综述：离子聚合物金属复合材料：制备、封装及迟滞蠕变建模与控制策略的最新进展

　　本综述系统梳理了离子聚合物金属复合材料（IPMC）在制备工艺、封装技术及迟滞蠕变建模控制策略方面的最新进展。重点分析了溶液浇铸（SC）、热压（HP）、3D打印等基膜制备方法，化学还原（CR）、物理气相沉积（PVD）、直接组装（DAP）等电极涂层技术，以及PDMS、聚对二甲苯、聚酰亚胺等封装方案的优劣。深入探讨了Preisach、Prandtl-Ishlinskii（PI）、Bouc-Wen（BW）、Krasnosel'skii-Pokrovskii（KP）等迟滞模型和基于数据驱动的自适应控制、滑模控制（SMC）、PID控制及逆控制策略在抑制IPMC非线性特性方面的应用，为高性能IPMC器件的开发提供了重要理论支撑和技术方向。

　　

引言背景

离子聚合物金属复合材料（IPMC）作为一种典型的电活性聚合物（EAP），因其具有低驱动电压、大变形量、柔韧性好和生物相容性等优异特性，在柔性驱动器、微传感器、仿生机器人和生物医学设备等领域展现出广阔的应用前景。IPMC通常由离子交换膜（如Nafion）和两侧的金属电极（如铂、金）构成，其驱动机制主要依赖于在外加电场作用下离子和水分子的迁移与重新分布。然而，IPMC在实际应用中仍面临制备工艺复杂、成本高昂、长期稳定性差以及固有的迟滞和非线性蠕变特性等挑战，这些因素严重制约了其高性能化和实用化进程。

基膜制备工艺

IPMC的基膜制备是其性能的基础。目前主要采用溶液浇铸（SC）、热压（HP）和3D打印等方法。溶液浇铸法操作简单、成本低，可通过调节溶液浓度和温度来控制薄膜厚度，但难以精确控制薄膜厚度的均匀性以及膜孔隙率和内部微观结构。热压法易于大规模生产，成本低，制成的薄膜具有良好的导电性、机械强度和电化学性能，但对设备要求高，需要严格控制温度与压力。3D打印技术生产周期短、材料利用率高，适用于复杂形状的制造，但成本高、生产速度慢、精度低。为改善Nafion膜的性能，研究者开发了混合复合离子交换膜和其他新型材料。例如，Horiuchi等人通过将功能化碳纳米管掺入Nafion层，形成Au-CNT网络电极，使致动器的电容提高了2.2倍，在低于1.0 Hz频率下的位移性能提高了1.3-2.3倍。Zhang等人使用二氧化硅球模板和SGO导电剂制备了多层SGO/多孔Nafion薄膜，并在其表面沉积Pt纳米粒子构建了IPMC致动器（IPMC-SGO-M），SGO与多孔结构相结合显著提高了离子和电子传输效率，表现出优异的机械和驱动性能。

电极涂层技术

电极是IPMC膜的关键组成部分，其特性显著影响IPMC的整体性能。化学还原（CR）是常用的制备方法，将金属离子（如Pt、Ag等）沉积在聚合物膜表面形成导电层，过程简单且成本低，但难以控制电极厚度，均匀性较低。物理气相沉积（PVD）是一种真空沉积技术，可在聚合物膜上沉积金属层形成电极，获得更均匀的金属层，但成本相对较高。直接组装工艺（DAP）将电极溶液直接涂覆在膜上并在压力下组装，增强了电极层与膜之间的粘附力，同时更好地控制导体负载和电极均匀性。溅射沉积（SD）适用于高熔点材料，溅射膜与基底的粘附力优于传统电镀方法。电镀是一种电化学表面处理方法，可形成致密的金属涂层，导电性优异，适用于图案化电极，但工艺复杂，均匀性控制要求高。除了不同电极材料对IPMC的影响外，电极开裂也是影响其长期稳定性和实际应用的关键问题之一。电极开裂不仅显著降低了IPMC的电导率，还损害了其机电耦合效应，导致驱动性能大幅下降。为解决电极开裂问题，研究者提出了各种保护策略，包括提高电化学稳定性、改善电极-基底界面结合、设计柔性电极材料以及梯度电极结构设计等。

封装工艺

水分作为IPMC的重要溶剂介质，促进了离子在聚合物网络内的运动。一旦水分蒸发，离子迁移通道被阻塞，聚合物链之间的相互作用增强，材料变硬。这增加了电极（如铂）与聚合物之间的接触电阻，改变了IPMC的介电性能和机械阻尼特性。反复的干湿循环可能导致电极开裂、聚合物结构疲劳和离子通道损坏。封装的目的不仅是有效抑制IPMC中的水分蒸发，还能减少外部环境因素（如湿度、灰尘和磨损）对IPMC的影响。采用不同材料进行封装有助于IPMC适应各种工作环境。PDMS/PTFE封装因PDMS优异的生物相容性和弹性以及PTFE卓越的化学稳定性和低摩擦系数而具有显著优势。聚对二甲苯封装涉及在IPMC上沉积聚对二甲苯或致密的氧化物气体阻隔层，有效防止水分蒸发并提供优异的阻隔性能。聚酰亚胺（PI）薄膜封装具有耐高温（高达400°C）、高强度、抗撕裂性、优异的耐化学性和良好的防水性，适用于保护IPMC在极端条件下的工作。聚烯烃薄膜（POF）封装是一种经济高效的方法，具有良好的柔韧性，不会显著影响IPMC的弯曲性能。Saran薄膜封装是常用的方法，具有良好的绝缘性和柔韧性。介电凝胶封装具有低刚度和高介电绝缘性能，增强了IPMC的保湿能力和性能稳定性，显著延长了其使用寿命。

迟滞与蠕变建模

与大多数智能材料（如压电材料和形状记忆合金（SMA））一样，IPMC表现出固有的迟滞和蠕变特性。迟滞和蠕变的存在对控制IPMC提出了重大挑战。解决这一问题的关键在于建立能够准确解释迟滞和蠕变的模型。迟滞现象是指材料变形与外加电场变化之间的时间延迟。这种延迟由多种因素引起。延迟离子扩散是迟滞的主要原因。外加电场驱动聚合物基质中的阳离子迁移，但离子扩散速率受基质结构和离子浓度等因素影响，导致响应延迟。Preisach模型通过将复杂的迟滞现象分解为许多简单迟滞算子（迟滞子）的加权叠加来描述材料的非线性行为。Prandtl-Ishlinskii（PI）模型是P模型的数学推广，能够从拟合数据预测IPMC的力学性能，尤其在迟滞补偿方面显示出显著优势。Bouc-Wen（BW）模型是一种基于物理机制的迟滞模型，用于深入描述迟滞现象。虽然它在描述IPMC的迟滞方面取得了一定成功，但仍面临参数确定困难、结构复杂以及无法完全捕捉动态迟滞现象等局限性。Krasnosel'skii-Pokrovskii（KP）模型是P模型的推广，能够描述具有长程记忆效应的复杂迟滞行为，特别适用于IPMC中离子迁移和聚合物链重排的多时间尺度耦合过程。

迟滞与蠕变抑制策略

为了在现有模型的基础上进一步提高抑制IPMC迟滞和蠕变的有效性，目前IPMC的主要控制方法包括自适应控制、滑模控制（SMC）和PID控制。自适应控制是一种能够实时参数估计和自动控制器调谐的控制方法，特别适用于处理具有参数不确定性和时变特性的系统。其基本原理是实时监测系统的输入和输出信号，利用参数估计算法动态更新控制器参数，使系统在不同运行条件下实现所需的控制性能。滑模控制（SMC）是一种变结构控制方法，通过设计一个滑动面，使系统状态沿该滑动面滑动，实现对不确定性和干扰的鲁棒控制。滑模控制的核心思想是将系统状态约束在预设的滑动面上，并利用切换控制律消除系统不确定性和外部干扰。PID控制是最经典的反馈控制方法，通过比例（P）、积分（I）和微分（D）组件的组合实现控制目标。该方法结构简单，易于实现，特别适用于IPMC在低工作频率下的弯曲运动控制。逆控制是一种基于被控对象逆模型的控制方法，通过构建系统的逆模型实现精确的轨迹跟踪控制。其基本原理是利用系统的逆模型作为控制器，使系统输出能够准确跟踪期望轨迹。

数据驱动的迟滞与蠕变抑制策略

数据驱动方法是指通过分析和大数据学习，利用统计和机器学习等方法对系统或过程行为进行建模和推断，而不是依赖系统的物理或理论模型。这种方法广泛应用于各个领域，特别是在数据量大、系统复杂或物理过程难以建模的场景中。IPMC中的迟滞和蠕变现象是由多种因素共同作用的结果，包括离子迁移滞后、电渗、电化学反应、电极界面效应、材料粘弹性、环境影响和微观结构因素等。这些因素可能导致材料的机械响应与外加电场之间的延迟和非线性关系，从而产生迟滞和蠕变效应。因此，数据驱动方法为处理这些复杂现象提供了优秀的策略。 Huang等人提出了使用LSSVM-NARX模型（最小二乘支持向量机-非线性自回归外生模型）来描述IPMC的迟滞特性，并与传统的PI模型进行了比较。采用人工蜂群算法优化模型参数。仿真和实验结果表明，所提出的控制方法显著提高了IPMC致动器的控制精度，尤其是在存在迟滞和蠕变现象的情况下。 Zamyad等人引入了一种改进的自适应神经模糊推理系统和非线性自回归外生输入模型（ANFIS-NARX）用于IPMC致动器的非线性辨识。迟滞算子被集成进来，将多值迟滞映射转换为单值映射，从而提高了模型的准确性和可解释性。这种方法有效增强了模型的预测准确性和适应性，特别是在处理IPMC致动器的非线性迟滞行为时，相比传统模型显示出显著改进。

结论与展望

本综述系统总结了离子聚合物金属复合材料（IPMC）在制备工艺、封装技术以及迟滞蠕变建模与控制策略领域的最新进展。通过对各种成膜方法和电极涂层技术的全面分析，明确了现有技术的优势与局限性。此外，封装工艺的最新进展显著提高了IPMC的长期稳定性和力学性能，而对迟滞和蠕变行为的建模研究为IPMC致动器和传感器的精确控制提供了必要的理论基础。尽管IPMC在智能材料和柔性器件中展现出广阔的应用前景，但在实际工程化过程中仍面临诸多挑战。未来的研究应重点关注以下具体方向的突破：探索新型高电导率质子聚合物（如磺化聚氯乙烯（SPVC）共聚物和含氟聚合物复合材料），结合可扩展的制造工艺（如卷对卷涂层技术），以增强膜的机械强度和离子电导率，同时降低成本；考虑使用纳米级阻隔涂层、原子层沉积（ALD）或聚合物-纳米复合材料多层结构作为封装策略，有效抑制水分蒸发、电极腐蚀和环境影响，从而显著提高IPMC在高湿、高温或腐蚀性环境中的长期稳定性和可靠性；加强深度学习