聚氨酯复合材料阻燃新策略：仿生与智能阻燃综述

康圆圆; 高尊; 崔洋洋; 吴舒婷; 辛菲

doi:10.7536/PC20251111

化学进展 ›› 2026, Vol. 38 ›› Issue (6) :1085-1092 DOI: 10.7536/PC20251111

综述与评论

扫码查看或转发全文

聚氨酯复合材料阻燃新策略：仿生与智能阻燃综述

康圆圆 ¹^,²^,³ ,
高尊 ¹^,²^,³ ,
崔洋洋 ¹^,²^,³ ,
吴舒婷 ¹^,²^,³ ,
辛菲 ¹^,²^,³^,^*

作者信息 +

New Strategies for Flame Retardancy in Polyurethane Composites：A Review of Biomimetic and Smart Flame Retardants

Yuanyuan Kang ¹^,²^,³ ,
Zun Gao ¹^,²^,³ ,
Yangyang Cui ¹^,²^,³ ,
Shuting Wu ¹^,²^,³ ,
Fei Xin ¹^,²^,³^,^*

Author information +

文章历史 +

摘要

聚氨酯（PU）作为一种不可或缺的高分子材料，已广泛应用于日常生活方方面面。然而，其易燃性（极限氧指数LOI < 20%）及燃烧时释放大量有毒烟雾的特性，极大地限制了其在智能穿戴、机器人皮肤等新兴领域的进一步应用。因此，突破传统阻燃策略的局限，已成为当前材料科学领域亟待解决的关键问题。本综述系统梳理了2021—2025年间该领域的突破性进展，重点阐述了以“仿生结构设计”与“智能响应机制”为核心的阻燃新范式。通过多尺度仿生（从宏观的形状仿生如向日葵、仙人掌，到微观的结构仿生如贝壳“砖-砂浆”层、荷叶超疏水表面），可有效解决阻燃性与力学性能之间的固有矛盾，同步赋予材料油水分离、太阳能融冰、水下抗菌等新功能。此外，本文提出了“智能主动防护”的新观点，自修复、火灾预警与形状记忆智能联动，形成一个从“感知”到“预警”到“行动”的闭环防护系统，引领阻燃技术从静态、被动防护向动态、主动适应跨越。然而，该前沿领域仍面临三大挑战：其一，环境适应性不足，多数自修复与形状记忆行为需在特定条件下触发；其二，精巧的仿生纳米结构给规模化、低成本制备带来巨大困难；其三，涂层与复合材料的长期循环稳定性与耐久性仍有待提升。针对这些挑战，未来应融合人工智能进行材料预先设计，将动物与植物的优势特征结合构建多级防御系统，并发展基于生物质的全生命周期绿色闭环，推动仿生智能阻燃聚氨酯实现与环境共生。

Abstract

Polyurethane（PU）is an indispensable polymer material widely used in daily life. However，its flammability（limiting oxygen index LOI < 20%）and release of toxic smoke during combustion restrict its application in emerging fields such as smart wearables and robotic skins. Therefore，overcoming the limitations of traditional flame-retardant strategies has become an urgent issue in materials science. This review systematically summarizes key advances from 2021 to 2025，focusing on new flame-retardant paradigms based on biomimetic structural design and intelligent response mechanisms. Multiscale biomimicry includes macro-shape mimicry，such as sunflowers and cacti，and micro-structural mimicry，such as nacre-like layering and lotus-leaf superhydrophobic surfaces. This approach effectively balances flame retardancy with mechanical properties and introduces additional functions like oil-water separation，solar ice melting，and underwater antibacterial performance. Furthermore，this paper presents the concept of intelligent active protection. Integrating self-healing，fire early warning，and shape memory creates a synergistic system that forms a closed-loop protection mechanism covering sensing，alerting，and action. This advances flame-retardant technology from static，passive defense toward dynamic，adaptive response. Nevertheless，this field still faces three major challenges. First，environmental adaptability is limited，as most self-healing and shape memory behaviors require specific activation conditions. Second，complex biomimetic nanostructures are difficult to fabricate on a large scale at low cost. Third，the long-term cyclic stability and durability of coatings and composites need improvement. To address these challenges，future work should integrate artificial intelligence for material pre-design，combine animal and plant features to build multi-level defense systems，and develop biomass-based green closed-loop solutions across the material life cycle. These efforts will promote the development of biomimetic intelligent flame-retardant polyurethanes that can coexist sustainably with the environment.

Contents

1 Introduction

2 Bionic flame retardant

2.1 Shape bionics

2.2 Structural bionics

2.3 Surface coating

3 Intelligent flame retardant

3.1 Self-healing

3.2 Fire warning

3.3 Shape memory

4 Conclusion and outlook

Graphical abstract

关键词

聚氨酯 / 仿生阻燃 / 结构仿生 / 智能阻燃

Key words

polyurethane / bionic flame retardancy / structural biomimicry / intelligent flame retardancy

引用本文

引用格式 ▾

康圆圆, 高尊, 崔洋洋, 吴舒婷, 辛菲. 聚氨酯复合材料阻燃新策略：仿生与智能阻燃综述[J]. 化学进展, 2026, 38(6): 1085-1092 DOI:10.7536/PC20251111

Yuanyuan Kang, Zun Gao, Yangyang Cui, Shuting Wu, Fei Xin. New Strategies for Flame Retardancy in Polyurethane Composites：A Review of Biomimetic and Smart Flame Retardants[J]. Progress in Chemistry, 2026, 38(6): 1085-1092 DOI:10.7536/PC20251111

登录浏览全文

4963

注册一个新账户忘记密码

1 引言

聚氨酯（PU）是由异氰酸酯和多元醇通过逐步聚合反应所得的多功能高分子材料，通过调节软段（多元醇）和硬段（异氰酸酯）的比例及合成工艺可调控链段结构，形成软泡、硬泡、热固性弹性体（不可熔化且极其耐用）、热塑性弹性体（可熔重塑且更具弹性）、涂料、黏合剂等多种形态，覆盖包括交通运输、建筑、家电、医疗、航空、铁路等几乎所有工业领域^[1]。然而，它的易燃性（极限氧指数LOI < 20%，属易燃材料）与其广泛的应用场景形成尖锐矛盾，且燃烧时会产生大量有毒烟雾（如氰化氢（HCN）、一氧化碳（CO）等），严重危害个体生命健康与自然环境^[2]。

传统阻燃改性主要依赖物理掺混阻燃剂，如无卤阻燃剂、反应型阻燃剂以及基团协同增效体系，虽能在一定程度上实现阻燃效果，但也带来新的挑战：高添加量导致材料力学性能下降^[3]；阻燃剂与基体界面相容性差，使阻燃剂随时间迁移析出^[4]；部分含卤阻燃剂在燃烧时释放有毒气体而对环境不友好^[5]。这些局限促使研究人员将目光转向兼具可持续性与多功能集成的新策略。

近些年来，仿生学与智能材料的发展为阻燃PU提供了新的结构灵感与设计思路：通过模仿自然界动植物形状与结构提高界面相容的生物策略实现阻燃效率及抑烟效果倍增；结合动态共价键（二硫键/硼酸酯键等）、刺激响应单元（光热/pH/热触发等）构建自适应的防护系统。纵览2021~2025年间取得的突破性进展，仿生智能阻燃体系可同步优化阻燃性能（LOI大幅提升）和机械强度（拉伸强度翻倍增长），同时赋予材料崭新性能，进一步扩大聚氨酯的应用范围至可穿戴电子设备^[6]、压电传感器^[7-8]、人造皮肤^[9]等新兴产业。本综述系统梳理了仿生结构设计与智能响应机制在阻燃PU中的优异表现，并前瞻了绿色智能制造趋势，为设计下一代高性能、多功能、智能化的阻燃聚氨酯材料提供理论依据。

2 仿生阻燃

仿生策略通过模拟自然界的结构优化阻燃机制，为解决PU阻燃性能与机械性能矛盾提供了新范式。根据仿生尺度差异，可分为宏观形状仿生、微观结构仿生及界面涂层仿生3类。

2.1 形状仿生

自然界中许多植物独特的拓扑结构（如向日葵放射状花瓣、绣球花层叠式展开、仙人掌针状叶子定向排列）给界面设计以启发：通过增大比表面积强化界面锚定，提升纳米填料在PU中的分散性与阻燃效果。受向日葵启发合成的Ce-4APD@BMC（Ce-4APD：稀土金属配位化合物；BMC：基础镁碳酸盐）^[10]，其放射状通道延长热解气体扩散路径，使热塑性聚氨酯（TPU）复合材料的总热释放量（THR）减少42.6%，总烟雾产生量（TSP）减少40.8%，二氧化碳（CO₂）和CO产生速率降低98.2%和52.0%。绣球花状层级结构可优化填料分散，如Ti₃C₂T_x MXene@FeNi等^[11-12]通过催化成炭使TSP降低16.1%~67.0%；硅烷偶联剂APTES修饰的BN@MOF-LDH（BN：氮化硼；LDH：层状双氢氧化物）^[13]通过金属氧化物和硅酸盐保护炭层使软质聚氨酯泡沫（FPUF）的THR和TSP降低15.8%和15.7%。模仿仙人掌针状叶片结构则可增强机械互锁效果。BP@MoS₂杂化物（BP：黑磷；MoS₂：二硫化钼）^[14]中垂直生长的MoS₂（类仙人掌刺）提高与水性聚氨酯（WPU）基体的接触力。添加2 wt%后，WPU/BP@MoS₂-2.0的TSP降低52.0%；拉伸强度和断裂强度提高57.7%和36.5%。这些形状仿生的增效机制集中在两个方面：一是在气相中捕获自由基；二是在凝聚相中催化成炭产生屏障作用。表1对上述提及的形状仿生策略的阻燃效果和增效机制进行了直观对比。

2.2 结构仿生

从宏观形状深入到微观结构，自然界同样提供了丰富的设计参考。荷叶超疏水现象、贝壳坚固柔韧、昆虫翅膀折射自然光线，均源自它们自身精巧的微纳米结构。宏观形态模仿仅知其表，微观结构的设计更能体现仿生学的精髓。

2.2.1 超疏水表面设计

自然界超疏水的代表之作即为荷叶，由此延伸出“荷叶效应”一词（图1）。受“荷叶效应”启发，可同步优化阻燃与疏水功能：多巴胺改性SiO₂/Fe₃O₄@PU海绵^[15]的pHRR为139.7 kW/m²，减少71.2%；THR为4.6 kJ/g，减少74.2%。水接触角（WCA）=151.3°（如图2a所示），油吸附量高达自重的33.63倍（10次循环稳定）。废弃的PU海绵同样可以进行超疏水表面设计，实现废物回收再利用^[16]。一步浸涂硅树脂/Fe₃O₄/EG（EG：膨胀石墨）的WCA = 156.2° ± 1.4°，水滑动角（WSA）= 8.0° ± 0.5°，轻油的吸附能力、分离效率和流量分别达到33.2 g/g和99.5%以及31，611 L/m/h。另外，pHRR为56.05 kW/m²，降低41.57%；THR为10.67 kJ/g，降低39.56%。“荷叶效应”还存在于某些动物身上（图1）。受到蚊子复眼结构的启发^[17]，ADP/SiO₂改性（ADP：二乙基亚磷酸铝盐）PU泡沫（图2b）的LOI = 21%，pHRR降低58.0%，THR降低44.6%。同时，残炭值从0.4%增加到23.5%。另外，二氯甲烷吸附率69 g/g（湍流条件适用）。其动态适应性源于仿复眼的多级孔隙结构对环境变化的响应。无论是静态的“荷叶效应”还是动态适应性的昆虫复眼结构，其本质都是通过构建微纳二级粗糙结构来截留空气，从而实现超疏水特性，并将其与阻燃性能进行巧妙结合。

2.2.2 层状增强结构

除了表面现象，生物体内部的微观结构同样值得借鉴。在显微镜下观察贝壳断面，会看到层状堆叠，这种“砖-砂浆”多层模型通过有序堆叠实现材料强韧化：MA@BP纳米片（MA：三聚氰胺）通过MA氢键重组增强界面结合^[18]，使TPU复合材料的pHRR降低至660.6 kW/m²，THR减少22.8%。而BNNS-CP/MP“砖-砂浆”体系（BNNS：六方氮化硼纳米片；CP：羟基乙基二膦酸铜盐；MP：美克胺羟基乙基二膦酸盐）^[19]使TPU复合薄膜的LOI = 30.2%（UL-94 V-0），pHRR和THR分别减少77.2%和80.6%，热导率9.12 W/m/K。若引入功能性更强的MXene纳米片，还会产生新的复合功效^[20]。静电自组装MXene@SnO₂纳米片（SnO₂：二氧化锡）降低TPU复合材料pHRR 50.5%及总烟产生率（SPR）33.1%，同时实现-20 ℃太阳能除冰时间40 s（纯PU为600 s）。植物中也存在类似的层状结构。TPU-MSSO纳米复合材料（M：MXene； SSO：锶羟基锡纳米棒）^[21]在拉伸过程中表现出叶脉启发的分层结构，使断裂伸长率和韧性提高55%和126%。且燃烧过程中有害热解产物显著减少，CO和CO₂生成分别降低96.04%和89.85%。还有受海棠果“刺-种子-树皮”结构启发^[22]，设计以乙烯二胺甲基磷酸铜盐为“刺”，功能化铝氧化物微球为“种子”的PU复合材料，拉伸强度提升354%，热导率达到2.51 W/m/K，LOI为29.1%（UL-94 V-0）。开发了在高功率CPU冷却材料中的应用。综上所述，层状增强结构的仿生设计核心在于通过有序堆叠或多级界面强化，实现力、热、阻燃的多功能协同。无论是贝壳的“砖-砂浆”模型、叶脉的层级支撑，还是海棠果的“刺-种子-树皮”结构，均体现了生物体在自然环境中的性能最大化策略，为PU复合材料的多功能集成提供了重要启示。

2.2.3 生物吸附效应

海洋生物为适应复杂多变的海水环境，经过亿万年进化形成集多种功能于一体的表皮结构，模仿这些结构有望赋能多功能集成：鲨鱼皮肤β-FeOOH涂层^[23]使FPUF的pHRR降低45.0%，烟密度降低69.1%，兼具抑菌性（图3a）；借鉴章鱼吸盘（图3b）设计了M@CN分层网络（M：MXene；CN：碳纳米管）^[24]，1D-2D分层结构使TPU复合材料拉伸强度和断裂伸长率分别增加79.5%和113.5%。此外，pHRR下降54.1%，CO和CO₂释放速率分别降低 62.7%和33.0%。

2.3 表面涂层

上述仿生策略多通过填料共混实现，然而物理掺混虽能带来阻燃及机械性能等的提升，但一方面，掺混会破坏PU基体的结构（特别是泡沫）；另一方面，混合过程会损伤仿生设计。通过界面工程实现改性的涂层技术发展突飞猛进，提供了一种互补且高效的解决方案。

2.3.1 层状屏障涂层

贝壳的“砖-砂浆”无机-有机交替层状结构也为高性能阻燃涂层设计提供了范本：明胶/THPS气凝胶^[25]（THPS：四羟甲基磷酸盐）大于100 μm厚度时LOI > 80%（纯FPUF ≈ 18%），压缩强度提升375%（图4a）；BP/SiO₂陶瓷鳞片^[26]使PU泡沫的pHRR和TSP分别降低50.3%和54.9%，LOI = 45%（图4b）。若以BN/玻璃粉杂化^[27]，则200 μm薄层使PU泡沫达到UL-94 V-0（LOI 35.8%）。这类屏障仿生策略的核心机制为：层状拓扑结构的存在，通过几何约束使得分子链缠结，进而增强燃烧时的炭层致密性，最终形成屏障作用。

2.3.2 超疏水界面涂层

层状屏障虽然提升耐火极限，但难防水分渗透侵蚀。而“荷叶效应”与沙漠甲虫微结构指导下的超疏水涂层通过气-液界面稳定（Cassie-Baxter态）实现多效防护。FPUF@MOF-LDH@HDTMS海绵^[28]通过原位生长微纳结构实现FPUF的超疏水改性，经过多次压缩，海绵仍具备WCA > 150°的特征。金属有机框架材料（如ZIF-8和UiO-66）因其独特结构也被用于提高PU海绵的油水选择性，但有机配体的可燃性限制其进一步应用。和纳米石墨片（NGPs）共同浸涂制得的PU-Cu（BDC）-NGPs海绵^[29]不仅具备优异的热稳定性、可回收性和机械稳定性，还能有效地进行油水分离。分离效率高达96%，且适配不同的pH环境条件。此类涂层的机理在于利用低表面能物质和粗糙结构共同构建稳定的空气层，实现防水、防油及阻燃的协同。

2.3.3 仿生黏附涂层

超疏水涂层在机械磨损下易失效，“仿生黏附界面”则通过化学键合与拓扑锁扣提升耐久性。HEA-VS共聚物（HEA：氢氧乙基丙烯酸酯；VS：乙烯磺酸钠）^[30]具有相分离微纳米结构，涂层处理后，PU获得UL-94 V-0级别（LOI 35.5%），pHRR减少87%，SPR减少71%，炭化率达80.3 wt%。丙烯酸与羟基乙基丙烯酸酯交替共聚物^[31]则在实现UL-94 V-0的同时兼具水介导自修复。以简易刷涂法制备的TA/PVA@BNNS涂层（TA：鞣酸；PVA：聚乙烯醇）^[32]使刚性聚氨酯泡沫（RPUF）的pHRR和峰值烟雾产生速率（PSPR）分别降低52.4%和53.4%。这类黏附仿生策略的核心是通过界面氢键和机械嵌锁等机制实现阻燃涂层对基体表面的强黏附，使火焰尽可能远离易燃的基体。

2.3.4 功能导向涂层

化学黏附解决界面耐久性后，仿生理念进一步引导开发出面向特定应用场景的功能化涂层，使材料应用范畴拓展至光热/声学领域。其中，昆虫复眼抗反射涂层PDMS@SiO₂改性石墨烯（PDMS：聚二甲基硅氧烷）^[33]降低光反射率20%，经涂层保护的PU复合材料-20 ℃除冰时间65 s（纯PU为600 s），pHRR也减少58%。模仿滴石核孔结构的 ZIF@DHPPC纳米材料^[34]通过声波涡耗散机制（acoustic vortex dissipation）降噪35 dB，同时使FPUF复合材料的CO和CO₂产生分别减少54.5%和21.4%。

3 智能阻燃

仿生涂层赋予了PU静态防护能力，而真实火灾是一个时刻动态演变的极端环境，对材料的“主动性”与“智能性”提出了新的要求。因此，需结合智能响应机制实现损伤实时补救或火灾提前预警，构成智能阻燃的核心。

3.1 自修复

自修复的出现除了可以更加动态灵活地应对火灾情况，更能延长材料的使用寿命。按触发机制可分为：（1）光热激活型：PDA@EG/PU涂层（PDA：聚多巴胺）^[35]近红外（NIR）照射3 min升温至82.9 ℃，触发二硫键重组实现93.79%韧性修复（10 min内），且可重复。光热修复体系虽响应快速，但依赖外部光源。而生物基动态键网络可通过分子热运动自主修复：NVP-x网络（x表示柚皮素与香草醛基二醇的不同摩尔比）^[36]通过动态酚-氨基甲酸酯键实现100 ℃修复40 min效率98.1%的效果，同时LOI = 28.9%（UL-94 V-1）。（2）动态键自发型：DBPA改性DPU（DBPA：超支化酚类化合物）^[37]通过多级氢键作用实现室温自修复（效率：71.2%，25 ℃/50% RH）。微量添加（0.6 wt%）使热释放速率（HRR）降低13%，THR减少18%，点燃时间（TTI）延长7 s（增加21%）。除了此类室温氢键重组自修复，硼酸酯键也可驱动自修复的发生。PEI/APP/GO涂层（PEI：聚乙烯亚胺；APP：聚磷酸铵；GO：氧化石墨烯）^[38]使FPUF样品实现湿度驱动自修复（50% RH下3天），同时抗压强度提高175%。该方法简易可行，但修复强度和时间通常受限。（3）热驱动型：基于香草醛的聚醇与己二异氰酸酯（HDI）三聚体反应，可获得具有动态二硫键和亚胺键的生物基聚氨酯网络^[39]。这种聚氨酯网络在800 ℃时的残炭值为23%，LOI值为30%（UL-94 V-0）。120 ℃下处理90 min，能够实现接近100%的自修复效率。表2展示了三种自修复机制的效率对比结果。

3.2 火灾预警

自修复功能虽能动态修复损伤，使材料具备“事后补救”能力，却无法主动规避火灾风险。理想的智能防护体系更需要“事前感知”，因此，需结合实时火灾预警系统，与后续形状记忆响应，形成“感知-预警-防护”闭环。采用浸涂法将A-CNTs（氨基碳纳米管）、HGM（氢氧化镁）、ADP（磷酸铵）涂层沉积在PU海绵骨架表面，并用聚二甲基硅氧烷（PDMS）进行改性，制得传感器CHAP-PU^[40]。遇火时涂层炭化致电阻骤降，2 s触发声光报警。不过单一结构无法持续太久，于是采用植酸（PA）、阻燃共聚物（PVH）、GO、CNTs和BN，构建三层“夹心”阻燃涂层^[41]。经过涂层处理的PU泡沫LOI = 58.0%，pHRR、TSR和峰值一氧化碳生成率（PCOP）分别降低49%、41%和67%。在高温下8 s快速响应，且能持续预警。“夹心”涂层虽预警快速，但工艺复杂。而一步浸渍法制备的FGO/CNT@PUS泡沫（FGO：功能化氧化石墨烯；CNT：壳聚糖化碳纳米管）^[42]火焰报警时间压缩至1 s，在500 ℃高温下2 s报警，持续2640 s。同时，HRR减少63.2%。上述预警方式均需外置警报，不够直观。GEL-CR-BA-M 气凝胶涂层^[43]应用于FPUF时，LOI > 70%（UL-94 V-0），THR减少90%，TSR减少70%。酚红-硼酸络合物超过100 ℃变红，具有可逆特性。若与颜色识别系统结合，可实现远程智能早期火灾预警。不同的预警体系均可将响应时间控制在10 s以内，但仍存在警报时间和稳定性等方面的不足。BFPU系统^[44]借助生物石墨烯传感器实现5.3 s响应加3600 s超长持续警报，同时维持LOI = 46.5%（UL-94 V-0）。这些研究揭示了火灾预警响应的关键是在于构建一个在高温冲击下能发生急剧且稳定电学或光学性质变化的敏感导电网络，实现智能感知。图5对火灾预警电路机制进行了简单示意。

3.3 形状记忆

预警系统的灵敏响应仅是智能防护的其中一环，形状记忆功能将协助完成预警驱动下的主动防护。具体来说，形状记忆可以满足：（1）形变精度控制。将阻燃基团共价连接到PU弹性体的网络中^[45]，具备动态硼酸酯键的PU-DP弹性体断裂伸长率可恢复83.6%（130 ℃），同时实现UL-94 V-0级别。（2）阻燃剂定向迁移。将聚己内酯二醇（PCL-diol）和三羟基膦氧化物（THPO）嵌入PU主链中^[46]，THPO的存在增强了弹性体内部的交联网络密度，使抗拉强度和韧性分别提高450%和117%。30 ℃~40 ℃之间的玻璃转变温度（T_g）使材料在加热后可以恢复到预设形状。若额外加入阻燃剂，软段恢复时的运动可以驱动阻燃剂向表面定向富集。（3）匹配预警时间。通过简单的电纺丝和真空过滤工艺可制得一种由形状记忆热塑性聚氨酯（SMPU）和MXene组成的SMPU/MXene纸^[47]。这种纸在环境温度超过玻璃化转变温度时的几秒内发生形状恢复，实现电路联通警报功能。此外，pHRR和THR分别降低66.0%和49.8%。满足以上要求的形状记忆材料通过玻璃化转变将温度信号转化为机械形变，实现与火灾预警的功能性互补，是构建未来智能防火系统的关键一步。

4 结论与展望

聚氨酯阻燃技术通过仿生结构设计与智能响应融合，实现了从“被动阻燃”到“主动阻燃”的跨越式发展：从基础模仿到结构设计，进而界面覆盖。以多尺度仿生使聚氨酯复合材料从易燃材料转变为难燃材料，除了在机械性能上有所提升，还开拓了包括油水分离、水下抗菌、建筑吸音、太阳能融冰等多效集成功能。智能材料的发展更为聚氨酯的阻燃带来机遇，自修复的引入增强“感知”能力，火灾预警结构的设计提供“感知”信号，形状记忆负责信号转化与完善防护，若三者联动形成完整链条，将会使聚氨酯阻燃技术更上一层楼。

尽管成果显著，但从实验室至产业化之间还有很长的路要走。面临的挑战主要包括：（1）环境适应性不完善。很多自修复与形状记忆需特定温度、湿度或外加刺激条件实现，对自然极端环境的适用性暂未可知。（2）规模化制备挑战。精巧的仿生纳米结构（如多级粗糙表面、有序层状堆叠）所需工艺复杂，难以实现低成本、大规模稳定生产。（3）长期耐久性不足。涂层研发旨在延长材料寿命，但多次热循环、机械磨损及环境老化后少有涂层能保持优异性能，如何抑制衰减也是要考虑的问题之一。

未来打破上述困境时可以考虑以下几个方面：（1）多元仿生融合智能设计：单一的结构仿生能提供的性能增效有限，可考虑将动物特征（如鳞片状防护、吸盘吸附）与植物特征（如叶片蒸腾作用、向光性）结合，构造双防体系。同时，借助人工智能定制结构，提前预测并优化设计，与机器人皮肤、5G 电磁屏蔽等新兴领域接轨。（2）发展绿色可持续技术：以仿生和智能为落脚点的材料设计可与生物学前沿衔接，开发基于生物质原料的阻燃剂与基体，并设计材料在使用后可生物降解的路径，形成合成、阻燃、应用、回收的全生物态绿色闭环。（3）提升实际环境应用性能：未来研究需更关注材料在实际服役环境下的性能评价，构建更具环境耐受性、更长使用寿命和更易维护的复合材料体系。最终，通过跨学科协同创新，使仿生智能阻燃聚氨酯复合材料能自我感知、动态调整，并与环境和谐共生。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Amini Jahromi S, Farahavar G, Nasiri Zarandi M, Tamaddon A M. J. Ind. Eng. Chem., 2024, 130: 73.

[2]	Dong H H, Li S J, Jia Z X, Luo Y F, Chen Y J, Jiang J, Ji S. Polymers, 2024, 16(22): 3182.

[3]	Pan G F, Wang Z, Kong D Q, Sun T W, Zhai H, Tian T, Wang Y F, Xing R G, Zhang B W. J. Appl. Polym. Sci., 2022, 139(6): 51598.

[4]	Qi P, Li Y C, Sun J, Wang X G, Wang K H, Meng D, Gu X Y, Li H F, Zhang S. Compos. Part B Eng., 2022, 247: 110262.

[5]	Jeong S H, Heo J H, Lee J W, Kim M J, Park C H, Lee J H. ACS Appl. Mater. Interfaces, 2021, 13(19): 22935.

[6]	Yan K, Wang J, Zong Y, Xu Q N. Chem. Eng. J., 2024, 489: 151315.

[7]	Tang S, Han J H, Xia Y H, Yu Y Y, Li Z M, Wu F, Xie Y H, Xie D L, Huang H, Feng D. Ind. Eng. Chem. Res., 2024, 63(19): 8673.

[8]	Sun Y, Liu K, Bu F, Meng R J, Xie G Q, Guo K, Cao A D, Tu L X. Sens. Actuat. A Phys., 2024, 375: 115524.

[9]	Chen Y A, Lai R H, Lin W C, Huang H Y, Chen S J, Yeh C M, Huang H L, Elsenety M M, Hu C C, Yu C H, Chou H H. ACS Appl. Polym. Mater., 2024, 6(12): 6976.

[10]	Xu J Y, Yu F H, Cheng Z F, Song Z M, Fang J, Li H, Wang B B, Song L, Hu Y. Polym. Degrad. Stab., 2025, 233: 111173.

[11]	Jia P F, He R F, Song L, Wang B B, Hu Y. Appl. Mater. Today, 2023, 32: 101803.

[12]	Zhou Y F, Chu F K, Ding L L, Yang W H, Zhang S H, Xu Z M, Qiu S L, Hu W Z. Chemosphere, 2022, 297: 134134.

[13]	Zhou Y F, Qiu S L, Chu F K, Yang W H, Qiu Y, Qian L J, Hu W Z, Song L. J. Colloid Interface Sci., 2022, 609: 794.

[14]	He L X, Chu F K, Zhou X, Song L, Hu Y. Polym. Degrad. Stab., 2022, 202: 110027.

[15]	Hu C, Xue T D, Ma R L, Chai B, Zhang S Y, Wei Q H, Wang M Y, Jiang Q R, Mei Y J. J. Environ. Chem. Eng., 2025, 13(3): 116230.

[16]	Han Z S, Lv X M, Li Y G, Gao M H, Tang Z L, Su X Y, Zhang Z Y, Li H D, He J, Zheng Z H, Liu Y. J. Mol. Liq., 2024, 409: 125430.

[17]	Xu Z, Chu F, Jiang S, Hu Y, Song L, Hu W. Mater. Today Chem., 2022, 26: 101127.

[18]	Cai W, Xing W Y, Cui T Y, Wang J L, Lin B C, Li Z X, Qi L Y, Hu X, Ming Y, Xiao P, Bian F L, Fei B, Hu Y. Compos. Part A Appl. Sci. Manuf., 2024, 178: 108006.

[19]	Wang Y B, Pan K C, Fan Y, Fu Y F, Tu J Y, Zhao W Q, Guo W J, Liu Z F, Qiu J. Chem. Eng. J., 2024, 490: 151619.

[20]	Cai W, Li Z X, Cui T Y, Feng X M, Song L, Hu Y, Wang X. Compos. Part B Eng., 2022, 244: 110204.

[21]	Lu J Y, Jia P F, Liao C, Xu Z M, Chu F K, Zhou M T, Yu B, Wang B B, Song L. Compos. Part B Eng., 2022, 228: 109425.

[22]	Wang Y B, Fan Y, Pan K C, Liu Z F, Zhao W Q, Zhou X, Qiu J. Small, 2025, 21(5): 2405971.

[23]	Meng D, Wang K H, Wang W J, Sun J, Wang H Q, Gu X Y, Zhang S. Chemosphere, 2023, 312: 137060.

[24]	Jia P F, Lu J Y, He R F, Jiang G Y, Jiang X, Wang B B, Song L, Hu Y. Chem. Eng. J., 2022, 450: 138184.

[25]	Yang Y Q, Wang S Z, Wang S Q, Wang C, Jiao Y H, Liu H M, Ma H Y. Prog. Org. Coat., 2024, 196: 108702.

[26]	Qiu S L, Su F H, Zhou Y F, Li Y T, Wang X, Zhang L B. Chem. Eng. J., 2024, 499: 156137.

[27]	Ma Z W, Zhang J Z, Maluk C, Yu Y M, Seraji S M, Yu B, Wang H, Song P G. Matter, 2022, 5(3): 911.

[28]	Piao J X, Lu M J, Ren J Y, Wang Y F, Feng T T, Wang Y X, Jiao C M, Chen X L, Kuang S P. J. Hazard. Mater., 2023, 444: 130398.

[29]	Habibi N, Faraji S, Pourjavadi A. Colloids Surf. A Physicochem. Eng. Aspects, 2023, 676: 132186.

[30]	Ma Z W, Liu X C, Xu X D, Liu L, Yu B, Maluk C, Huang G B, Wang H, Song P G. ACS Nano, 2021, 15(7): 11667.

[31]	He H F, Liu L, Liu X H, Ding H L, Wang C S, Zhang W, Lei Y, Wang L C, Yu B. Chem. Eng. J., 2025, 519: 165179.

[32]	Huang J, Yang L T, Wang W, Yu B, Cao C F, Bi Z Y, Wang J, Shen J, Song L. Prog. Org. Coat., 2024, 186: 107995.

[33]	Cui T Y, Zheng Y P, Hu M D, Lin B C, Wang J W, Cai W, Fei B, Zhu J X, Hu Y. Small, 2024, 20(35): 2312083.

[34]	Wang H, Wang Y J, Li T Y, Yu C, Lin P, Liu J P, Lan Y X, Pan Y T. Adv. Funct. Mater., 2025, 35(25): 2500800.

[35]	Cui Y Y, Zhang M Y, Li X, Guo L J, Cai Y K, Li H J, Wu Y C. Polym. Degrad. Stab., 2025, 240: 111499.

[36]	Hu C Y, Liu F Q, Luo Z Y, Yi Q Q, Zeng Y N, Chen Y H, Wang C Y. Prog. Org. Coat., 2024, 187: 108191.

[37]	Li J L, Song Y H, Song G J, Li Z W, Li Z J, Yang X R, Li X R. Chem. Eng. J., 2024, 498: 155628.

[38]	Meng D, Liu X D, Wang S H, Sun J, Li H F, Wang Z W, Gu X Y, Zhang S. Compos. Part B Eng., 2021, 219: 108886.

[39]	Hu C Y, Li J W, Pan X J, Zeng Y N. Ind. Crops Prod., 2023, 200: 116828.

[40]	Qu M N, Dong Y R, Liu Q H, Wang Y Q, Feng P, Zhang Y, Deng Y, Zhang R Z, Sun C L, He J M. ACS Appl. Mater. Interfaces, 2025, 17(1): 2105.

[41]	Ma Z W, Zhang J Z, Liu L, Zheng H, Dai J F, Tang L C, Song P G. Compos. Commun., 2022, 29: 101046.

[42]	Chen Z, Chen W H, Liu P J, Liu Y, Liu Z X. Compos. Part A Appl. Sci. Manuf., 2021, 150: 106598.

[43]	Sun S J, Li T T, Yan G L, Jiao Y H, Xu J Z, Ma H Y. Chem. Eng. J., 2025, 518: 164618.

[44]	Yang X M, Gao S L, Xiao X Q, Lv J X, Wang Q T, Gohs U, Harre K, Xiao D. Constr. Build. Mater., 2025, 482: 141530.

[45]	Zhang T T, Huo S Q, Ye G F, Wang C, Zhang Q, Xue Y J, Song P G, Wang H, Liu Z T. Polym. Degrad. Stab., 2024, 230: 111047.

[46]	Xing W Y, Xi J C, Qi L Y, Hai Z B, Cai W, Zhang W J, Wang B Y, Chen L, Hu Y. Compos. Part A Appl. Sci. Manuf., 2023, 169: 107512.

[47]	Zhang L, Huang Y B, Dong H R, Xu R Z, Jiang S H. Compos. Part B Eng., 2021, 223: 109149.

[1]	Amini Jahromi S, Farahavar G, Nasiri Zarandi M, Tamaddon A M. J. Ind. Eng. Chem., 2024, 130: 73.
[2]	Dong H H, Li S J, Jia Z X, Luo Y F, Chen Y J, Jiang J, Ji S. Polymers, 2024, 16(22): 3182.
[3]	Pan G F, Wang Z, Kong D Q, Sun T W, Zhai H, Tian T, Wang Y F, Xing R G, Zhang B W. J. Appl. Polym. Sci., 2022, 139(6): 51598.
[4]	Qi P, Li Y C, Sun J, Wang X G, Wang K H, Meng D, Gu X Y, Li H F, Zhang S. Compos. Part B Eng., 2022, 247: 110262.
[5]	Jeong S H, Heo J H, Lee J W, Kim M J, Park C H, Lee J H. ACS Appl. Mater. Interfaces, 2021, 13(19): 22935.
[6]	Yan K, Wang J, Zong Y, Xu Q N. Chem. Eng. J., 2024, 489: 151315.
[7]	Tang S, Han J H, Xia Y H, Yu Y Y, Li Z M, Wu F, Xie Y H, Xie D L, Huang H, Feng D. Ind. Eng. Chem. Res., 2024, 63(19): 8673.
[8]	Sun Y, Liu K, Bu F, Meng R J, Xie G Q, Guo K, Cao A D, Tu L X. Sens. Actuat. A Phys., 2024, 375: 115524.
[9]	Chen Y A, Lai R H, Lin W C, Huang H Y, Chen S J, Yeh C M, Huang H L, Elsenety M M, Hu C C, Yu C H, Chou H H. ACS Appl. Polym. Mater., 2024, 6(12): 6976.
[10]	Xu J Y, Yu F H, Cheng Z F, Song Z M, Fang J, Li H, Wang B B, Song L, Hu Y. Polym. Degrad. Stab., 2025, 233: 111173.
[11]	Jia P F, He R F, Song L, Wang B B, Hu Y. Appl. Mater. Today, 2023, 32: 101803.
[12]	Zhou Y F, Chu F K, Ding L L, Yang W H, Zhang S H, Xu Z M, Qiu S L, Hu W Z. Chemosphere, 2022, 297: 134134.
[13]	Zhou Y F, Qiu S L, Chu F K, Yang W H, Qiu Y, Qian L J, Hu W Z, Song L. J. Colloid Interface Sci., 2022, 609: 794.
[14]	He L X, Chu F K, Zhou X, Song L, Hu Y. Polym. Degrad. Stab., 2022, 202: 110027.
[15]	Hu C, Xue T D, Ma R L, Chai B, Zhang S Y, Wei Q H, Wang M Y, Jiang Q R, Mei Y J. J. Environ. Chem. Eng., 2025, 13(3): 116230.
[16]	Han Z S, Lv X M, Li Y G, Gao M H, Tang Z L, Su X Y, Zhang Z Y, Li H D, He J, Zheng Z H, Liu Y. J. Mol. Liq., 2024, 409: 125430.
[17]	Xu Z, Chu F, Jiang S, Hu Y, Song L, Hu W. Mater. Today Chem., 2022, 26: 101127.
[18]	Cai W, Xing W Y, Cui T Y, Wang J L, Lin B C, Li Z X, Qi L Y, Hu X, Ming Y, Xiao P, Bian F L, Fei B, Hu Y. Compos. Part A Appl. Sci. Manuf., 2024, 178: 108006.
[19]	Wang Y B, Pan K C, Fan Y, Fu Y F, Tu J Y, Zhao W Q, Guo W J, Liu Z F, Qiu J. Chem. Eng. J., 2024, 490: 151619.
[20]	Cai W, Li Z X, Cui T Y, Feng X M, Song L, Hu Y, Wang X. Compos. Part B Eng., 2022, 244: 110204.
[21]	Lu J Y, Jia P F, Liao C, Xu Z M, Chu F K, Zhou M T, Yu B, Wang B B, Song L. Compos. Part B Eng., 2022, 228: 109425.
[22]	Wang Y B, Fan Y, Pan K C, Liu Z F, Zhao W Q, Zhou X, Qiu J. Small, 2025, 21(5): 2405971.
[23]	Meng D, Wang K H, Wang W J, Sun J, Wang H Q, Gu X Y, Zhang S. Chemosphere, 2023, 312: 137060.
[24]	Jia P F, Lu J Y, He R F, Jiang G Y, Jiang X, Wang B B, Song L, Hu Y. Chem. Eng. J., 2022, 450: 138184.
[25]	Yang Y Q, Wang S Z, Wang S Q, Wang C, Jiao Y H, Liu H M, Ma H Y. Prog. Org. Coat., 2024, 196: 108702.
[26]	Qiu S L, Su F H, Zhou Y F, Li Y T, Wang X, Zhang L B. Chem. Eng. J., 2024, 499: 156137.
[27]	Ma Z W, Zhang J Z, Maluk C, Yu Y M, Seraji S M, Yu B, Wang H, Song P G. Matter, 2022, 5(3): 911.
[28]	Piao J X, Lu M J, Ren J Y, Wang Y F, Feng T T, Wang Y X, Jiao C M, Chen X L, Kuang S P. J. Hazard. Mater., 2023, 444: 130398.
[29]	Habibi N, Faraji S, Pourjavadi A. Colloids Surf. A Physicochem. Eng. Aspects, 2023, 676: 132186.
[30]	Ma Z W, Liu X C, Xu X D, Liu L, Yu B, Maluk C, Huang G B, Wang H, Song P G. ACS Nano, 2021, 15(7): 11667.
[31]	He H F, Liu L, Liu X H, Ding H L, Wang C S, Zhang W, Lei Y, Wang L C, Yu B. Chem. Eng. J., 2025, 519: 165179.
[32]	Huang J, Yang L T, Wang W, Yu B, Cao C F, Bi Z Y, Wang J, Shen J, Song L. Prog. Org. Coat., 2024, 186: 107995.
[33]	Cui T Y, Zheng Y P, Hu M D, Lin B C, Wang J W, Cai W, Fei B, Zhu J X, Hu Y. Small, 2024, 20(35): 2312083.
[34]	Wang H, Wang Y J, Li T Y, Yu C, Lin P, Liu J P, Lan Y X, Pan Y T. Adv. Funct. Mater., 2025, 35(25): 2500800.
[35]	Cui Y Y, Zhang M Y, Li X, Guo L J, Cai Y K, Li H J, Wu Y C. Polym. Degrad. Stab., 2025, 240: 111499.
[36]	Hu C Y, Liu F Q, Luo Z Y, Yi Q Q, Zeng Y N, Chen Y H, Wang C Y. Prog. Org. Coat., 2024, 187: 108191.
[37]	Li J L, Song Y H, Song G J, Li Z W, Li Z J, Yang X R, Li X R. Chem. Eng. J., 2024, 498: 155628.
[38]	Meng D, Liu X D, Wang S H, Sun J, Li H F, Wang Z W, Gu X Y, Zhang S. Compos. Part B Eng., 2021, 219: 108886.
[39]	Hu C Y, Li J W, Pan X J, Zeng Y N. Ind. Crops Prod., 2023, 200: 116828.
[40]	Qu M N, Dong Y R, Liu Q H, Wang Y Q, Feng P, Zhang Y, Deng Y, Zhang R Z, Sun C L, He J M. ACS Appl. Mater. Interfaces, 2025, 17(1): 2105.
[41]	Ma Z W, Zhang J Z, Liu L, Zheng H, Dai J F, Tang L C, Song P G. Compos. Commun., 2022, 29: 101046.
[42]	Chen Z, Chen W H, Liu P J, Liu Y, Liu Z X. Compos. Part A Appl. Sci. Manuf., 2021, 150: 106598.
[43]	Sun S J, Li T T, Yan G L, Jiao Y H, Xu J Z, Ma H Y. Chem. Eng. J., 2025, 518: 164618.
[44]	Yang X M, Gao S L, Xiao X Q, Lv J X, Wang Q T, Gohs U, Harre K, Xiao D. Constr. Build. Mater., 2025, 482: 141530.
[45]	Zhang T T, Huo S Q, Ye G F, Wang C, Zhang Q, Xue Y J, Song P G, Wang H, Liu Z T. Polym. Degrad. Stab., 2024, 230: 111047.
[46]	Xing W Y, Xi J C, Qi L Y, Hai Z B, Cai W, Zhang W J, Wang B Y, Chen L, Hu Y. Compos. Part A Appl. Sci. Manuf., 2023, 169: 107512.
[47]	Zhang L, Huang Y B, Dong H R, Xu R Z, Jiang S H. Compos. Part B Eng., 2021, 223: 109149.

基金资助

国家自然科学基金项目(52173213)

PDF (3660KB)

131

访问

被引

详细

导航

Received	Published	Revised
2025-11-11	2026-06-24	2025-12-30
Online Date
2026-04-15

摘要