近年来，可穿戴技术与人工智能融合为个性化、实时、精准的智慧医疗发展带来了新契机。步态作为人体神经、骨骼和肌肉系统协同作用的综合体现，能够反映个体的运动状态、健康水平及潜在病变风险。连续、动态的步态监测不仅在心力衰竭、帕金森病、脑卒中、扁平足、糖尿病足等疾病的早期筛查和康复评估中具有广泛应用，也为运动姿态纠正、跌倒预警、老年人健康管理等提供了科学依据，具有显著的临床价值与社会意义。以智能鞋垫为载体的足底压力传感监测系统因其便携性与易集成性，展现出巨大的应用潜力。

近日，兰州大学物理科学与技术学院兰伟教授领衔的柔性电子科研团队，联合同院靳志文教授及美国俄亥俄州立大学李婧华教授，研制出一种高集成度、自供能、无线智能鞋垫，旨在用于足底压力监测以及步态的实时可视化分析。该鞋垫由柔性太阳能电池供电，集成了22路压力传感器，可实现高空间分辨率的压力映射，并在智能手机端上可进行实时动态可视化展示，非常直观、方便快捷。集成到智能鞋垫中的这些压力传感器采用了双非线性协同策略，从而实现了优异的线性度（R² > 0.999）和高稳定性（>180,000次压缩循环）。进一步采用AI模型（支持向量机机器学习模型）实现了对八种运动状态的准确识别，包括静态（例如坐姿和站姿）和动态（例如行走、跑步和下蹲）活动。该成果以“A wireless, self-powered smart insole for gait monitoring and recognition via nonlinear synergistic pressure sensing”为题，发表于国际顶级期刊《Science Advances》上。

该智能鞋垫由多层结构组成，包括封装层，上下电极，碳纳米管/乙炔黑传感层，PDMS支撑层和嵌入在其中的印刷电路板组成。贴附在鞋子顶部的柔性钙钛矿太阳能电池模组，将太阳能转换成电能并储存在锂电池中，为智能鞋垫持续供能。双非线性协同策略的采用，降低了数据处理复杂度，并提升了稳定性和测量精度。采集到的高质量传感数据，蕴含了丰富的人体运动特征，因此能够通过机器学习模型加持，以低数据集输入的情况下，实现多状态和高准确率的识别。

图1 用于足底压力监测与运动识别的自供能无线智能鞋垫

相比依赖昂贵设备与复杂工艺的光刻等微纳加工技术，研究人员采用方糖模板构建三维多孔网络结构，显著降低了制备成本与技术门槛，为快速、规模化生产奠定了基础。此外，器件结构设计简洁，仅通过优化导电材料的配比，即实现了高灵敏度与高线性度的传感输出。该性能提升得益于传感器中机械与电学非线性特性的协同抵消，使其在0–225 kPa范围内表现出优于0.999的线性响应。不仅如此，器件还拥有优异的动态响应和长期稳定性，在0.1至2.0赫兹频率下响应基本一致，且十八万次循环压缩测试后无明显性能衰减。

图2 基于非线性协同策略的压力传感器性能表征

       为实现可穿戴设备的持续稳定供能，研究人员开发了一种柔性钙钛矿太阳能电池。该电池采用柔性基底与多层薄膜结构设计，通过低温工艺制备，在保证16.95%光电转换效率的同时，展现出优异的机械柔性。测试结果表明，在2.75毫米弯曲半径条件下太阳能电池仍能保持90%以上的初始性能。研究团队进一步构建了12平方厘米的柔性组件，并研究了其在不同光照情况下的能量采集性能，以证明其兼容各种使用场景，实验表明在10,000（阴天）至90,000（晴天）勒克斯光照条件下，器件能够稳定输出功率10至102毫瓦能量，这为智能鞋垫的自供能运行奠定了基础。

图3 柔性钙钛矿太阳能电池的设计与性能表征

为了实现智能鞋垫在自供能情况下实现脚底压力的高精度和高时空分辨率采集，研究人员对该系统的硬件和软件进行了充分优化设计，包括传感器的低电压供能、低功率蓝牙和信号采集模块只在信号发送和采集时被激活，以降低整体系统的功耗，最终实现了10.7mW的整机功耗。基于此，智能鞋垫在强光下照射6分钟，即可在室内弱光环境下工作1小时。智能鞋垫中的传感器阵列针对足部关键压力区域进行优化布局，可精确采集静态与动态足底压力信息。正常站立、脚尖或脚跟受力站立，以及内八字与外八字姿势均展现出各自特有的压力分布特征。依托于高时空分辨率的采集能力，该系统深入分析了步行与跑步过程中的足底压力分布规律。结果显示，步行时重心从脚跟缓慢过渡至脚尖，脚部在整个步态周期中约有一半时间与地面接触；而在跑步时，脚掌几乎同时着地并迅速离地，接触时间不足整个周期的四分之一。

图4 用于足底压力实时监测与动态步态分析的智能鞋垫设计与性能表征

优异的传感性能与采集电路设计为机器学习模型的集成提供了坚实基础。所采集的数据具有稳定且区分度高的运动特征，使得在较小模型规模下即可实现对八种运动状态的高精度识别。相较于随机深林和积神经网络模型，支持向量机（SVM）凭借其对特征空间中类间边界的有效利用，尤其适用于本场景，主成分分析结果亦验证了不同运动状态之间的良好可分性。

图5 智能鞋垫结合机器学习模型实现多种运动状态精准分类

总之，本研究通过材料选择、器件结构优化及软硬件协同设计，构建了一套涵盖能量采集、存储与供应，信号感知、传输与可视化，以及器件制备、集成与应用的多维度可穿戴系统解决方案。该系统在步态分析、疾病预警、姿势矫正与疲劳监测等医疗、健康管理与运动科学等领域展现出广泛的应用潜力。未来，通过集成多模态传感器，有望进一步拓展足部生理信号的监测维度与深度。

兰州大学物理科学与技术学院兰伟教授为该论文的通讯作者，同院靳志文教授和美国俄亥俄州立大学李婧华教授为该论文的共同通讯作者。论文第一作者为兰州大学物理科学与技术学院硕士毕业生王齐（现为美国俄亥俄州立大学在读博士生），硕士毕业生关辉与王辰为共同第一作者。本研究得到了国家自然科学基金、甘肃省自然科学基金重点项目、甘肃省联合基金项目、甘肃省重点研发计划、柔性电子技术国家重点实验室以及兰州大学青年科研人员支持基金的共同资助。

近五年，兰伟教授领衔的柔性电子科研团队深耕柔性电子学领域研究，在柔性能源系统、人机界面元器件、柔性导电膜等方向持续开展深入研究，取得了多项代表性研究成果。在柔性储能方面，团队深入探索了应用于可植入生物体和绿色环保场景的可降解电池与超级电容器的材料与器件（Sci. Adv., 2023, 9(46): eadh8083.; Sci. Adv., 2021, 7(2): eabe3097.; Small, 2024, 20(48): 2404312.; Small, 2024, 20(13): 2306276.; Chem. Eng. J., 2024, 502: 157850.; Small, 2023, 19(10): 2205529.）；开发了具备无线充电与按需释放功能的可拉伸柔性供能系统（Nano Energy, 2025, 135: 110612.）；在人机界面元器件方面，构建了具备整流与逻辑运算能力的电容式离子二极管，可应用于脑机接口等领域（Angew. Chem. Int. Ed., 2025, 64(8): e202420404.; Adv. Mater., 2023, 35(25): 2301218.；在柔性导电膜方面，设计开发了高透明、低电阻的热疗贴片，应用于皮下肿瘤治疗（Adv. Funct. Mater., 2022, 32(21): 2111228.; ACS Appl. Mater. Interfaces 2017, 9: 6644-6651），2024年获得华为难题揭榜“火花奖”，被邀参加了深圳总部“火花奖”颁奖大会，并与华为任正非先生进行座谈。

相关阅读：
主文论文链接：
https://www.science.org/doi/10.1126/sciadv.adu1598

部分代表性成果链接：
https://www.science.org/doi/full/10.1126/sciadv.adh8083
https://www.science.org/doi/full/10.1126/sciadv.abe3097
https://onlinelibrary.wiley.com/doi/full/10.1002/anie.202420404
https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/adma.202301218
https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/adfm.202111228