Главная » 2021 » Июнь » 8 » В волокна ткани встроили чипы памяти и датчики температуры

В волокна ткани встроили чипы памяти и датчики температуры

08.06.2021 в 14:43 просмотров: 792 комментариев: 0 Техно
Американские инженеры разработали умное волокно для одежды со включенными в него небольшими чипами, измеряющими температуру и хранящими данные. Авторы показали, как ткань из этого волокна можно использовать для автоматического отслеживания температуры тела и даже хранения нейросети, распознающей тип текущей активности человека. Статья опубликована в Nature Communications.

Существует много исследовательских и даже коммерческих проектов по созданию умной одежды, и чаще всего функциональные компоненты в них представляют отдельные большие блоки электроники, хотя в отдельных прототипах удавалось распределить электронику по почти всему изделию. Более перспективный, но и более трудный в реализации подход, заключается в создании функциональных волокон, из которых затем можно плести ткань и создавать одежду. В этом направлении уже есть определенные успехи, но пока инженерам удавалось создавать таким образом только аналоговые функциональные волокна: генераторы и аккумуляторы для электроэнергии, а также источники света, причем даже в виде тонких OLED-волокон.

Группа инженеров под руководством Йоэля Финка (Yoel Fink) из Массачусетского технологического института разработала метод, позволяющий встраивать в волокно цифровые чипы и электроды, позволяющие затем обмениваться с ними данными. Волокно содержит в себе два типа чипов: энергонезависимая перезаписываемая память и терморезисторы, меняющие сопротивления в зависимости от температуры. Чипы обоих типов выполнены в виде плоских квадратных плат размером около миллиметра с четырьмя круглыми контактами. При случайном расположении чипов контакты многих из них будут соприкасаться сразу с двумя электродами. Решение этой проблемы и составляет основу метода.

Инженеры создали для этого форму, в которой чипы расположены под оптимальным рассчитанным углом — 26,56 градуса. При этом метод работает и при небольшой неточности производства: контакты соприкасаются только с одним электродом, если фактически угол составляет от 24,05 до 28,24 градуса. Помимо чипов в форму закладываются четыре вольфрамовых электрода диаметром 25 микрометров, еще один 50-микровый провод, усиливающий конструкцию, и жидкие полимеры: мягкий полиметилметакрилат (PMMA) внутри волокна и поликарбонат, составляющий наружную оболочку. Помимо угла инженерам пришлось подобрать оптимальное натяжение (от 50 до 100 грамм на квадратный миллиметр), при котором чипы не ориентируются под нулевым углом из-за слишком высокой вязкости полимера, но и не занимают случайное положение из-за слишком низкой. После выхода из формы электроды и чипы собираются в одно тонкое волокно (0,3 миллиметра за исключением областей с чипами), а полимеры застывают.

Схема сборки волокна из отдельных компонентов
 
В зависимости от параметров процесса, после создания волокна чипы в нем располагаются на расстоянии от 5 до 20 сантиметров друг от друга. Критический радиус кривизны при изгибе волокна, при котором оно перестает работать, составляет 3,12 миллиметра.

Поскольку к одному набору электродов подключено множество чипов, авторы использовали I2C-протокол, который посылает по двум электродам адрес конкретного чипа и тем самым активирует его, не затрагивая остальные. Для работы волокна они подключали к нему небольшую плату с микроконтроллером и аккумулятор.

Авторы вплели волокно в обычную ткань одежды и продемонстрировали несколько потенциальных применений. В одной из демонстраций они показали возможность хранения и считывания информации, записав и считав с чипов в волокне гифку размером 767 килобит (около 96 килобайт). Инженерам удалось считать файл и после двух месяцев хранения. Расчетная плотность хранения информации в волокне составляет около 95 килобайт на метр.

Еще одна демонстрация — нейросеть, определяющая тип активности человека по изменению температуры его тела, измеряемой чипами в волокне. Для этого они собрали данные о температуре при разных активностях и обучили на них простую сверточную нейросеть, которую затем загрузили в волокно. Точность классификации активности человека по четырем классам (сидит, стоит, идет или бежит) составила 96 процентов.
Аватар enr091 Наталия Ришко
Журналист/dozeninfo
Фотографии по теме
Комментарии 0
avatar
Copyright © Все права защищены: 2018 - 2024 Копирование материалов сайта разрешено только при указании ссылки на источник DOZENinfo