形状记忆合金能否彻底改变执行器与传感器技术？

形状记忆合金在哪些方面真正优于传统致动器？

形状记忆合金在需要高力重比、低驱动电压以及能在狭窄或潮湿环境中工作的应用中表现出色。2026年的一项研究展示了一种晶格增强型SMA驱动器，在最优条件下（20V、30%占空比、4Hz），其弯曲变形相比非晶格设计提升了390.59%；在实际条件下（20V、20%占空比、1Hz），变形也提升了204.4%[1]。该驱动器驱动了一个仿生水母机器人，在最优条件下游动速度提高了111%，在实际条件下提高了55%，非常适合水下监测与探测任务[1]。同样，一种用于机器人导管的软体SMA驱动器实现了120°的弯曲范围，表面最高温度仅为46°C，可在30秒内顺畅通过血管模型[2]。这些实例表明，在传统电机过于笨重、噪音大或不适用于柔软及生物环境的场景中，SMA具有显著优势。

磁致形状记忆合金（MSMAs）通过利用磁场替代热能实现更快的驱动，进一步突破了技术极限。2022年一项关于MSMA驱动器的研究报告显示，其可重复应变高达6%，动态性能远优于热激活形状记忆合金（SMAs），在迟滞补偿后定位精度可达±2微米[3]。这使得MSMAs适用于精密定位任务，例如微操作或自适应光学领域——在这些场景中，热驱动SMAs因响应速度过慢而无法胜任。

哪些关键限制阻碍了形状记忆合金取代所有执行器？

热驱动形状记忆合金（SMA）最大的缺点是冷却速度慢，这限制了其驱动频率。晶格增强型驱动器虽提升了响应速度，但在最优条件下仍需在4赫兹频率下保持30%的占空比[1]——远慢于电机或压电驱动器。此外，SMA存在迟滞现象（输入与输出之间的延迟），这增加了精确控制的难度。2022年一项关于磁控形状记忆合金（MSMA）驱动器的研究不得不开发逆迟滞模型以实现±2微米的精度，即便如此，该模型仍需仔细校准[3]。对于需要快速重复运动的应用场景（如高速拾放机器人），SMA尚不具备竞争力。

另一个限制在于应变与力之间的权衡。虽然形状记忆合金（SMA）丝能够产生较大的力，但其应变通常有限——热驱动SMA为4%–8%，磁驱动SMA（MSMA）最高可达6%[3][4]。若要实现更大位移，则需要复杂的机械放大结构（如文献[1]中的晶格结构），这会增加体积和复杂度。2023年的一篇综述指出，尺度效应和材料形态（丝材、弹簧或复合材料）对性能有显著影响，而表面处理与功能化仍是活跃的研究领域[4]。简而言之，SMA并非所有执行器的通用替代方案，而是针对特定任务的专用工具。

形状记忆合金能否同样革新传感器技术，抑或它们只是致动器？

SMA确实可以同时充当执行器和传感器，尤其是在集成到软体机器人系统中时。例如，一款水母机器人将其SMA执行器与柔性压力传感器结合，用于水下监测[1]。2024年一项关于软体爬行微型机器人的研究，利用SMA执行器配合三维柔性光电子器件（光电探测器），实现了自主趋光性——该机器人能够以小于3.5°的误差感知光源方位角，并在陆地和水生环境中向光源爬行[6]。该机器人的SMA执行器可在0.1秒内产生约0.4牛顿的闭锁力（相当于其自身重量的68倍）以及约87 m⁻¹的曲率变化[6]。这表明SMA能够融入传感器-执行器闭环，实现无需人工干预的自主行为。

然而，形状记忆合金（SMA）本身通常并不作为独立的传感器使用，它们需要借助外部传感元件（如压力传感器、光电探测器或加速度计）来提供反馈。2025年一项关于直升机旋翼测试台的研究中，采用了基于SMA的扭转驱动器来调整攻角，但振动传感仍依赖三轴压电加速度计[5]。因此，尽管SMA推动了新型传感器集成系统的发展，但它们并未取代专用传感器。真正的变革在于二者的结合——SMA驱动器与智能传感器共同打造出紧凑、自主且自适应的装置。

本文引用的文献

相关研究问题