，有望为实时活动、健康状况提供预测平台。然而，由于传统制造技术难以实现可穿戴传感器的定制化加工，现阶段对于可穿戴传感器的研究仍依赖于多种加工方式的结合，效率低且重复性差。同时，传统加工工艺很难做到功能填料的选择性分布，这不仅影响了传感器的灵敏度和性能表现，还限制了可穿戴传感器的功能扩展以及其在活动、健康监测等方面的快速发展。

　　近期，新加坡南洋理工大学周琨教授团队在Advanced Science期刊上发表题为“3D Printed Conformal Strain and Humidity Sensors for Human Motion Prediction and Health Monitoring via Machine Learning”的文章，提出了一种可用于多射流熔融（MJF）3D打印技术的助熔剂，并利用MJF实现了一体化多功能可穿戴传感器的制备（图1）。助熔剂的选择性分布和MJF打印技术的结合不仅提高了传感器的机械性能和阻燃性能，还增强了传感器的性能稳健性和灵敏度。此外，MJF打印的可穿戴传感器收集的电阻变化数据可用于训练支持向量机（SVM）以用于预测活动，准确率达到95.83%。由于其稳定的湿度敏感性，该传感器在监测呼吸和预测呼吸模式方面表现出色，拓展了其在医疗保健领域的潜在应用。这项工作为MJF打印的可穿戴传感器在预测各种活动的应用中开辟了新的途径。

　　如图2所示，利用功能性助熔剂的选择性分布，研究人员制备了具有仿贝壳结构的可穿戴传感器。功能性助熔剂的选择性分布进一步提高了传感器的力学强度和阻燃性能。这对于提高可穿戴传感器的耐用性和耐火性都有重要意义，有利于将其应用于火场救援等场景之中。

　　如图3所示，SVM模型可以同时分析大量数据，而不会存在丢失或误解关键信号的风险。在浓烟阻碍视觉观察或红外热像仪受到热浪干扰的情况下，将此机器学习方法与可穿戴传感器相结合对于自动预测活动非常重要。MJF打印的可穿戴传感器可收集活动产生信号并及时识别活动类型，对处于危险中的人员立即派遣援助。因此，这些具有改进阻燃性的传感器可用于火场工作人员的活动监测，以实现个人防护。

　　利用MJF打印技术，研究人员成功打印了一款配备传感功能的过滤器，并将其放置于面罩中。该面罩可以通过检测呼吸引起的湿度变化来检测呼吸模式的变化（图4）。可穿戴传感器的电阻随外部湿度变化，并且呈现出不同的响应时间和强度变化。通过SVM机器学习对数据的分析，可以帮助评估个人的生命体征，并在检测到呼吸停止时立即进行医疗干预。

　　该论文第一作者为新加坡南洋理工大学博士后研究员侯雁北博士，通讯作者为新加坡南洋理工大学的周琨教授。文章合著者包括南洋理工大学博士生高铭和高静雯、南洋理工大学Edwin Hang TongTeo副教授、上海交通大学王东副教授、惠普公司的Lihua Zhao博士和佐治亚理工大学齐航教授。

　　文章出处：【微信号：Micro-Fluidics，微信公众号：微流控】欢迎添加关注！文章转载请注明出处。

　　用户总是要求我们提高所设计的机械的性能，同时减少资金成本。为了达到这两个矛盾的目标，我们将注意力放到在机械设计方面有巨大潜力的机电

　　上。本文着重展示了使用嵌入式分析工具的现代计算机辅助设计（CAD）系统，告诉大家，如何才能