山東省科技型中小企業創新能力提升工程項目（2023TSGC1006）；山東省自然科學基金項目（ZR2022QE174）；青島市自

然科學基金項目（23-2-1-249-zyyd-jch）

作者簡介：張欣宇（2000—），女，山東濰坊人，碩士研究生，主要從事智能紡織品方面的研究

通信作者：陳富星，E-mail：fxchen@qdu.edu.cn

智能可穿戴設備的發展對運動傳感器的穿戴舒適性提出了越來越高的要求。柔性針織應變傳感器不僅具有足夠的測量精度，還具備極佳的適體性、透氣性、延伸性和回彈性，因此在人體運動無感傳感方面具有巨大的潛力^［1］。在醫療健康領域，針織應變傳感器可用于運動監測分析^［2-4］和康復訓練^［5］等方面。隨著可穿戴運動傳感的技術迭代和應用需求的持續上升，針織應變傳感器在智能化、個性化醫療護理和人機交互等領域將發揮出實際價值^［6］。

近年來，學者們在圍繞針織應變傳感器而開展的研究中，主要采用提花添紗、嵌花添紗和緯平針等緯編針織結構^［7-8］制作針織應變傳感器。前兩者皆是在緯平針的基礎上局部添加導電紗而形成特定花型圖案，通常以彈性紗作地紗、以導電紗作面紗而形成雙紗線圈。但是，提花添紗和嵌花添紗在組織結構、電路加載方式和方向上有很大不同。提花添紗組織中導電線圈所有橫列兩端均存在較長浮線紗段，當以縱行為應變方向時，導電浮線在編織時由機器剪去，這易導致線圈脫散。而編織嵌花添紗組織僅使用一根導電紗和一根彈性紗分別作為面紗和地紗，在織物中縱向鑲拼而形成傳感區域色塊，除紗線進入和退出該區域時留有兩根可直接與電路相連的紗段外，其它邊界處線圈連續、無線頭，因此織物不易脫散^［9］。此外，由于嵌花傳感區域僅含一根連續的導電紗而非多根斷開的導電紗，因此具有較好的力-電傳感性能。

已有學者對組織結構、紗線原料、加載方向、織物尺寸和線圈密度等因素對傳感性能的影響進行了研究。在傳感紗線的選擇上，多數研究主要采用鍍銀導電錦綸紗為柔性針織紗線，避免了金屬絲制成服裝的穿著不適感。例如，王金鳳^［10］在無縫內衣機上以鍍銀導電錦綸絲和彈力錦綸/氨綸包芯紗為原料，編織提花添紗針織應變傳感器，并將其集成到無縫內衣以測量內衣壓力分布。劉嬋嬋等^［11］在機號E28、筒徑15英寸的無縫針織圓機上以鍍銀錦綸紗、錦氨包覆紗和氨綸裸紗等為原料，織制了設有針織柔性傳感器的袖筒，用于測試肘部彎曲度，并對具有最佳傳感性能的織物工藝進行了討論。張鈺晶等^［9］在機號為E14的電腦橫機上采用鍍銀錦綸絲、錦綸低彈絲和氨綸絲編織了嵌花添紗針織應變傳感器。以織物經向為應變主軸的對比實驗發現，該傳感器的可測最大應變和靈敏系數范圍均高于提花添紗針織應變傳感器。通過優化傳感器尺寸還可提升嵌花添紗針織應變傳感器的應變靈敏系數。

嵌花添紗技術是目前編織針織應變傳感器最為理想的技術之一。本文采用嵌花添紗技術，并結合針織全成形技術，將柔性電阻應變式傳感器無縫織入至全成形手套的10個關節部位，開發一種用于手勢識別的全織物智能數據手套，并對其進行傳感性能研究。此外，為呈現該智能數據手套的手勢識別效果，本文還擬搭建一種手勢識別系統，實現實時捕捉手部運動狀態，以期為手部運動障礙患者提供康復訓練工具^［12-14］。

1 實驗

1.1 材料與儀器

材料：鍍銀錦綸紗（線密度為11.1 tex，單位長度電阻為12 Ω/cm，山東淄博泰林紡織有限公司）；錦氨包覆紗（線密度為6.4 tex，江蘇平美紗業有限公司）；錦綸復絲紗（線密度為11.1 tex，山東華紡紡紗有限公司）。

儀器：SWG041N2電腦橫機（日本島精公司）；Phenom Pro臺式掃描電子顯微鏡（荷蘭Phenome公司）；5965型萬能材料試驗機（美國Instron公司）；FX3300-IV型透氣性分析儀（瑞士TEXTEST公司）；DKC-1B步進電動機控制器（北京時代超群電器科技有限公司）；Keithley 2601B參數分析儀（吉時利儀器公司）。

1.2 傳感器的設計與制備

嵌花添紗以平針組織為基礎，引入嵌花和添紗工藝編織而成，即編織嵌花織物時，每一個線圈用兩根紗線進行編織，兩根紗線所形成的線圈按照要求分別處于織物的正面和反面。嵌花添紗針織應變傳感器的線圈結構如圖1（a）—（b）所示。其中，由1、3號紗嘴編織導電區域，采用1根鍍銀錦綸紗與1根錦氨包覆紗分別作為面紗和地紗；由5號紗嘴編織不導電區域，采用1根錦綸復絲紗和1根錦氨包覆紗進行雙紗編織。導電區域尺寸為16縱行×16橫列。圖1（c）—（d）為傳感器工藝正面和工藝反面的實物圖。

1.3 測試與表征

1.3.1 表面形貌表征

采用Phenom Pro臺式掃描電子顯微鏡（SEM）對鍍銀錦綸紗線的表面形貌進行觀察， 并用能譜儀（EDS）技術表征其表面元素組成。

1.3.2 透氣性測試

參照GB/T 5453—1997《紡織品 織物透氣性的測定》，使用FX 3300-IV型透氣性分析儀對導電織物進行測試，采用壓降為100 Pa，圓形試樣面積為20 cm²。

1.3.3 織物傳感性能測試

1.3.3.1 靈敏度

在衡量應變傳感器的指標中，應變靈敏系數G是最重要的指標之一，其可根據式（1）進行表征：

G=ΔR/R₀ε（1）

式中：ΔR/R₀為在一定應變下的電阻變化量ΔR與靜態松弛電阻R₀之間的比值；ε為傳感器在拉伸方向上的應變，即伸長長度l與初始長度l₀之間的比值。

導電織物尺寸為10 cm×1 cm（縱向×橫向）。使用步進電動機對導電織物分別沿縱行方向和橫列方向進行拉伸，設定拉伸速度為2 mm/s，使用參數分析儀同步記錄電阻變化。設置輸出電流為1 mA，鉗位電壓為15 V。

1.3.3.2 響應時間

將導電織物與參數分析儀相連，待阻值穩定后，對織物施加外力并維持20 s，然后快速撤回外力，獲得相應的信號響應時間和恢復時間。

1.3.3.3 應變監測范圍

使用參數分析儀連接導電織物，待阻值穩定后，用步進電動機對導電織物進行縱向拉伸，設置拉伸速度為2 mm/s，得到電阻變化。

1.3.3.4 循環穩定性

使用參數分析儀連接導電織物，待阻值穩定后，使用步進電動機對導線織物進行縱向循環拉伸8000次，設置拉伸速度為300 mm/min，最大拉伸應變為30%。

1.3.3.5 耐水洗性

參照GB/T 5713—2013《紡織品 色牢度試驗 耐水色牢度》，將導電織物放在含有家用洗滌劑的500 mL常溫清水中輕輕揉搓1 min后，再分別浸泡0、30、60、90、120 min，取出后用常溫清水沖洗干凈并晾干。記錄導電織物經不同時間浸泡后的電阻值。每組測試重復3次，取其平均值。

2 結果與分析

2.1 形貌觀察

鍍銀錦綸紗線的SEM照片如圖2（a）所示，圖2（b）—（c）為鍍銀錦綸紗線的表面化學元素分布圖，從圖中可以看出，Ag元素在錦綸復絲紗表面較為均勻分布，保證了鍍銀錦綸紗線的導電性。

2.2 織物透氣性能測試分析

在同一織物不同位置測試10次，測得平均透氣率為1242 mm/s。這表明該導電織物透氣性良好，可有效排出皮膚表面濕氣，保持皮膚表面的熱濕舒適性。

2.3 織物傳感性能測試分析

2.3.1 靈敏度

導電織物的應變靈敏度曲線如圖3所示。從圖3中可以看出，在相同條件下，縱向拉伸應變時電阻變化率高于橫向電阻變化率。縱向拉伸30%時，電阻變化率達90%；橫向拉伸30%時，電阻變化率僅為13%。因此，傳感器在縱向拉伸時的應變靈敏度高于同等條件下橫向拉伸時的應變靈敏度。后續傳感性能測試和基于該織物傳感器的手套設計將全部基于縱向拉伸方式進行。

2.3.2 響應時間

圖4為導電織物在一個施力-釋力過程中的響應時間曲線。從圖4可以看出，用參數分析儀測得導電織物的信號響應時間為22 ms，外力撤去后，導電織物在21 ms內就能實現快速恢復。因此，該導電織物能夠較好地監測人體運動狀態，實現實時信號捕捉。

2.3.3 應變監測范圍

導電織物在不同拉伸應變下的電阻變化曲線如圖5所示。從圖5可以看出，在5%應變范圍內，傳感器電阻變化不明顯；在5%～20%應變范圍內，傳感器電阻有明顯增大；在20%～30%應變范圍內，傳

感器電阻增大的程度開始放緩，但依然變化明顯。因此，導電織物能夠監測拉伸應變30%范圍內的電阻變化，具有比較廣的監測范圍，可用于監測和分辨傳感手套在不同手勢下的信號。

2.3.4 循環穩定性

導電織物在循環拉伸測試中電阻的循環穩定性曲線如圖6所示。從圖6可以看出，經過6000次循環拉伸之后，傳感器的電阻值逐漸增大，這是由于在多次連續拉伸之后，針織物產生疲勞變形，線圈變松，因此線圈與線圈之間的接觸電阻變大。當繼續循環拉伸至8000次后電阻基本保持穩定，導電織物展現出良好的回彈性和機械穩定性。

2.3.5 耐水洗性

導電織物經過不同時間常溫洗滌浸泡后的電阻變化直方圖如圖7所示。從圖7可以看出，隨著浸泡時間的增加，電阻呈現稍微增大的趨勢，但變化幅度較小，說明該導電織物重復傳感性能受洗滌影響較小，具有較好的耐水洗性。

3 手套結構設計

在前述嵌花添紗針織應變傳感器的編織工藝基礎上，采用島精電腦橫機編織含有10個嵌花添紗傳感器的全成形針織應變傳感手套。其中，每個導電傳感區域相互獨立，分別位于拇指、食指、中指、無名指和小拇指的2個指關節，其尺寸為16縱行×16橫列。采用電腦橫機CAD設計系統中的子系統模塊Knit Paint實現針織應變傳感手套的制版設計，并按照所設定工藝參數自動編程，生成相應上機文檔。度目值設置為30，度目數值越大，則織物密度越小^［15］。采用C型編織方法織造手套，首先依次織造手套的食指、中指、無名指、小拇指和大拇指，接著織造手掌部分，包括手背和手心，最后織造手套的袖口。采用電腦橫機CAD設計系統中的子系統模塊3DModelist對傳感手套進行編織模擬，得到傳感手套仿真效果圖如圖8（a）所示。基于以上設計工藝，制成全成形嵌花添紗針織應變傳感手套如圖8（b）所示，其中S1—S10分別為5個手指10個關節處的傳感器編號。

4 傳感手套系統搭建

為獲得手勢改變時所引起的阻值變化，搭建數據采集系統，分別采集手套內10個指關節處針織傳感器的電阻值，每個導電傳感區域的電阻信號相互獨立，從而反映出每個手指的彎曲狀態。針織傳感手套中應變傳感器的輸出電阻被用作數據采集系統的輸入端，數據采集系統的輸出端經由USB連接到計算機。

由于手套的10個傳感區域是由鍍銀錦綸導電紗線通過嵌花的方式直接編織的，每個區域的兩端可以分別引出兩根導電紗線的紗頭，與電路板排線的內部導線擰絞連接，外部用絕緣膠帶封裝，兩根排線分別連接傳感區域的上端和下端，由此測得一個傳感區域的電阻。電阻數據采集和傳輸電路板采用意法半導體（ST）生產的主控板，型號為STM32F407VET6。

完整的針織應變傳感手套監測系統如圖9所示，通過用戶界面顯示，可直觀讀取手套內各指關節處的受力彎曲狀態。

5 手勢識別的應用

5.1 手指關節彎曲測試

受試者穿戴智能傳感手套進行指關節彎曲測試結果如圖10所示。該傳感手套對手指關節彎曲0°～

90°之間的不同狀態具有很好的辨識性。從圖10（a）中可以看出，食指近端指間關節在不同屈曲狀態下的電阻均高于手指挺直狀態下的電阻。當手指挺直（0°）時，傳感器內導電線圈互相之間接觸點最多，因此電阻最小；當手指彎曲至30°和60°時，傳感器內針織線圈被縱向拉伸，線圈長度和圈高均變大，導電線圈之間接觸面積變少，因此電阻變大；但是當手指繼續彎曲至90°時，電阻反而有所下降，這可能是由于手指屈曲過程中傳感器所受拉伸狀態較為復雜，并非簡單縱向拉伸，因此導致傳感器的電阻隨手指彎曲程度增加而呈現非線性變化的趨勢。此外，該傳感手套對手指關節彎曲至90°循環屈伸動作的識別也具有較高的可重復性，如圖10（b）所示。

5.2 數字手勢識別測試

受試者穿戴傳感手套，變換數字手勢，采集傳感器的實時動態電阻信號組合。在不同數字手勢下，10個指關節的彎曲狀態組合各不相同，因此10個傳感器的電阻組合也不同。當以數字手勢“1、2、3、4、5”為順序依次變化手勢時，屈曲手指數目逐漸變少，挺直手指數目逐漸變多。結合前述手指關節彎曲測試結果分析可知，整體電阻應逐漸減小，如圖11所示的5個數字手勢下的傳感器電阻信號組合與前述分析一致。其中，S1—S10分別對應圖8（b）中所描述的10個指關節處傳感區域的電阻信號。柔性針織傳感器能夠穩定捕捉織物應變狀態，并且在手勢改變瞬間，傳感器信號變化明顯，這表明傳感器對手部微小變化的響應是非常迅速和靈敏的。

5.3 手勢識別模型分析

采集“1、2、3、4、5”這5個數字手勢的數據樣本，使用Python進行數據聚類，并生成混淆矩陣，如圖12所示。結果表明，該智能應變傳感手套系統對于手勢的正確識別率較高，平均值達到99.5%。

6 結論

本文通過嵌花添紗技術成功制備出柔性針織應變傳感器，該傳感器在30%應變內的靈敏系數范圍為13～90，響應時間低于50 ms，循環穩定性好，表現出良好的傳感性能。此外，該傳感器還具有良好透氣性和穿戴舒適性。本文結合針織全成形技術，將柔性應變傳感器無縫引入到手指關節部位，成功制成全織物智能數據手套。通過對傳感器進行數據采集和分析，開發出了一種面向手勢識別的智能數據手套系統。該智能手套能夠準確實時捕捉和分辨手部動作，實現動態手勢監測，可用于手部功能訓練和人機交互等場景。未來，借助針織技術的靈活性和針織結構的多樣性，還可制成智能護膝和智能護肘等全成形針織傳感器，在康復醫療和體育運動等領域應用前景廣闊。

參考文獻：

［1］LI Y， MIAO X， NIU L， et al. Human motion recognition of knitted flexible sensor in walking cycle［J］. Sensors （Basel， Switzerland）， 2019， 20（1）：35.

［2］孫繼淑，田明偉，李煜天.智能感知織物在軍事領域的應用［J］.絲綢，2024，61（9）：72-80.

SUN Jishu，TIAN Mingwei，LI Yutian. Application of intelligent sensing fabrics in the military field［J］.Journal of Silk， 2024，61（9）：72-80.

［3］何崟，喬惠惠，劉麗妍，等.多孔結構柔性應變傳感器的研究進展［J］.天津工業大學學報，2023，42（3）：28-35.

HE Yin， QIAO Huihui， LIU Liyan， et al. Research progress of flexible strain sensor with porous structure［J］. Journal of Tiangong University， 2023， 42（3）：28-35.

［4］LIU L， LIANG X， WAN X， et al. A review on knitted flexible strain sensors for human activity monitoring［J］. Advanced Materials Technologies， 2023， 8（22）：2300820.

［5］趙帥， 徐一博， 王海軍， 等. 用于偏癱患者功能訓練的全印刷柔性傳感手套系統［J］. 微納電子技術， 2023， 60（6）：876-885.

ZHAO Shuai， XU Yibo， WANG Haijun， et al. Fully printed flexible sensing glove system for occupational training of paralytic［J］. Micronanoelectronic Technology， 2023， 60（6）：876-885.

［6］房翔敏，曲麗君，田明偉.自供電紡織基柔性應變傳感器研究進展［J］.絲綢，2022，59（8）：36-47.

FANG Xiangmin， QU Lijun， TIAN Mingwei.Research progress of self-powered textile-based flexible stress sensors［J］.Journal of Silk， 2022，59（8）：36-47.

［7］LI J， LI S， SU Y. Stretchable strain sensors based on deterministic-contact-resistance braided structures with high performance and capability of continuous production［J］. Advanced Functional Materials， 2022， 32（49）：2208216.

［8］DUAN S， LIN Y， ZHANG C， et al. Machine-learned， waterproof MXene fiber-based glove platform for underwater interactivities［J］. Nano Energy， 2022， 91：106650.

［9］張鈺晶， 龍海如. 嵌花添紗針織應變傳感器的制備與性能［J］. 東華大學學報（自然科學版）， 2020， 46（6）：889-895.

ZHANG Yujing， LONG Hairu. Preparation and properties of intarsia-plated knitting strain sensor［J］. Journal of Donghua University （Natural Science）， 2020， 46（6）：889-895.

［10］王金鳳. 導電針織柔性傳感器的電-力學性能及內衣壓力測試研究［D］. 上海：東華大學， 2013.

WANG Jinfeng. Study on electro-mechanical properties and underwear pressure test of conductive knitting flexible sensor［D］. Shanghai：Donghua University， 2013.

［11］劉嬋嬋， 繆旭紅， 李煜天. 基于針織的肘部彎曲傳感器傳感性能研究［J］. 絲綢， 2019， 56（12）：16-21.

LIU Chanchan， MIAO Xuhong， LI Yutian. Research on sensing performance of knitted elbow bending sensor［J］. Journal of Silk， 2019， 56（12）：16-21.

［12］劉會聰， 楊夢柯， 袁鑫， 等. 液態金屬柔性感知的人機交互軟體機械手［J］. 中國機械工程， 2021， 32（12）：1470-1478.

LIU Huicong， YANG Mengke， YUAN Xin， et al. Liquid metal based flexible sensors for soft manipulator towards human-machine interaction［J］. China Mechanical Engin-eering， 2021， 32（12）：1470-1478.

［13］趙一瑾， 余彬， 何龍龍， 等. 虛擬現實技術結合作業治療訓練對腦卒中偏癱患者上肢功能影響的臨床研究［J］. 中國康復醫學雜志， 2019， 34（6）：661-666.

ZHAO Yijin， YU Bin， HE Longlong， et al. Effects of virtual reality technology combined with occupational therapy training on upper limb function in stroke patients with hemiplegia［J］. Chinese Journal of Rehabilitation Medicine， 2019， 34（6）：661-666.

［14］KANTARAK E， RUCMAN S， KUMPIKA T， et al. Fabrication， design and application of stretchable strain sensors for tremor detection in parkinson patient［J］. Applied Composite Materials， 2020， 27（6）：955-968.

［15］丁慧， 王新泉. 羊絨觸屏手套的設計開發［J］. 天津紡織科技， 2020（6）：51-54.

DING Hui， WANG Xinquan. Design and development of Cashmere touch screen gloves［J］. Tianjin Textile Science amp; Technology， 2020（6）：51-54.

Preparation and performance of strain-sensing smart gloves

ZHANG Xinyu^1a， YIN Xia^1a， GAO Shouwu^1b， ZHOU Chuanli²， CHEN Fuxing^1a， TIAN Mingwei^1a

（1a.College of Textiles amp; Clothing; 1b.State Key Laboratory of Bio-Fibers and Eco-Textiles， Qingdao University， Qingdao 266071， China; 2.Department of Spinal Surgery，

The Affiliated Hospital of Qingdao University， Qingdao 266001， China）

Abstract： To develop a full-textile smart data glove for gesture recognition， intarsia plating technology and knitted full-forming technology were used to seamlessly introduce flexible strain sensors into the finger joints. Therefore， a flexible knitted strain sensor was successfully developed and applied to the preparation of fully fashioned smart gloves. Firstly， the flexible strain sensor was developed by using intarsia plating technology. The sensor was characterized in detail， including surface morphology， air permeability， sensitivity， response time， strain monitoring range， cyclic stability and water washing resistance. The sensitivity factor depends on the stretching direction. Results showed that the sensitivity of longitudinal （along the wales）stretching was much higher than that of transverse （along the courses）stretching. Therefore， the performance testing of the knitted sensor and the developed smart gloves imbedded with these sensors were all based on the longitudinal stretching mode. The measured sensitivity coefficient of the knitted strain sensor ranged from 13 to 90 within 30% strain， the response time was less than 50 ms， and it still maintained a relatively stable resistance after 8，000 cycles of stretching， showing good sensing performance. The testing results confirmed the ability of the sensor to capture strain signals in real time. In addition， the sensor also retained good breathability and wearing comfort of conventional fabric gloves.

Then， the fully fashioned strain-sensing glove was developed by using knitted full-forming technology. Ten knitted sensors， which were located at 10 finger joints of five fingers， were incorporated. As for the preparation of smart gloves， advanced CAD design and a computerized flatbed knitting machine were adopted. The sensors reflect the bending state of the finger. Through the data acquisition and transmission system， the prepared knitted strain-sensing glove can accurately capture and distinguish hand movements in real time， so as to achieve dynamic gesture monitoring. In terms of hand function training for gesture recognition， the sensor glove shows excellent sensing ability to accurately capture small changes in hand movements. Therefore， by real-time monitoring of hand movement speed and finger curvature， this smart glove can serve as a rehabilitation training tool for patients with hand movement disorders. By collecting samples of different hand gestures and aided by the machine learning algorithm， an efficient gesture recognition model was built， which achieved the average recognition accuracy of 99.5% in the actual test.

The smart sensing gloves can effectively realize gesture recognition and be used in scenarios such as hand function training and human-computer interaction. It has broad application prospects in fields such as rehabilitation medicine and leisure and entertainment. In the future， with the flexibility of knitting technology and the diversity of knitting structures， fully fashioned knitted sensor devices such as smart knee pads and smart elbow pads can also be made， which have broad application prospects in rehabilitation medicine and sports.

Keywords：knitted strain sensor; intarsia plating; fully fashioned sensing gloves; hand gesture recognition; hand function training