快速发展的IoTs和传感器技术使得安全管理变得越来越便捷化、智能化,实时的安全监测能够保证人员在工作时得到更好的保护。多功能的可穿戴个人防护设备因其便携性和保护性成为新一代安全监测设备。但是传统可穿戴防护设备装配的传感器过于依赖电池供电,巨大的能耗和复杂的线路连接限制了其进一步发展。自供电的NG传感器提供了一条解决能耗的绝佳思路,但是其易燃性限制了在高温场景下的应用。因此,本文基于新一代可穿戴防护设备的低能耗、便携性和阻燃耐热要求,采用摩擦纳米发电机自供电的方法,设计制备出有一定耐热阻燃的柔性摩擦电正负极材料,同时通过结构设计组装出两种类型的传感器,一种装配在上肢用于感受手势信号,一种内置在鞋内用于探测人体步态。研究所制备的传感器防火、耐热和输出等与结构、材料之间的关系,利用机器学习对传感数据进行分类。主要工作如下:（1）利用简单的组件构建了能以固定频率、恒定力大小进行拍打的摩擦电输出性能测试平台。从选取合适的摩擦电正负极材料出发,综合研究其阻燃、耐热和摩擦发电性能。考虑到柔性电极的需要,引入MXenes二维纳米材料,制备出无需额外导电添加剂和有机改性剂的水性油墨。研究发现,具有阻燃耐热特性的硅酸铝纤维、芳纶纤维制品都可以作为摩擦电正极,其中有着良好力学性能且容易涂敷油墨电极的芳纶纤维被选为本工作的摩擦电正极材料。此外,相比较于市场上静电处理后的聚四氟乙烯纤维制品,硅胶薄膜因其更高的摩擦电输出和形状自定义能力被选为本工作的摩擦电负极材料。（2）考虑到本工作只有芳纶摩擦电正极涂敷导电电极,结合经典的摩擦电原理分析出本工作属于黏附电极接触分离模型的变体。随后基于该原理制备了两种不同类型的传感器,一种能够感受较大的形变（E-TENG）而另一种能够识别压力分布（G-TENG）。具体而言,将E-TENG装配到胳膊上,随着胳膊弯曲程度增加其输出电压上升。研究发现了G-TENG的最小分辨率为间距1cm（阵列电极边长为1cm）,并通过分析不同电极电压之比显示了G-TENG在点接触上良好的探测能力。在引入机器学习后根据不同电极电压的特征建立了分类模型,识别率100%。（3）根据可穿戴防护设备的要求,本传感器主要识别动作部位为胳膊和脚底,主要识别动作为应急手势和不同的步态。两个E-TENG被装配到消防服胳膊上,利用不同电极的不同响应去识别应急手势（静止通行,向右转,向左转）。G-TENG被内置到鞋内,利用机器学习对其数据进行分类,划分类别为跑步,走路,左脚跳,右脚跳,双脚跳,上楼梯,下楼梯,下坡,上坡。此外,根据数据采集需求,设计了多通道数据采集系统。