摘要
人工智能(AI)与可穿戴智能纺织品的集成正在将被动织物转变为能够感知、响应和适应环境和用户特定刺激的主动系统。尽管越来越多的兴趣，这个跨学科领域的综合定量分析仍然缺乏。本研究利用相似性可视化查看器(VOSviewer)、CiteSpace和Bibliometrix对科学网(WoS)核心馆藏2000年至2025年的出版物进行了文献计量学和可视化分析，以考察出版趋势、合作网络、主题演变和知识结构。结果表明，随着中国、美国和韩国引领高度协作的国际网络，出版物快速增长。该领域展示了材料科学、纳米技术、电子工程和基于人工智能的数据分析之间强有力的跨学科联系。关键的研究主题包括基于纤维的纳米发电机，而新兴趋势则集中在人工智能传感器集成、可持续材料和多功能应用上。这项研究构建了一个知识框架，并确定了未来的方向，如人工智能算法小型化，自供电传感，生态友好材料产业化，以及更深层次的基于场景的应用。这些发现解决了宏观层面分析的差距，并为推进人工智能增强的可穿戴智能纺织品的研究和创新提供了战略指导。
其他人正在查看类似的内容
纳米材料智能纺织品:超越可穿戴设备的十年创新、挑战和未来前沿
文章 2026年3月30日
对人工智能在纺织工业中的使用、含义和影响的系统回顾:从以人为中心的交互角度的分析
回 2026
基于纺织品的摩擦电纳米发电机作为可穿戴设备能源的网络综述分析
回 2024
探索相关主题
发现相关主题的最新文章、书籍和新闻，建议使用机器学习。
计算材料科学
计算智能
软性材料
纺织工程
可穿戴技术
人工智能
智能环境中的物联网应用
介绍
在技术与日常生活深度融合的当代，可穿戴智能纺织品已成为全球研究和产业的焦点，其特点是独特的功能和广阔的应用潜力(哈赫雷曼尼·霍纳瓦尔和拉蒂菲，2017;石等，2020).最近的市场分析强调了这一轨迹;全球智能纺织品市场在2022年价值28亿美元，预计到2030年将超过248.4亿美元(DataBridge Market Research，2025).该领域需要多学科领域的融合，包括纺织工程、电子信息科学和材料科学，以促进传统织物向能够自主感知、交互和反馈的智能终端的转变(Shi等人，2020).因此，这些进步催化了整个医疗保健领域的变革性创新(Meena等人，2023)、运动健身、时尚生活应用。尽管取得了这些进步，传统的可穿戴智能纺织品仍然受到重大技术限制的约束(Islam等人，2025;Koo等人，2025).值得注意的挑战包括无法实现高精度、主动的人类活动识别，以及在制造过程中难以实施基于计算机视觉的微缺陷识别。目前，人工智能(AI)的集成作为一种范式转换机制，用于优化可穿戴系统的研究、制造和部署(Amjad & Joshi，2025;Sikka等人，2024).通过利用数据驱动的方法和复杂的机器学习算法，人工智能解决了长期存在的技术瓶颈，实现了从被动数据收集到主动智能赋能的关键转变(宗和关，2025).因此，对可穿戴智能纺织品中人工智能应用的系统审查对于分析技术演变和市场需求之间的一致性至关重要，同时为未来的发展建立可持续的途径。
人工智能和可穿戴智能纺织品的协同集成正在推动可穿戴技术的迭代发展(Cleary等人，2023;库马尔，2025).在嵌入式传感器阵列和机器学习算法的帮助下，这些系统拥有实时感知环境刺激和用户动态的能力。这使得物理属性的动态调整能够优化功能效率和用户体验(Chen等人，2025;黄等，2025)，从而在各个领域展现出独特的竞争优势。在医疗保健领域，研究主要集中在无缝生物传感和生理参数的纵向监测上(Yang等人，2024).通过在纺织结构中集成生物传感器，可以实现接触式和非接触式监测。当与AI增强的信号处理技术结合时(Fareed等人，2025)，数据保真度大幅提升。这种精度为临床干预、远程医疗平台和增强患者预后结果提供了关键支持(Kumar等人，2025).在运动和健身的背景下，人工智能使智能服装能够自主调节隔热和水分传输(Fang et al .2021;左等，2023)，从而提高人体工学性能和生理舒适度。这种技术协同同时促进了美学时尚和高性能可穿戴系统之间的新颖交叉(Hassabo等人，2023;李等人，2016).从技术发展的角度来看，机器学习和纺织技术的融合提高了传感器的灵敏度和数据可解释性(Luo，2025;Yildirim等人，2018).这种演变促进了软穿戴机器人等创新，并将智能纺织品的效用扩展到生物医学辅助设备和国防相关应用。现有的研究已经建立了一个包含智能传感、自适应材料和机器学习的三方框架，展示了人工智能在推进这一领域的变革性和革命性潜力(Sun et al .2024).
尽管在智能纺织品的材料创新和功能实现方面取得了重大进展，尽管对AI与可穿戴系统的融合进行了初步探索(聂，2025;亚达夫&亚达夫，2025)，现有的评论主要集中在以材料设计或传感机制为中心的孤立观点上。这些分析经常局限于单一学科或技术途径，因此未能抓住这一新兴领域内在的多学科和综合架构。更关键的是，系统的文献计量分析提供了跨学科领域的宏观综合，特别是在人工智能和可穿戴智能纺织品的交叉领域，仍然显着落后。该领域知识结构的定量表征和可视化表示，包括研究集群的演变、国际合作网络和新兴技术前沿，目前都没有出现在文献中。为了解决这些差距，本研究采用文献计量学方法构建了一个全景知识地图，揭示了跨学科的特点，研究热点和进化轨迹。这种方法弥补了现有综述缺乏宏观视角和数据驱动支持的不足，为未来跨学科合作和研究优先化提供了实证证据和决策参考。
为了解决已确定的研究差距，本研究采用了一种全面的文献计量学方法，利用科学之网(WoS)核心收集作为主要和权威的数据源，系统地汇编了2000年至2025年之间在人工智能和可穿戴智能纺织品的交叉点上发表的文献。为了确保方法的稳健性，该研究整合了三种专门的分析工具——vos viewer、CiteSpace和biblio metrix——每种工具都提供了互补的可视化和分析功能。VOSviewer用于构建和可视化国际和机构合作网络，以及关键词共现，从而揭示潜在的合作结构和概念领域。CiteSpace用于文档共引和聚类分析，以确定人工智能驱动的可穿戴智能纺织品研究的知识基础、知识结构和进化途径。同时，Bibliometrix通过趋势评估、主题发展分析和结构解释，促进了主题演变和战略规划的可视化，从而支持对该领域进展和新兴研究前沿的多维理解。
根据既定的方法和选择的专门分析工具，本调查旨在系统地解决以下四个关键研究问题:
(1)该研究领域内的年度出版趋势、核心学术期刊的分布影响以及跨学科融合的现状如何?
(2)全球研究工作在地理上是如何分布的,由此产生的国际合作网络的特点和动态是什么?
(3)潜在的知识结构是什么，通过关键词共现和聚类分析揭示了哪些新兴子领域?
(4)研究主题如何演变，未来的发展轨迹如何?
材料和方法
数据来源和检索策略
为了确保数据的权威性、可靠性和全面性，本研究使用科学核心网(WoS)核心收集作为主要数据来源。由Clarivate Analytics开发和维护的WoS数据库是全球公认的最具影响力和学术可信度的文献数据库之一(Pranckut，2021).它广泛覆盖了高质量的学术期刊，涵盖自然科学、工程、技术和跨学科研究领域(Serenko & Bontis，2022).该数据库强大的搜索功能、全面的引用数据和定期更新使其成为生成严格的科学计量学分析所需的高质量结构化数据集的最佳工具(Chadegani等人，2013).
为了确保相关文献的系统、全面和准确检索，2025年7月10日在科学核心馆藏网(WoSCC)内进行了基于主题的搜索。搜索查询是使用布尔运算符(和/或)精心构建的，以捕捉三个基本研究支柱的趋同性:人工智能、可穿戴系统和纺织技术。搜索查询表述如下:TS =(“人工智能”或“机器学习”或“深度学习”或“神经网络”或“计算机视觉”或“智能系统”)和(“可穿戴的”或“可穿戴的\设备”或“智能服装”或“穿在身上的”或“穿在身上的”和(“纺织品\或织物\或“智能纺织品”或“电子纺织品”或“电子纺织品”或“智能服装”或“传感纺织品”或“传感器集成纺织品”或“传感器纺织品”或“纺织品”检索时间范围设定为2000年1月1日至2025年7月10日。这一时期包括智能纺织品的初始发展阶段，通过快速集成先进的人工智能驱动的方法，从而提供一个全面的数据集，反映该领域的完整进化轨迹和最新进展。
初步搜索检索到1，213项相关记录。为了确保分析精度，该数据集通过符合PRISMA 2020系统综述指南的多阶段筛选协议进行了细化。首先，结果仅限于英文出版物，产生了1，201个文档。第二，文献类型被限制为“文章”、“综述文章”和“进展论文”，以集中于初步研究和全面综合;这一步排除了42篇早期访问文章、2篇编辑材料、1封信函和1条新闻，结果为1，197篇文章。随后，由一名研究人员进行人工筛选和验证过程，以评估相关性。如果文件明确阐述了人工智能方法与可穿戴智能纺织品的融合，则保留这些文件;偏离主题、不完整或重复的记录被排除在外。这一最终提炼确定了567篇高度相关出版物的核心语料库，包括435篇文章、74篇综述文章和58篇进展论文，构成了本研究中所有后续文献计量分析的最终数据集。完整的文件识别和筛选工作流程详见PRISMA流程图(图。1).
图一
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
研究流程图。作者创造了这个数字
数据处理和分析方法
文献计量分析是一种系统的研究方法，它整合了数学、统计学和计算机科学来对科学文献进行定量和定性评估(Marzi等人，2025;佩辛等人，2022).这项研究利用这种方法，整合了一套专门的软件工具，对2000年至2025年人工智能驱动的可穿戴智能纺织品领域进行了系统的、数据驱动的调查。
本研究的分析框架包括几个核心维度，包括出版物和学科分布趋势、全球研究地理、有影响力的作者和机构、研究知识库、知识结构和聚类模式，以及主题演变和趋势分析。目标是全面阐明当前的研究前景，确定关键的研究热点，并揭示该领域内新兴的发展轨迹。为了确保分析结果的系统性、可再现性和直观性，采用了以下多种软件工具:
Microsoft Excel 2021:用于数据预处理和描述性分析，包括原始数据的组织、年度出版物计数的计算、期刊和研究领域分布以及作者和机构生产率排名。这有助于确定研究领域的发展趋势和核心贡献者。
VOSviewer 1.6.20:用于构建和可视化科学网络，包括国家、机构和作者级别的合作，以及关键词共现。它的聚类功能阐明了潜在的协作社区和概念主题，通过颜色编码、节点大小和链接强度可视化。
CiteSpace 6.4.R1:应用于动态分析，特别是文档共引分析，能够识别研究领域的高影响力文献、知识基础和演变轨迹。
Bibliometrix:用于高级可视化和战略映射。其功能包括生成全球国家出版物分布图、关键词热图、时间趋势图和重要的主题战略坐标图。这些产出揭示了全球研究模式、主题演变趋势和研究主题的战略定位。
结果
出版物和学科分布趋势
年度出版物趋势分析是研究人员系统掌握某一领域发展动态的基础组成部分，从而为制定科研策略提供必要的数据支持。数字2用图表说明了从2000年到2025年人工智能驱动的可穿戴智能纺织品领域的年度出版物数量的演变。一个明显的观察结果是2006年至2015年间记录的相对缓慢的增长轨迹。在此期间，年度出版物产量基本保持在一位数，波动很小。在这整个十年的时间跨度内，累计增长只有11篇文章，表明这一阶段的研究处于萌芽和探索阶段。学术关注和研究成果都很有限，这表明人工智能和智能纺织技术的跨学科集成尚未获得实质性的动力。
图2
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
年度出版趋势图。作者创造了这个数字
研究轨迹从2016年开始经历了一个重要的拐点，这与人工智能方法的快速发展及其在智能纺织系统中的越来越多的应用直接吻合。今年以来，相关研究显示出明显而持续的加速。最初的激增在2016年至2018年期间显而易见，年度出版物产出从3篇迅速上升到12篇，然后又上升到22篇，表明学术兴趣急剧增加。这种增长在2019年后加剧，年发表量超过了之前的个位数基线，2020年达到50篇。这种指数趋势持续下去，每年连续创造新纪录:出版物数量在2021年增加到61份，2022年增加到64份，2023年达到86份。此外，对2025年的预测表明，该领域将保持这一上升势头。这种持续快速的增长趋势成为令人信服的量化证据，表明人工智能和可穿戴智能纺织品的跨学科融合已经明确进入了热点阶段，吸引了学术界和工业界的激烈研究活动。
强化的研究活动最终导致了显著的激增，2024年出版数量达到了125篇文献。虽然2025年记录了101种出版物，但这一数字仅说明了截至数据检索截止日期前出版的作品。鉴于这一不完整的数据集，全年出版物的实际数量极有可能超过目前的数字，进一步证实了这一上升趋势。累计而言，该领域呈现出显著的扩张，从2019年的80篇出版物增长到2025年年中的567篇，呈现出明显的加速增长趋势。总的来说，年度出版物数量的轨迹遵循一个明显的“加速增长”模式。数据的多项式拟合证明了非常好的拟合度(R2= 0.9988)，证实该领域的发展符合高阶多项式或指数增长模型。这一统计证据强烈表明，人工智能驱动的可穿戴智能纺织品领域将保持高增长轨迹，并在可预见的未来继续扩张。
影响因子(IF)仍然是严格评估学术期刊的学术影响力和地位的最公认的国际指标之一(Moed & Halevi，2015).它不仅反映了期刊在科学传播中的地位和作用，也是衡量其学术价值的重要依据。一篇学术论文被引用的次数也被认为是其质量、接受度和学术意义的一个关键指标。被广泛引用的研究通常意味着对其各自研究领域的实质性和基础性贡献，从而验证其智力影响。
由567个相关出版物组成的综合数据集在201个学术期刊上广泛传播，突出了该领域的高度跨学科性。桌子1系统地列出了对人工智能驱动的可穿戴智能纺织品研究领域做出贡献的10大核心期刊。其中，美国化学学会应用材料与界面排名第一，有40篇出版物和最高的引用计数(NC)，凸显了其在推进智能材料和传感器集成织物研究方面的领先地位和强大的学术影响力。排名第二和第三的是化学工程杂志和纳米能量，分别有28篇和24篇论文。它们的影响因子13.2和17.1超过了该数据集中期刊的平均水平，表明这些媒体被公认为传播高影响研究。
表1按出版物产出排名的前10位核心期刊
全尺寸桌子
值得注意的是，新材料，尽管相对来说只有10份出版物，却被引用了3195次，影响因子高达26.8。这种差异最终证明了该杂志上发表的文章的异常高的质量、科学的严谨性和创新性的贡献。同样的，高级功能材料排名很高，影响因子为19.0，引用次数为526次。其他期刊，包括《自然·通讯》和材料化学杂志A，也表现出较高的影响因子和引用绩效，从而巩固了他们在智能纺织品和材料科学融合领域的学术地位。
总体而言，占据前十名的期刊主要是材料、化学工程和跨学科领域的国际顶级期刊。这表明人工智能驱动的可穿戴智能纺织品研究在很大程度上依赖于新型材料的开发和跨学科创新。
按照WoS的分类，对与人工智能驱动的可穿戴智能纺织品相关的研究类别进行统计和分析研究，提供了明确的证据，表明该领域包含广泛的学科，表现出高度的跨学科和多样化。从高频学科分布来看，类别材料科学多学科以244篇出版物排名第一，强调了先进材料在推动可穿戴智能纺织品发展中的基础性作用。纳米科学和纳米技术和应用物理学其次分别是154份和131份出版物。它们的强大代表性表明，纳米材料和物理优化技术极大地扩展了智能纺织系统的功能和性能(表2).
表2前20个研究领域
全尺寸桌子
出版物的地理分布
分析人工智能驱动的可穿戴智能纺织品研究在国家层面的全球出版格局，有助于确定该领域的研究强度和国际学术界的主要贡献者。为了处理国际合著的出版物，本研究采用了全计数方法(Shin & Cummings，2010);对于涉及多个国家的多作者论文，每个参与国家都有一个出版物计数。基于这种方法，ArcGIS用于可视化发布国家的地理分布，如图所示。3.
图3
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
全国出版物及地理分布图。作者创造了这个数字
如图所示，中国占据主导地位，以346篇发表的论文大幅领先于全球学术产出，占总数据集的61.0%。美国以83篇论文(14.6%)紧随其后，凸显了其在智能纺织品和人工智能研究领域的持续影响力。其后的领先国家分别是韩国(43篇论文，7.6%)、印度(33篇论文，5.8%)、英国(26篇论文，4.6%)。这种分布模式共同突出了亚太地区、欧洲和美国在该领域的特别高的研究活动和大量学术投资。
从地理上看，研究成果主要集中在东亚、北美和西欧的科技创新中心。中国、美国和韩国共同构成了东亚-北美地区的主要研究据点。在他们之后，英国和德国等国家成为欧洲的第二梯队领袖。值得注意的是，包括印度、孟加拉国和沙特阿拉伯在内的几个新兴经济体也越来越多地参与这一研究领域。它们日益增加的可见性强调了人工智能和智能纺织技术的全球扩散，这是由发展中国家数字基础设施、研究资金和技术转让的扩张所驱动的。
总体而言，尽管人工智能驱动的可穿戴智能纺织品研究显示出强烈的国际特征，但高学术产出和资源分配仍然高度集中，导致全球学术资源明显的不均匀分布。为了促进更加公平和稳健的全球创新生态系统，未来的倡议应优先加强国际合作，促进开放的学术交流与合作，减少区域发展差距，以提高全球智能纺织领域的整体创新能力。
为了区分独立研究能力和国际合作努力，表3提供了前10个最具生产力的国家的单一国家出版物(SCP)和多国出版物(MCP)的定量分析。这些指标揭示了不同地区之间明显不同的研究模式。中国在总产量上排名第一，以18.7%的MCP比率展示了高度的研究自给自足。类似地，美国和韩国保持着约21%的合作率，表明它们的研究成果主要由国内研究团队推动。相比之下，英国展示了更高的国际合作比率(38.5%)，突出了对跨境合作伙伴关系的战略依赖，以推进人工智能驱动的智能纺织品研究。在这些国家观察到的高MCP比率表明，国际合作在资源共享和技术整合方面发挥着至关重要的作用，这对于促进这一高度跨学科领域的创新至关重要。
表3按10大生产国分列的独立和合作研究分析
全尺寸桌子
为了进一步阐明这一研究领域的国际合作动态，使用了VOSviewer软件来分析和可视化国家合作网络，其结果拓扑如图。4。该网络展示了一个结构紧密的多中心协作模式，其中几个核心节点表现出高度的集中性。这些核心节点包括主要的研究贡献者，如中国、美国、英国、德国、新加坡和印度。作为出版物数量的领先国家，中国不仅在产量上占主导地位，而且在国际合作网络中显示出强大的连通性。中国与包括美国、新加坡、印度、沙特阿拉伯和孟加拉国在内的众多国家建立了特别稳固的合作关系。中美之间的学术交流尤为频繁和强劲，凸显了这两个国家在推进该领域方面的共同领导和推动作用。
图4
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
国家合作网络。作者创造了这个数字
美国在网络中也占据着重要的中心位置，与加拿大、法国、新加坡、英国和德国等国家保持着稳定的合作关系。值得注意的是，英国和德国是欧洲合作网络的支柱，占据着促进和推动其他欧洲国家(包括瑞典、芬兰、奥地利和土耳其)参与的中心位置。这种动态有效地加强了欧洲研究空间内的整体学术互动和知识转移。
总体而言，人工智能驱动的可穿戴智能纺织品研究建立了一个由发达国家主导的全球互联合作网络，其特点是多区域联系和新兴经济体的参与不断扩大。
有影响力的作者和机构
为了进一步阐明该领域内的学术贡献和合作结构，使用VOSviewer对作者和机构合作网络进行了系统分析(Yan & Zhiping，2023).这些网络的可视化，以及定量的学术贡献，在图1中提出。5.
图5
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
作者和机构协作网络以及高生产率的作者/机构分布。a作者协作网络图。b机构协作网络图。c按出版物产量排名的前10位作者。d出版物产量排名前10的机构。作者创造了这个数字
主要作者和机构之间的合作关系，以及他们各自的研究成果和在该领域的影响，如图。5。作者网络分析(图。5a)揭示了研究成果集中在一个多产贡献者的核心群体中。钟和梅农卡洛分别以9篇论文领先，其次是申张裕和，分别以7篇和6篇论文领先。其他著名作者，包括金俊勇、刘春泰、邵良、刘虎、李成国和戈拉米·莫森，各自发表了5至6篇论文。总的来说，这些作者代表了该领域学术产出的重要部分，并在塑造其研究方向方面表现出相当大的影响力。
作者合作网络(图5b)展示了多核、多集群结构，揭示了人工智能驱动的可穿戴智能纺织品领域内几个互联研究社区的形成。在这个网络中，钟占据着高度的中心位置，充当着最突出的核心节点。他的联系是广泛的，连接了多个不同的作者群，包括由金扬、江洋、董凯和吴兴领导的作者群。这种模式强调了他在学术组织、协调和跨领域研究的知识传播中的重要作用。总体而言，作者合作网络的主要特征是以这些核心的、有影响力的学者为中心的结构，形成协同发展的多个集群。这既包括由大型核心团队推动的广泛合作，也包括规模较小、联系紧密的合作研究小组的大量存在。
在机构层面，如图1所示。5中国科学院展现了压倒性的数量领导地位，发表了36篇论文，在产出量上远远超过其他机构。东华大学(24篇)和清华大学(19篇)紧随其后。其他机构包括佐治亚理工学院、西北工业大学和广西大学，各提交了15篇论文。
机构合作网络(图。5d)还展示了多中心和多集群的配置，标志着一个成熟的国际研究生态系统。在这一框架内，中国科学院是主要的合作枢纽，具有最大的节点规模和最高的链接密度，突出了其在研究生产力和合作范围方面的主导影响力。它与中国科学院大学、广西大学和西北工业大学等国内重点大学和研究机构保持着强有力的合作伙伴关系，在中国大陆建立了核心合作网络。此外，乔治亚理工学院、香港理工大学、曼彻斯特大学和伦敦帝国理工学院等机构的参与也体现了国际合作，这些机构与中国大陆的各种机构保持着直接或间接的合作。总体而言，机构合作网络呈现出以中国科学院为中心的清晰模式，其特点是广泛的国内外领先大学的积极参与，从而有效地促进了该领域内强劲的知识交流和全球创新资源的整合。值得注意的是，虽然大多数高产出机构是学术机构，但数据集也包括来自行业附属研究机构的贡献。例如，一些论文列出了与企业研究实体的关系，包括可穿戴电子领域的三星电子(韩国)和LG电子(韩国)，以及纺织行业的参与者，如VF Corporation(美国)和迪卡侬(法国)。尽管与行业相关的出版物在全部语料库中只占相对较小的比例(大约32%)，它们的出现标志着对人工智能驱动的可穿戴智能纺织品的转化开发的行业兴趣和早期企业参与日益增加。
研究知识库
共被引分析是揭示一个学术领域知识结构和研究热点的重要文献计量学方法(刘等，2015).通过分析参考文献之间的共引关系，可以识别该领域内的基础核心论文和关键研究主题，有效跟踪学科的发展轨迹，揭示新兴的研究趋势，并评估具体作品的学术影响。本研究利用CiteSpace软件构建了人工智能驱动的可穿戴智能纺织品研究领域的参考共引网络Fig。6。生成的网络提供了基础研究如何相互联系的可视化表示，从而促进了在这个快速发展的跨学科领域中对核心知识库、研究轨迹和新兴主题群的系统探索。
图6
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
参考文献共引。作者创造了这个数字
为了确定该领域的知识基础，表4总结了分析数据集中最常引用的前10个出版物。这些开创性的工作构成了当前人工智能驱动的可穿戴研究的“知识库”。其中，文章一种受生物启发的矿物水凝胶，作为可自我修复的、机械适应性强的离子皮肤，用于高灵敏度的压力传感，发表于新材料(2017)由雷代表了共引网络中的主要影响节点(雷等，2017).引用962次，这项研究的影响源于机械适应性离子皮肤传感器中使用的矿化水凝胶的开发。这些传感器具有出色的粘弹性和自修复特性，能够高保真地检测细微的机械刺激，从模拟的水滴撞击到复杂的人体运动模式。
表4最常被引用的10篇参考文献
全尺寸桌子
此外，文章可穿戴传感器的端到端设计，发表于自然评论材料(2022)被引用了833次，反映了它对系统架构的深远影响(Ates等人，2022).这项研究综合了非侵入式传感模式的发展轨迹，包括眼镜、手表和纺织品，证明了它们在新冠肺炎和帕金森病等疾病的早期检测中的效用。作者假设下一代可穿戴系统必须实现生物物理参数和生物化学生物标记的多模态、实时、连续检测，以成为变革性的诊断工具(Cai等人，2018;雷&吴，2018;马等，2020, 2022;欧等，2021;石等，2020;Thuruthel等人，2019;杨等，2017).
总体而言，该研究领域被引用最多的出版物集中在几个相互关联的主题上:柔性可穿戴传感材料和设备的开发，包括复合材料和仿生传感材料，可穿戴智能纺织品系统的集成设计，传感机制和信号转导的进展，多功能材料-设备集成，以及软机器人和人机智能感知架构的构建。
知识结构和聚类特征
关键词共现分析作为一种强有力的方法，用于阐明高频术语之间的关联关系，从而描绘研究领域的知识景观。为了全面阐明人工智能驱动的可穿戴智能纺织品的知识结构、研究和新兴热点，本研究利用VOSviewer(版本1.6.19)执行关键词共现网络分析(图。7).通过建立6的最小出现阈值，从2417个术语的基线中识别出113个高频关键词。在同义词合并和标准化之后，最终保留了96个关键词用于最终的网络构建(图。9).在该可视化中，每个节点代表一个关键字，节点大小与其出现频率成比例，而连接边代表同一出版物中的共现关系。应用基于VOSviewer模块性的聚类算法，高频关键词被分为五个不同的主题簇，每个主题簇用不同的颜色区分，并对应于该领域内一个连贯的主题研究流。
图7
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
关键词共现网络(每个节点代表一个高频关键词，节点之间的连接表示同一文档内关键词的共现关系。不同的颜色代表系统自动识别的关键字簇。节点的大小反映了关键词出现的频率，而节点之间的连接密度指示了它们与其他关键词共现的强度。).作者创造了这个数字
此外，表5提供前20个关键字的量化层次结构。值得注意的是，机器学习(频率:62;总链接强度:167)作为中央计算驱动器出现，而传感器(频率:52;总链路强度:195)表现出最高的总链路强度，加强了作为基础技术基础的传感技术。制造(频率:50;总链接强度:178)排名第三，凸显了先进制造工艺在实现功能性智能纺织品中的关键作用。
表5按频率排列的前20个关键词
全尺寸桌子
集群1:人工智能智能纺织系统和数据驱动的创新
这个集群从根本上由高频关键词定义，如“可穿戴传感器”、“智能纺织品”、“机器学习”、“深度学习”和“人工智能”，突出了核心，推动了人工智能算法在智能纺织品开发中的计算作用。当前的研究趋势揭示了从单传感器或设备级智能到系统级集成的范式转变，其中采用了先进的人工智能技术，如深度学习、模式识别和数据融合技术，以实现多模态生理信号的实时收集、自动识别和智能健康管理。值得注意的是，人工智能算法极大地增强了智能纺织系统的适应性、鲁棒性和决策能力，使个性化健康监测、人机交互和智能诊断等领域的下一代应用得以部署。尽管取得了这些进展，几个关键挑战依然存在。值得注意的是，算法的泛化能力、数据隐私和安全管理、多源异构数据的整合仍然是制约大规模部署和商业化的未解决瓶颈。解决这些技术和伦理问题将是该集群未来发展的核心。
集群2:高性能柔性传感材料和多功能集成平台
该集群的特点是专注于高性能材料，包括“石墨烯”、“压力传感器”、“制造”和“碳纳米管”，强调支撑灵活和多功能传感系统发展的材料基础和器件集成策略。最近的文献计量分析表明，石墨烯、碳纳米管、MXenes和导电聚合物等新兴纳米材料已成为下一代柔性传感器的重要组成部分。它们出色的导电性、机械弹性和可调界面特性显著提高了柔性传感器的灵敏度和稳定性。近年来，研究重点已经从控制单一材料的性质系统地扩展到解决异质多材料集成、界面工程和微纳结构设计的挑战。这一转变至关重要，因为它直接推动了灵活的可穿戴传感器平台的功能多样化和可靠性的必要增强。此外，这一集群反映了该行业从小规模实验室原型向旨在实现大面积、低成本和可扩展制造的研究的战略转变。这种以材料和制造为中心的努力为智能纺织品的工业化和广泛采用提供了坚实的、不可或缺的基础。
集群3:皮肤电子和仿生智能识别技术
这个集群的特征是“应变传感器”、“皮肤”、“手势识别”和“设计”等关键词，反映了仿生皮肤电子设备、动态应变传感和智能识别系统之间的加速融合。该领域的研究不仅优先考虑生物相容性和拉伸性等基本材料属性，还优先考虑人工智能算法的协同集成，以实现复杂运动和微妙生理信号的高保真识别。这一轨迹清楚地说明了从监测孤立的生理参数到复杂的多维运动捕捉和智能传感的演变。这一进步极大地扩展了智能纺织品在高影响力跨学科领域的应用潜力，如神经康复、高级辅助医疗保健和高度沉浸式虚拟现实系统。
集群4:自供电可穿戴电子设备和能源管理
该集群的特征是“可穿戴电子设备”、“摩擦电纳米发电机”、“性能”和“能量采集”等关键词，这些关键词共同反映了自供电可穿戴电子系统、能量转换机制和自主电源管理的前沿进展。新型能量收集设备，特别是摩擦电纳米发电机(TENGs)的集成，有效地解决了传统可穿戴设备电池寿命有限的长期瓶颈。这一创新至关重要，因为它推动了被动、持久智能纺织系统的发展。该集群内的同现分析突出了前沿创新的中心焦点:实现能量采集组件和嵌入式传感系统之间的高级协同、灵活兼容和智能调节。此外，在提高能量转换效率、改善环境适应性和实现大规模纺织品集成制造方面仍存在重大挑战。这些领域代表着关键的科学和工程障碍，需要未来的共同突破。
集群5:新型复合材料和功能器件的协同设计
这个集群由“聚合物”、“MXene”、“纳米复合材料”和“薄膜”等关键词定义，突出了新兴纳米材料和复合材料工程在推进智能纺织品功能方面的关键作用。共现分析表明，MXene基纳米复合材料已成为核心使能材料，这归因于其出色的导电性、可调的表面化学性质和优异的电磁干扰(EMI)屏蔽能力。这些特性使它们在可穿戴电子设备中的灵活传感、健康监控和多功能集成应用方面极具前景。最近的研究趋势已经从简单的材料合成过渡到包括多尺度结构控制、界面相互作用机制和机电耦合优化的综合设计范式。这些方法旨在提高设备的耐用性、灵敏度和环境适应性，从而加速高性能实验室原型向可扩展的现实应用的转化。此外，可持续发展的考虑已成为这一研究前沿越来越重要。现在的努力方向是开发生态友好的合成途径，使用绿色溶剂，并确保纳米复合材料基织物的报废可回收性。解决这些问题对于建立对环境负责的生产模式和实现人工智能驱动的可穿戴系统的可持续商业化至关重要。
主题演变与趋势分析
为了全面揭示人工智能驱动的可穿戴智能纺织品领域研究主题的演变轨迹和前沿动态，采用Bibliometrix可视化平台构建了“关键词时间分布热图”(图。8a)和“主题演变趋势图”(图。8b)。关键词时间分布热图使用年份作为横轴，核心关键词作为纵轴，提供了主要研究主题的时间演变和频率动态的直观和数据驱动的表示。与此同时，主题演变趋势图以气泡图的形式显示，整合了主题出现时间、研究活动持续时间和学术关注强度(由气泡大小表示)等关键参数。这使得随着时间的推移，主导研究主题的连续性、趋同性和替代性成为可能，从而捕捉到该领域内技术创新和跨学科整合之间的动态演变和相互作用。
图8
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
a关键词时间分布热图，b话题趋势演变可视化图。作者创造了这个数字
根据关键词时间分布热图，人工智能驱动的可穿戴智能纺织品领域的研究在过去二十年中经历了明显的渐进演变。在2008年至2014年期间，研究主要集中在基础主题上，如“纺织品”、“可穿戴技术”和“健康监测”。这些早期的研究工作强调材料创新、基本的可穿戴功能和生理监测，从而为后来该领域的扩展奠定了技术基础。2015年后，智能纺织品和传感器集成技术的持续突破推动了对“智能纺织品”、“可穿戴传感器”和“柔性电子产品”等主题的研究关注度大幅上升。这一时期标志着从基本材料和设备发展到灵活的电子系统和智能集成的过渡阶段，反映了该领域实现增强的适应性、响应性和多功能性的日益增长的雄心。2019年后，人工智能和数据分析技术的快速发展引发了研究重点的进一步范式转变。“机器学习”、“深度学习”、“人工智能”、“手势识别”和“电子皮肤”等关键词的高频出现表明人工智能与可穿戴系统的融合正在加深。这种转变强调了大数据驱动的人机交互、智能识别和实时健康感知的趋势，其中人工智能不仅是数据解释的工具，也是自适应、自主智能纺织平台的核心推动者。
根据趋势演变图，人工智能驱动的可穿戴智能纺织品研究的主题进展揭示了从基础技术探索到高级跨学科整合的明确过渡。在早期阶段，研究热点主要围绕核心技术和设备级创新的发展，以“制造”、“可穿戴传感器”和“应变传感器”等关键词为代表。自2019年以来，研究领域发生了显著变化，主题转向跨学科和交叉创新领域，如“人工智能”、“深度学习”、“机器学习”和“摩擦电纳米发电机”。这一转变强调了人工智能算法和自供电能源设备在重新定义可穿戴智能纺织品功能方面的关键作用，特别是在自主传感、预测分析和可持续能源管理方面。在最近一个阶段，新出现的高频主题如“界面”、“透明”、“电子皮肤”和“分类”展示了从以设备为中心的研究到系统级创新的转变。当前的研究越来越集中于界面工程、系统集成和智能识别，强调这些技术日益增长的复杂性和智能性。
为了进一步阐明人工智能驱动的可穿戴智能纺织品领域内研究主题的结构组成和战略定位，构建了一个二维主题战略地图进行分析(图。9).该地图使用主题发展(密度/凝聚力)和主题重要性(中心性/连接性)的维度作为坐标，从而将研究主题分为四个不同的象限:运动主题、基本主题、利基主题和新兴或衰落主题。这种可视化为制定发展战略和选择该领域的未来研究方向提供了清晰的定量参考。
图9
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
主题战略图。作者创造了这个数字
如图2所示。9，位于右上象限的运动主题由关键字表示，如“复合材料”和“电影”这些主题表现出高度的集中性和密度，表明不仅有成熟和有凝聚力的知识结构，而且与其他专题组有强有力的综合联系。这一定位强调了他们在推动技术创新和学科融合方面的关键作用，是该领域研究进步的核心引擎。相反，右下象限中的基本主题以“制造”、“性能”、“系统”和“传感器”等关键词为特征，显示出较高的中心性，但密度相对较低。这表明，这些主题虽然不是内部专门化的，但对更广泛的知识网络来说仍然是高度相关和基本的。它们是智能纺织系统中支持跨学科研究开发和技术集成的重要组成部分。
位于左上角象限的小众主题由“人工智能”、“进步”和“纳米粒子”等关键词表示。这些主题表现出高密度但适度的中心性。这些主题代表了前沿的创新方向，实现了强大的学术深度和主题成熟度。它们的低外部连通性表明，尽管内部研究社区发展良好，但这些主题尚未完全整合或与更广泛的学科景观建立普遍联系。相反，左下象限中的新兴或衰落主题，主要包括诸如“验证”、“机械属性”和“运动学”等主题，显示出低中心性和低密度。这种定位表明，这些主题要么代表仍处于概念和方法整合过程中的新兴研究领域，要么代表由于技术饱和或有限的实际应用而导致学术关注减弱的衰落领域。然而，必须认识到这个象限通常包含潜在的增长点。当得到技术进步、行业需求或跨学科整合的支持时，这些主题可以迅速演变并向电机或基本象限过渡，成为人工智能驱动的智能纺织品未来格局中的新战略支柱。
至关重要的是要注意到，这个左下方的象限往往孕育着潜在的新兴增长点。一旦重大技术突破或迫切的应用需求推动其进步，该领域内的主题可能会经历快速发展和转变，成为该领域新的增长极和研究前沿。
讨论
主要研究内容
人工智能驱动的可穿戴智能纺织品研究代表了一个高度跨学科的研究领域，整合了材料科学、电子工程、人工智能和人机交互的概念和方法(Cleary等人，2023;迪亚克&迪亚克，2025).鉴于研究视角和学科交叉的多样性，有必要构建一个全面和系统的知识框架，使研究人员能够快速理解该领域内的关键主题、发展轨迹和结构关系。这种框架有助于回顾过去的研究成果，澄清核心内容，并确定该领域的研究演变模式(图。10).
图10
此图像的替代文本可能是使用人工智能生成的。全尺寸图像
构建知识框架。作者创造了这个数字
基于文献计量分析结果，开发了一个四维知识框架来描述人工智能驱动的可穿戴智能纺织品的知识结构和发展轨迹。这个框架由四个部分组成:“知识库”、“知识联系”、“知识集中”和“知识进步”每个维度在描绘知识如何在整个领域中发展和扩散方面执行不同但相互关联的功能。知识库关注研究领域的基本特征，并回答问题:“研究问题领域受到了多少关注?”它总结了研究的出版趋势、核心期刊和学科分布，从而允许学者评估该领域的成熟度、研究生产率和主题方向。知识连接研究了研究团体的合作结构，提出了这样一个问题:“合作研究的现状如何?”可视化作者、机构和地区网络使研究人员能够识别有影响力的学者和战略合作伙伴，并理解跨地区合作如何有助于创新...
会员内容
来源：
