Advanced Materials:皮牛級光纖微力傳感

在微納尺度,實現微小力的精確測量對很多學科的前沿探索有很大的推動作用。 微力傳感器的核心原則為器件尺寸及傳感性能與使用場景的適配。其中,在準確判斷微觀物理過程中微小力的作用時,傳感器的測量精度尤為重要。

目前已有的高精度(皮牛級)力學傳感系統包括MEMS、AFM等,其通常是為特定用途而開發的,價格高昂,使用複雜,不能和柔性、可穿戴等場景相融合。光纖力學傳感器具有柔性、抗電磁干擾、全光集成等突出優勢,為解決上述問題提供了新的思路。所以,開發高性能、低成本、易於使用且通用的光纖傳感器具有極大意義。

傳統光纖力學傳感器一般使用光纖拼接微腔、光纖布拉格光柵、懸臂樑等方式進行力學傳感。考慮到上述傳感單元力學靈敏度的限制,大部分光纖力學傳感器的精度大多在微牛到納牛量級,相較於MEMS、AFM等還有不小的差距。高靈敏力學單元的光纖集成化是其中的一大技術難點。近年來,研究人員提出了3D微結構增強器件靈敏度的新方案,但在3D結構設計及高精度微納加工兩方面還存在明顯不足,這極大地限制了光纖傳感器在高精度力學探測領域的應用。

近日,西湖大學仇旻教授課題組利用微納彈簧這一力學單元,所製備的光纖力學傳感器達到了皮牛精度。此外,團隊還展示了該傳感器在探測非線性氣流力方面的應用。

該成果發表在Advanced Materials,題為「Fiber-integrated force sensor using 3D printed spring-composed Fabry-Perot cavities with a high precision down to tens of piconewton」。西湖大學奈米光子學與儀器技術實驗室2019級博士生尚興港為第一作者,國科大杭州高等研究院副研究員王寧(原仇旻教授課題組博士後)、西湖大學特聘研究員周南嘉、西湖大學國強講席教授仇旻為共同通訊作者。本工作得到了國家自然科學基金委(基金編號:62005224, 61927820,51905446)、西湖大學及國科大杭州高等研究院等多方支持與資助。

1 傳感器設計及工作原理

該團隊採用了三彈簧平板結構作為力學傳感單元,其傳感原理如圖1所示,把彈簧集成在光纖端面,自然形成了法布里-珀羅(Fabry-Perot, FP)腔,反射到光纖纖芯的光疊加產生干涉光譜。光譜波谷位置和腔長緊密相關。實驗上,通過分析光譜的漂移量,藉助結構壓縮量這一中間值,即可得到結構受力。

圖1 彈簧光纖傳感器工作原理,圖源:Advanced Materials

2 傳感器加工最佳化

實驗上,該團隊採取了雙光子聚合(Two Photon Polymerizations, TPP)這一3D列印方法制備彈簧結構。然而,實現高性能3D結構微納彈簧是一個極大的挑戰,為了得到更優的探測極限,對彈簧幾何參數的要求異常苛刻,常用的加工工藝無法保證結構的穩定。為了解決該問題,仇旻團隊改進了TPP的後處理工藝,仔細選用了低表面張力清洗劑以降低液體蒸發時毛細力對結構的破壞作用。在光纖端面加工得到的穩定彈簧結構如圖2所示,其彈性係數k為44.5 pN/nm。

圖2 加工工藝最佳化,圖源:Advanced Materials

3 器件標定

常用原位力學測量設備的測量精度大多為納牛量級,很難對該彈簧傳感器進行精確標定。為此,團隊採用瞭如圖3所示的標定過程。實驗上,不同直徑的標準SiO2微球被轉移到彈簧平板表面,微球的重力會使彈簧產生壓縮。由此,可得到光譜漂移量和壓縮重量間的對應關係,即可準確定標。配合於高精度光譜儀,彈簧基光纖傳感器的靈敏度和探測極限分別為0.436 nm/nN和40.0 pN。

圖3 器件標定過程,圖源:Advanced Materials

4 非線性氣流力探測

為進一步展示彈簧光纖傳感器在微小力探測方面的優勢,論文作者演示了傳感器測量微弱氣流力的應用,在實驗中觀測到了氣流力隨氣壓非線性變化的趨勢,資料如圖4所示。實驗中得到的氣流力大小及變化趨勢與與CFD仿真結果相符。

圖4 傳感器測得的非線性氣流力。,圖源:Advanced Materials

未來展望:

該傳感器有望被應用於多領域。例如,掃描式彈簧光纖傳感器可被應用在薄膜楊氏模量及生物力學的精密傳感領域,「非接觸」探測模式可為湍流、光力等領域提供新思路。

此外,伴隨著未來3D結構設計加工方法的升級,傳感器的探測精度可能被進一步提升。

論文連結:

https://onlinelibrary.wiley.com/doi/10.1002/adma.202305121

Source

Visited 2 times, 1 visit(s) today
Subscribe
Notify of
guest

This site uses Akismet to reduce spam. Learn how your comment data is processed.

0 Comments
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x