ETD

• Electrical Impedance Tomography (EIT)
• sensori embroidery EIT-based
• sensori tessili piezoresistivi basati su EIT

Il presente lavoro di tesi è dedicato allo studio, alla modellazione e alla realizzazione preliminare di sensori tessili piezoresistivi basati sulla Electrical Impedance Tomography (EIT). Il contesto in cui si inserisce questa ricerca è quello del monitoraggio in tempo reale di segnali fisiologici e biomeccanici, un ambito che negli ultimi anni ha visto una crescita esponenziale grazie all’evoluzione della tecnologia indossabile. Dispositivi come smartwatch e sistemi per il trattamento del diabete hanno dimostrato come sia possibile integrare strumenti di misura avanzati nella vita quotidiana dei pazienti, garantendo comfort, semplicità d’uso e capacità di prevenzione. In questo scenario, i sensori textile-based rappresentano una delle frontiere più promettenti: tessuti funzionalizzati che diventano vere e proprie superfici intelligenti, in grado di acquisire parametri fisiologici senza ridurre l’ergonomia del capo o dell’oggetto che li incorpora. Tuttavia, questi dispositivi soffrono ancora di limiti legati alla precisione delle misure, alla non linearità del segnale e alla difficoltà di caratterizzazione.
La EIT si propone come tecnologia abilitante per superare parte di queste criticità. Si tratta di una tecnica di imaging a basso costo, portatile e non invasiva, capace di stimare la distribuzione della conducibilità su una superficie conduttiva partendo da misure di tensione acquisite su elettrodi periferici. Introdotta negli anni Settanta in ambito biomedicale, la EIT ha trovato applicazioni nel monitoraggio toracico, nella ricostruzione di immagini di arti e nella stima di variazioni locali di impedenza. I suoi vantaggi rispetto a tecniche come la risonanza magnetica o la TAC risiedono nei costi ridotti, nella semplicità d’uso e nell’assenza di invasività, mentre lo svantaggio principale rimane la risoluzione spaziale inferiore. Nel tempo la EIT è stata applicata anche in contesti industriali, per esempio nel controllo di fluidi e processi di mescolamento, e oggi può essere sfruttata nella sensoristica tessile per realizzare superfici sensibili di geometria arbitraria e distribuite su larga scala.
Dal punto di vista teorico, la EIT si articola nel problema diretto e nel problema inverso. Il primo consiste nel calcolare le tensioni sugli elettrodi nota la conducibilità del dominio; il secondo, invece, mira a ricostruire la distribuzione di conducibilità a partire dalle misure acquisite. Quest’ultimo è un problema mal condizionato e non lineare, per cui sono necessarie tecniche di linearizzazione, metodi numerici avanzati o approcci basati su intelligenza artificiale per ridurre l’errore di stima. Uno degli aspetti centrali riguarda anche lo schema di stimolazione della corrente: nel presente lavoro si è adottato il cosiddetto adjacent pattern, in cui la corrente è iniettata tra due elettrodi adiacenti e le tensioni vengono misurate sugli altri. Questo metodo rappresenta una soluzione molto diffusa perché bilancia semplicità di implementazione, sicurezza e qualità delle ricostruzioni.
L’attività svolta in tesi ha avuto come obiettivo la definizione di un framework di modellazione digitale per supportare la progettazione di sensori EIT tessili. Attraverso simulazioni numeriche agli elementi finiti sono stati esplorati diversi parametri progettuali, quali la forma del sensore, la posizione e il numero di elettrodi, la conducibilità del materiale piezoresistivo e l’impedenza di contatto. Questo approccio ha consentito di valutare come piccole variazioni geometriche o materiali possano incidere significativamente sulla qualità della ricostruzione e sulla robustezza del segnale. La modellazione digitale si è quindi dimostrata uno strumento prezioso per ridurre i tempi e i costi di sviluppo, permettendo di testare in ambiente simulato configurazioni che sarebbero onerose da validare esclusivamente sul prototipo fisico.
Parallelamente, il lavoro ha previsto la realizzazione di prototipi reali attraverso la tecnica embroidery, che consiste nel cucire materiali conduttivi su un supporto tessile. In particolare, è stato realizzato un sensore quadrato in Carbotex, un tessuto piezoresistivo, con elettrodi in filo d’argento AMANN Silvertech cuciti ai lati. Questo prototipo è stato poi interfacciato con un’elettronica dedicata, sviluppata per la stimolazione e l’acquisizione dei segnali. Tale configurazione ha permesso di condurre una prima prova di caratterizzazione preliminare, volta a testare la risposta del sensore a pressioni statiche e dinamiche e a confrontare i dati acquisiti con le ricostruzioni ottenute in simulazione.
I risultati hanno evidenziato alcuni aspetti fondamentali. In primo luogo, la posizione degli elettrodi risulta un fattore critico: anche piccoli errori di collocazione possono compromettere la qualità della ricostruzione. In secondo luogo, l’adozione dell’adjacent pattern si è confermata una scelta efficace per la stimolazione, garantendo un buon compromesso tra semplicità e affidabilità. Inoltre, la tecnica embroidery ha mostrato di poter produrre sensori a basso costo, flessibili e robusti, sebbene la variabilità intrinseca dei materiali tessili e la sensibilità ai protocolli di test abbiano reso necessaria una maggiore attenzione nelle procedure di caratterizzazione. Infine, il confronto tra dominio digitale e fisico ha messo in luce la validità del framework proposto, pur sottolineando l’esigenza di perfezionare strumenti e metodologie di validazione.
La tesi si conclude sottolineando come l’integrazione di modellazione numerica e sperimentazione pratica rappresenti un approccio vincente per lo sviluppo di sensori EIT tessili. La parte digitale consente di esplorare configurazioni progettuali e prevedere le criticità, mentre la parte fisica permette di validare le ipotesi e di affrontare i limiti tecnologici legati alla produzione e ai materiali. Il framework sviluppato non solo offre un supporto alla progettazione, ma può anche diventare uno strumento per la generazione di dataset sintetici da utilizzare nell’addestramento di algoritmi di machine learning e reti neurali per la risoluzione del problema inverso.
Gli sviluppi futuri suggeriti riguardano l’ottimizzazione dei parametri progettuali, lo studio di pattern di stimolazione alternativi, l’impiego di strumenti più accurati per la caratterizzazione meccanica e l’integrazione del framework con approcci basati su intelligenza artificiale. Inoltre, vengono ipotizzate applicazioni pratiche concrete, come fasce integrate nei materassi per il monitoraggio del sonno o suole sensorizzate per l’analisi del passo, che dimostrano la versatilità e la potenzialità di questa tecnologia