功能纤维 | 神奇！可感受呼吸的新型纤维，你见过吗？

纤维是构建世界的基本元素之一，也是人类重要的发明之一。根据中国考古发现，人类从5000多年前就开始使用纤维材料，它们被编成纺织品，为人类遮身蔽体、保暖抗寒。近年来，随着信息技术和人工智能的飞速发展，纤维材料更是具备了发电、储能、发光、变色、变形、传感等一系列全新功能。

与块状和薄膜器件相比，纤维状电子器件可以紧粘在不规则基底上、可适应扭曲和拉伸等复杂形变，同时具有透气导湿等独特性能。这些优点使得纤维电子器件，在电源系统、信息技术、物联网、人工智能、大健康、空间探测等领域有着广泛的应用空间。

麻省理工学院和瑞典的研究人员开发的一种新型纤维可以制成衣服，它可以感知它被拉伸或压缩的程度，然后以压力、横向拉伸或振动的形式提供即时的触觉反馈。该团队建议，此类面料可用于帮助训练歌手或运动员更好地控制呼吸的服装，或帮助患者从疾病或手术中恢复以恢复呼吸模式。

多层纤维在中心包含一个流体通道，可以通过流体系统激活。该系统通过将流体介质（例如压缩空气或水）加压并释放到通道中来控制纤维的几何形状，从而使纤维充当人造肌肉。纤维还包含可拉伸传感器，可以检测和测量纤维的拉伸程度。由此产生的复合纤维足够细且柔韧，可以使用标准商用机器进行缝纫、机织或针织。

这种被称为 OmniFibers 的纤维在计算机协会用户界面软件和技术在线会议上发表。

新的光纤架构具有许多关键特性。其极窄的尺寸和廉价材料的使用使得将纤维构造成各种织物形式变得相对容易。它还与人体皮肤相容，因为它的外层是基于类似于普通聚酯的材料。而且，它的快速响应时间以及它可以传递的力量的强度和多样性允许使用触觉（基于触觉）进行训练或远程通信的快速反馈系统。

Afsar 说，大多数现有人造肌肉纤维的缺点是它们要么是热激活的，当与人体皮肤接触时会导致过热，要么它们的功率效率低或训练过程繁重。她说，这些系统通常具有缓慢的响应和恢复时间，限制了它们在需要快速反馈的应用程序中的直接可用性。

作为该材料的初始测试应用，该团队制作了一种歌手可以穿着的内衣来监测和回放呼吸肌的运动，然后通过同一件衣服提供动觉反馈，以鼓励佳姿势和呼吸模式以达到所需声乐表演。“唱歌离家特别近，因为我妈妈是一名歌剧演员。她是一名女高音，”她说。在这件衣服的设计和制作过程中，Afsar 与受过古典训练的歌剧歌手 Kelsey Cotton 密切合作。

“我真的很想以有形的形式捕捉这种专业知识，”Afsar 说。研究人员让这位歌手在穿着由他们的机器人纤维制成的服装时进行表演，并记录来自编织在服装中的应变传感器的运动数据。然后，他们将传感器数据转换为相应的触觉反馈。“我们终能够在纺织品中实现我们想要的传感和驱动模式，记录和重放我们可以从专业歌手的生理学中捕捉到的复杂运动，并将其转换为非歌手，一个新手学习者的身体。因此，我们不仅仅是从专家那里获取这些知识，而且我们还能够将其传递给刚刚学习的人，”她说。

虽然这个初步测试是在声乐教育的背景下进行的，但同样的方法可以用来帮助运动员学习如何在给定情况下好地控制他们的呼吸，基于监测完成各种活动和刺激肌肉群的运动员Afsar 说，这些都在起作用。终，希望这些服装也可以用于帮助患者在大手术或 Covid-19 等呼吸道疾病后恢复健康的呼吸模式，甚至作为睡眠呼吸暂停的替代疗法（Afsar 小时候患有这种疾病，她说）。

该系统还可用于训练除呼吸之外的其他类型的肌肉运动。例如，“我们的许多艺术家学习了惊人的书法，但我想感受笔触的动态”，这可能是用这种闭环反馈材料制成的袖子和手套来完成的。他建议，奥林匹克运动员可以通过穿着模仿顶级运动员（无论是举重运动员还是滑雪运动员）动作的服装来提高他们的技能。

这种类似于纱线的软纤维复合材料有五层：里面的流体通道、包含工作流体的基于硅树脂的弹性管、可检测应变为电阻变化的柔软可拉伸传感器、编织聚合物控制纤维外部尺寸的可拉伸外网，以及对整体可延展性提供机械约束的非拉伸长丝。

“纤维级工程和织物级设计在这项研究中得到了很好的结合，”卡内基梅隆大学人机交互助理教授李宁说，他与这项研究没有关系。她说，这项工作展示了“不同的机器针织技术，包括镶嵌和主动间隔织物，推进了将驱动纤维嵌入纺织品的先进技术”。“当我们谈论可穿戴设备与驱动织物的交互时，集成应变传感和反馈是必不可少的。”

Afsar 计划继续致力于使整个系统（包括其控制电子设备和压缩空气供应）更加小型化以使其尽可能不引人注目，并开发制造系统以能够生产更长的长丝。在接下来的几个月里，她计划开始尝试使用该系统将技能从专家转移到新手歌手，然后探索不同类型的动作练习，包括编舞和舞者的动作。

值得一提的是，该纤维制成的衣物反应灵敏，还能够承受多种力量强度形成一个快速反馈系统，未来，其或还可用于培训或使用基于触觉的远程通信。

免责声明：本网站尊重各方知识产权，保护原创作者的合法权益；同时对转载、分享等文章内容里的陈述、观点、照片等，保持中立；本网站内容仅供交流学习；如发现本网站文章内容、素材涉及版权、授权问题，切勿举报，请与我们联系删除！