《Sensors and Actuators Reports》：Self-powered edge intelligence using nanogenerators for wearable IoT
編輯推薦：
這篇綜述深入探討了柔性納米發(fā)電機(jī)與嵌入式人工智能在可穿戴設(shè)備中的交叉融合。文章系統(tǒng)回顧了壓電（PENG）和摩擦電（TENG）納米發(fā)電機(jī)的工作原理、材料、結(jié)構(gòu)及其在能量收集和自供能傳感中的雙重作用，并重點(diǎn)分析了如何將機(jī)器學(xué)習(xí)（ML）/深度學(xué)習(xí)（DL）算法與邊緣AI平臺(tái)結(jié)合，以克服NG輸出間歇、功率低等挑戰(zhàn)，最終實(shí)現(xiàn)智能、自適應(yīng)、可自我維持的可穿戴邊緣智能系統(tǒng)。
在物聯(lián)網(wǎng)（IoT）技術(shù)飛速發(fā)展的今天，數(shù)據(jù)處理正越來越多地從云端轉(zhuǎn)移到網(wǎng)絡(luò)邊緣——也就是那些硬件資源受限的終端設(shè)備上。對(duì)于可穿戴設(shè)備而言，持續(xù)的能源供應(yīng)始終是核心挑戰(zhàn)。傳統(tǒng)的電池受限于體積、重量和需要頻繁充電，難以滿足長(zhǎng)期、無縫的穿戴需求。此時(shí)，能夠從環(huán)境（如人體運(yùn)動(dòng)、震動(dòng)、熱量）中收集能量并轉(zhuǎn)化為電能的納米發(fā)電機(jī)（NG）技術(shù)，為構(gòu)建真正自供能、可持續(xù)的可穿戴系統(tǒng)帶來了曙光。
納米發(fā)電機(jī)的機(jī)制與材料
納米發(fā)電機(jī)主要分為兩大類：壓電納米發(fā)電機(jī)（PENG）和摩擦電納米發(fā)電機(jī)（TENG），它們猶如自然界的“能量捕手”，將微小的機(jī)械擾動(dòng)轉(zhuǎn)化為可利用的電信號(hào)。
壓電納米發(fā)電機(jī)（PENG）的工作原理基于壓電效應(yīng)。當(dāng)氧化鋅（ZnO）、鈦酸鋇（BaTiO3）或聚偏氟乙烯（PVDF）等壓電材料受到擠壓、彎曲或振動(dòng)時(shí)，其內(nèi)部晶格結(jié)構(gòu)變形會(huì)產(chǎn)生表面電荷，從而驅(qū)動(dòng)外部電路形成電流。PENG輸出的通常是隨機(jī)械激勵(lì)變化的交流電信號(hào)，其特性相對(duì)連續(xù)、穩(wěn)定。為了提高性能，研究人員不僅在材料上做文章（如使用具有鈣鈦礦結(jié)構(gòu)的高性能材料或柔性聚合物復(fù)合材料），還通過設(shè)計(jì)三維納米結(jié)構(gòu)（如ZnO四足體）來增強(qiáng)機(jī)械敏感性和能量轉(zhuǎn)換效率。
摩擦電納米發(fā)電機(jī)（TENG）則利用兩種不同材料接觸分離時(shí)產(chǎn)生的電荷轉(zhuǎn)移（即摩擦起電效應(yīng)）和隨之而來的靜電感應(yīng)來發(fā)電。自2012年被提出以來，TENG因結(jié)構(gòu)簡(jiǎn)單、材料選擇廣泛、輸出功率較高等特點(diǎn)備受關(guān)注。根據(jù)工作模式，TENG可分為垂直接觸-分離、水平滑動(dòng)、單電極和獨(dú)立層四種基本模式。常見的材料組合包括金屬（如鋁、銅）與聚合物電介質(zhì)（如聚二甲基硅氧烷PDMS、聚四氟乙烯PTFE）。TENG的輸出通常是脈沖式的，對(duì)間歇性、事件驅(qū)動(dòng)的機(jī)械刺激非常敏感。近年來，無需外部整流即可輸出直流信號(hào)的直流摩擦電納米發(fā)電機(jī)（DC-TENG）也因其能簡(jiǎn)化前端電路而受到越來越多的關(guān)注。
盡管前景廣闊，但無論是PENG還是TENG，都面臨著輸出功率低、能量供應(yīng)間歇、受環(huán)境（溫濕度）影響大、耐久性有限等共同挑戰(zhàn)。這些特性決定了它們?cè)诩傻街悄芟到y(tǒng)時(shí)，必須與下游的信息處理模塊進(jìn)行協(xié)同設(shè)計(jì)。
可穿戴系統(tǒng)的結(jié)構(gòu)：納米發(fā)電機(jī)的角色
在一個(gè)典型的智能可穿戴物聯(lián)網(wǎng)系統(tǒng)中，納米發(fā)電機(jī)可以扮演三種不同的角色，就像是系統(tǒng)中的“多面手”。
首先，作為能量源。NG從環(huán)境中收集機(jī)械能，經(jīng)過整流、穩(wěn)壓和存儲(chǔ)后，為系統(tǒng)中的傳感器、微處理器和通信模塊（如藍(lán)牙BLE）供電。雖然目前NG產(chǎn)生的能量尚不足以完全替代電池，但可以顯著延長(zhǎng)設(shè)備的工作時(shí)間，或?yàn)槟切╇y以更換電池的場(chǎng)景（如植入式設(shè)備）提供可能。
其次，作為自供能傳感器。NG本身對(duì)外界刺激（壓力、形變、滑動(dòng)等）極其敏感，其產(chǎn)生的電信號(hào)（電壓或電流脈沖）直接反映了刺激的強(qiáng)度、頻率和模式。因此，NG可以無需外部電源，直接作為傳感元件。其信號(hào)經(jīng)過濾波、模數(shù)轉(zhuǎn)換等預(yù)處理后，即可輸入人工智能模型進(jìn)行識(shí)別和分析。
更高階的應(yīng)用是同時(shí)作為能量源和傳感器。在這種雙功能架構(gòu)中，NG一體兩用，既為系統(tǒng)供電，又提供感知信號(hào)。這大大簡(jiǎn)化了系統(tǒng)設(shè)計(jì)，使其更緊湊、輕便。然而，這也對(duì)系統(tǒng)的能量管理和信號(hào)處理提出了極致要求，通常需要結(jié)合微型儲(chǔ)能元件（如電容）和超低功耗的間歇性工作模式。
面向應(yīng)用的學(xué)習(xí)范式：當(dāng)納米發(fā)電機(jī)遇見嵌入式人工智能
納米發(fā)電機(jī)產(chǎn)生的信號(hào)具有脈沖主導(dǎo)、間歇性強(qiáng)、時(shí)間依賴顯著等特點(diǎn)，這決定了直接套用為連續(xù)數(shù)據(jù)設(shè)計(jì)的人工智能模型往往效率低下。因此，需要發(fā)展與NG信號(hào)特性相匹配的、計(jì)算和能效敏感的學(xué)習(xí)范式。根據(jù)應(yīng)用目標(biāo)，當(dāng)前研究主要可分為四類：
事件驅(qū)動(dòng)的姿態(tài)與觸覺識(shí)別。這是NG最經(jīng)典的應(yīng)用場(chǎng)景。例如，基于TENG陣列的智能鍵盤、手勢(shì)識(shí)別手套，或用于筆跡/簽名認(rèn)證的傳感器。由于NG信號(hào)是稀疏的、事件觸發(fā)的，因此非常適合采用決策樹、隨機(jī)森林、支持向量機(jī)等輕量級(jí)傳統(tǒng)機(jī)器學(xué)習(xí)模型，或一維卷積神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)絡(luò)等微型深度學(xué)習(xí)模型。系統(tǒng)通常采用事件觸發(fā)推理模式，僅在檢測(cè)到有效機(jī)械事件時(shí)才喚醒AI模塊進(jìn)行分析，從而最大限度地節(jié)省能耗。
生理與運(yùn)動(dòng)監(jiān)測(cè)。這類應(yīng)用如步態(tài)分析、頸部姿態(tài)監(jiān)測(cè)、脈搏波感知等，需要更長(zhǎng)時(shí)間的信號(hào)上下文和準(zhǔn)連續(xù)采樣。因此，循環(huán)神經(jīng)網(wǎng)絡(luò)、門控循環(huán)單元等擅長(zhǎng)處理時(shí)間序列的模型更為適用。這類系統(tǒng)對(duì)能量持續(xù)性的要求更高，因此常采用NG與微型電池/電容結(jié)合的混合自供能架構(gòu)。
納米發(fā)電機(jī)結(jié)構(gòu)與材料的優(yōu)化。在這里，人工智能并非部署在設(shè)備上，而是作為強(qiáng)大的設(shè)計(jì)工具。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)乃至圖神經(jīng)網(wǎng)絡(luò)被用來建立納米發(fā)電機(jī)的材料配方、結(jié)構(gòu)參數(shù)與其輸出性能（如電壓、功率）之間的復(fù)雜映射關(guān)系，從而替代耗時(shí)費(fèi)力的實(shí)驗(yàn)或仿真，快速指導(dǎo)高性能NG的優(yōu)化設(shè)計(jì)。
脈沖感知與神經(jīng)形態(tài)智能。這是最前沿的方向，旨在讓信息處理范式與NG的信號(hào)本質(zhì)深度匹配。脈沖神經(jīng)網(wǎng)絡(luò)直接處理NG產(chǎn)生的脈沖序列，實(shí)現(xiàn)事件驅(qū)動(dòng)的、超低功耗的感知。更有甚者，研究人員開發(fā)出人工感覺神經(jīng)元和神經(jīng)形態(tài)硬件，能夠直接利用NG脈沖的時(shí)序和極性進(jìn)行“在傳感器內(nèi)”計(jì)算，模糊了傳感與計(jì)算的界限，為未來類腦、自適應(yīng)的可穿戴智能系統(tǒng)鋪平了道路。
提升系統(tǒng)實(shí)時(shí)性能的關(guān)鍵技術(shù)
為了在資源有限的微控制器上高效運(yùn)行AI模型，必須對(duì)模型和數(shù)據(jù)處理流程進(jìn)行極致優(yōu)化，主要技術(shù)包括：
- •
模型剪枝與量化：移除神經(jīng)網(wǎng)絡(luò)中的冗余連接或?qū)?shù)精度從32位浮點(diǎn)數(shù)降至8位整數(shù)，能大幅減小模型體積和計(jì)算量。
- •
特征選擇/降維：從原始信號(hào)中提取最具有判別性的特征，或使用主成分分析等方法降低數(shù)據(jù)維度，減少模型輸入復(fù)雜度。
- •
設(shè)備端預(yù)處理：在信號(hào)送入AI模型前，在微控制器上完成濾波、快速傅里葉變換等操作，將時(shí)域信號(hào)轉(zhuǎn)換到頻域進(jìn)行分析，常能更有效地提取特征。
- •
低采樣率優(yōu)化：針對(duì)具體任務(wù)，找到能保留關(guān)鍵信息的最低采樣頻率，并結(jié)合自適應(yīng)采樣、壓縮感知等技術(shù)，從源頭上降低數(shù)據(jù)量和系統(tǒng)功耗。
適用于納米發(fā)電機(jī)系統(tǒng)的邊緣人工智能平臺(tái)
將訓(xùn)練好的AI模型部署到搭載NG的可穿戴設(shè)備上，需要借助專為微控制器設(shè)計(jì)的邊緣AI平臺(tái)。這些平臺(tái)降低了開發(fā)門檻，讓研究人員能更專注于應(yīng)用本身。
- •
TensorFlow Lite Micro：谷歌推出的微控制器版TensorFlow，支持多種硬件，需一定的嵌入式開發(fā)知識(shí)。
- •
Edge Impulse：云端的開發(fā)平臺(tái)，提供從數(shù)據(jù)采集、標(biāo)注、訓(xùn)練到部署的一體化無代碼/低代碼體驗(yàn)，易于上手。
- •
CMSIS-NN：針對(duì)ARM Cortex-M系列微控制器的神經(jīng)網(wǎng)絡(luò)庫(kù)，需要直接編寫C代碼，能實(shí)現(xiàn)極致的性能優(yōu)化，但難度較高。
- •
Neuton TinyML / SensiML：高度自動(dòng)化的無代碼平臺(tái)，適合初學(xué)者快速構(gòu)建和部署簡(jiǎn)單的TinyML應(yīng)用。
- •
microTVM：基于Apache TVM的編譯框架，可深度定制和優(yōu)化模型在各種硬件上的部署，靈活性最強(qiáng)，但使用復(fù)雜。
平臺(tái)的選擇需在易用性、靈活性、性能和支持的硬件之間進(jìn)行權(quán)衡。
總結(jié)與展望
將納米發(fā)電機(jī)與嵌入式人工智能相結(jié)合，代表了可穿戴技術(shù)向真正自主、智能、可持續(xù)方向演進(jìn)的重要趨勢(shì)。其核心在于“協(xié)同設(shè)計(jì)”：能量收集通路必須與信息處理通路緊密匹配。PENG的準(zhǔn)連續(xù)信號(hào)與TENG的脈沖事件驅(qū)動(dòng)信號(hào)，需要搭配不同的采樣策略和AI模型。盡管目前完全由NG供能、執(zhí)行復(fù)雜持續(xù)計(jì)算的“永遠(yuǎn)在線”智能穿戴系統(tǒng)仍面臨挑戰(zhàn)，但通過事件驅(qū)動(dòng)架構(gòu)、神經(jīng)形態(tài)計(jì)算和極致的軟硬件優(yōu)化，構(gòu)建能夠從環(huán)境“呼吸”能量、僅在需要時(shí)“思考”的智能可穿戴設(shè)備已觸手可及。未來的研究將繼續(xù)圍繞提高NG輸出功率和穩(wěn)定性、開發(fā)更高效的脈沖感知算法、以及構(gòu)建標(biāo)準(zhǔn)化的NG-AI協(xié)同設(shè)計(jì)工具鏈展開，最終實(shí)現(xiàn)無處不在、無感自持的個(gè)人智能健康與交互系統(tǒng)。
