旋转机械设备的可靠运行高度依赖对轴承润滑的稳定性，一旦润滑油膜破裂，摩擦副的直接接触会迅速演化为剧烈磨损乃至设备损坏。因此，对轴承润滑早期退化的实时监测是针对高端旋转装备预测性维护的核心技术需求。基于双电层（EDL）电容机制的离-电式振动传感器性能严重受制于介电层（离子凝胶）本征黏弹性的影响，尤其是聚合物链段内的摩擦会严重阻碍离子向界面的迁移，导致传感器灵敏度下降、响应滞后，最终造成“传感迟滞”，使微弱瞬态振动特征信号无法被及时捕获，难以实现润滑失效的早期预警。

为解决上述问题，中国科学院兰州化学物理研究所润滑材料全国重点实验室功能润滑材料课题组联合西北师范大学王荣民教授团队提出了一种基于高单体浓度诱导的拓扑缠结网络结构与植酸（PA）介导氢键增塑相协同的合成策略，并利用数字光处理3D打印技术（DLP 3D）制备了表面具有微图案的低迟滞性离子凝胶，以此为介电层组装的振动传感器兼具超高灵敏度、毫秒级对称响应、以及微米级位移分辨能力等特性，实现了对轴承润滑失效过程的振动监测与机器学习辅助的状态识别。

结果表明，优选离子凝胶的迟滞率低至 6.7 ± 0.3%，基本上消除了传统离子凝胶介电层的“传感迟滞”问题。通过DLP 3D打印构筑的微锥阵列结构使传感器灵敏度高达40,000 ± 8000 kPa⁻¹，响应/恢复时间近乎对称（89 ± 8 ms 与 92 ± 10 ms），循环10,000 次后能量耗散无明显衰减，可清晰捕捉2-20 Hz、0-60 μm范围内的频率与振幅信号，位移分辨率和频率分辨率分别可达1 μm和0.5Hz。在油润滑下，连续油膜起到界面隔离与阻尼缓冲作用，振动信号呈现稳态低幅特征；一旦油膜破裂进入干摩擦状态，粗糙峰直接接触引发的微冲击使得振动幅值急剧变大，呈现典型失稳特征（图1）。对磨痕的三维轮廓进行分析，发现不同摩擦工况下磨痕宽度差异明显且与振动幅值变化高度相关，证明该传感器具有对轴承润滑状态动态演化的精确感知能力。在此基础上，通过提取最大值、RMS、峰峰值、主频、谱能量、STFT 等时频特征，构建了CNN+SVM混合机器学习模型，在5折分层交叉验证下实现润滑状态识别总体准确率达90.0% ± 11%。少数误分类样本恰好对应油膜逐渐退化的过渡态，反映出该传感器对润滑失效“过渡区”的敏锐捕捉能力，为润滑早期失效预警提供了理论依据。该传感器在旋转机械润滑失效预警、精密传动智能运维等领域具有重要应用价值，可助力高端装备从“被动维修”向“预测性自主维护”转变的快速发展。

图1. 离-电式振动传感器对轴承状态的振动检测结果与传感机理

该研究成果以“3D Printed Topologically Entangled Ion Gel with Micro-cone Architectures for Ultrahigh Sensitivity Vibration Monitoring”为题发表在Chemical Engineering Journal（2026, 540, 177196）上，西北师范大学联培博士生崔鹏为论文第一作者，兰州化物所杨亚文助理研究员、西北师范大学王荣民教授和兰州化物所王金清研究员为共同通讯作者。兰州化物所为第一完成单位。

上述研究工作得到了中国科学院战略性先导科技专项（B类）、国家自然科学基金面上项目、甘肃省科技重大专项以及甘肃省自然科学基金等项目的支持。