近年来,二维材料因其优异的力学性能、电学性能,在可穿戴领域有广泛的应用。相比于传统硅晶体,石墨烯、过渡金属硫属化合物等典型二维材料具有高的载流子迁移率和更高的机械强度等特点,可作为柔性压力传感材料。基于压阻效应的压力传感器可用于采集人身体各个部位运动产生的压变信号,通过分析压阻信号变化规律完成人体姿态的识别。本文采用石墨烯基二维材料复合物,制备一种具有压阻效应的高可压缩传感器,在手指关节处布置压力传感阵列,采集压力传感阵列信号,在传感器阵列端处理并分析信号,结合神经网络算法,完成手势的智能识别,具体的研究成果如下:（1）以石墨烯与二硒化钒复合物为压力敏感材料,采用柔性共聚酯为三维骨架,集成了高可压缩柔性压力传感器,通过先进的测试手段表征材料以及传感器的微观结构。该传感器在低压（<10 k Pa）和中高压（≥10 k Pa）范围内具有良好的线性度。对不同石墨烯与二硒化钒配比的复合物传感器性能进行测试,得到当石墨烯与二硒化钒掺入浓度均为0.6 g/L时,最大相对电阻变化量可达81.6%,最大形变量为85%,响应时间为300 ms,灵敏度达到了4 k Pa^-1。（2）基于上述二维材料复合物压力传感器,将其组装在手指压力敏感点即手指关节处,采集手指弯曲时产生的压变信号。将该传感阵列封装到手套上,采集到的阵列压变电信号通过电压跟随电路传输至信号处理端,信号处理端分为静态手势识别和动态物体抓取识别。静态手势识别是采用一款低功耗的CMOS芯片,结合二值化神经网络算法,对于阿拉伯数字和哑语手势识别准确率为98%。动态物体识别是采用通用CPU,结合处理时序信号的反向传播（BP）神经网络,通过提取并分析抓取常规物体如水瓶、手机时,压力信号的连续变化,完成物体抓取识别,准确率为89%。综上,本文采用以石墨烯为代表的二维材料制备了柔性压力传感器,结合先进的人工智能算法完成了智能手势识别系统的集成,促进了基于二维材料的柔性智能传感器在可穿戴领域的发展。