压电法和电磁法，可以将其采集并转化为电能，有望实现对电子器件的供电。对于压电器件，通常采用高压电系数的陶瓷材料，但其与空气的阻抗不匹配极大影响了声电转换效能的提升。
低频声能在学术领域和工业界都受到了极大的关注。在我们的生活环境中，低频声波波长较长，不易被吸收或隔离。但是，这种机械能如果采用适当的器件设计和能量转换方法，如压电法和电磁法，可以将其采集并转化为电能，有望实现对电子器件的供电。对于压电器件，通常采用高压电系数的陶瓷材料，但其与空气的阻抗不匹配极大影响了声电转换效能的提升。对于电磁方式，通常需要线圈、磁铁等笨重的部件，不利于微弱环境声能量采集系统的实现。近年来，王中林院士提出的新型摩擦纳米发电机（TENG）在声能采集领域显示出广阔的前景。与压电声学器件相比，TENG器件常具有软、柔性的特点，可以显著降低能量采集器与入射声波之间的声阻抗失配，以提高声能量收集装置的输出功率。此外，摩擦电器件具有广泛的材料选择性，给器件的制作及实现带来了极大便利。到目前为止，已经有几项研究显示了TENG在声波能量收集和自供电传感方面的潜力。上述器件主要采用实现声压增强的亥姆霍兹声谐振器。然而，当亥姆霍兹谐振腔底部采用柔性膜时，往往会出现声压放大效果的降低。此外，基于亥姆霍兹谐振器的声能采集器对柔性部件的变化非常敏感，这表明要实现最优性能，需要复杂的调试工程。实际上，四分之一波长谐振器是另一种重要的声学谐振器，与亥姆霍兹谐振器相比，它具有设计简单、制作方便等独特的优点。但这种结构在声学TENG领域还没有得到足够的重视。此外，对于声摩擦纳米发电器件，其关键部件之一是用于声波传播的穿孔板。在以往的研究中，这一层通常由多孔材料组成，如微穿孔铝、导电织物、泡沫铜等。然而，这些材料的孔径很难调控，粘滞损失对声衰减的影响也没有进行探讨，对孔的加工工序也较复杂。针对上述问题，近日，在南京邮电大学谢燕楠教授和袁明副教授研究团队，提出了一种3D打印的声学摩擦纳米发电机（A-TENG），具有结构可控、一次性成型、制作简单、成本低等特点。通过四分之一波长管优异的放大性能及器件参数的合理设计，该系统在100 dB声压级激励下能够产生4.33 mW的峰值功率输出，实现对72个LED的驱动。当声压级为90分贝时，即可驱动一个商用计算器连续工作，表明其作为低功耗电子设备电源的应用前景。此外，团队还开发了由A-TENG、AI语音识别芯片和控制电路组成的智能边缘系统。语音信号首先可以通过A-TENG转化为电信号，然后由内置预训练的AI芯片进行边缘识别和处理，产生相应的指令动作来控制后续电路。该智能边缘系统无需云计算即可实现实时语音识别，展示了声学TENG在低功耗、高性价比的物联网领域的巨大潜力。该成果以题为“A 3D-printed acoustic triboelectric nanogenerator for quarter-wavelength acoustic energy harvesting and self-powered edge sensing”发表在Nano Energy上（IF 16.602）。
（e）四分之一波长管的第一谐振频率处的粒子速度分布。
图3 声能收集系统的电信号表征
（a）在20~1000 Hz范围内对A-TENG联合时频分析的实验装置和测量结果。（c-d）在没有云计算的情况下展示用于实时语音识别的自供电边缘智能系统。综上所述，提出了一种3D打印的A-TENG，具有结构可控、一次性成型、制作简单、成本低的特点。借助于四分之一波长管，在100 dB SPL激励下，A-TENG可以提供4.33 mW的功率输出，这足以直接驱动72个LED和一台商用计算器。此外，还开发了基于A-TENG的自驱动传感系统，用于智能语音识别。该系统包括将语音信号转换为电信号的A-TENG、内置并预先训练好的神经网络处理传感信号的AI语音识别芯片和执行指令的控制电路。该智能感知组件无需云计算即可在物联网的边缘端实现语音指令识别与控制，是一种低功耗、低成本的智能边缘系统。通过将TENG与人工智能技术的结合，可构建更全面的智能自驱动系统，将是令人振奋的发展方向。这些智能系统可以部署在物联网的边缘，具有独立于云计算、低功耗、长期运行免维护等优势。
文章转载自微信公众号：材料人
