深度学习增强的高精度风场同时摩擦电传感技术

《Advanced Materials》：Deep Learning-Enhanced High-Precision Wind Field Concurrent Triboelectric Sensing

可靠且实时的风场感知对环境监测和分布式气象预报至关重要，但传统方案存在结构复杂和恶劣环境适应性差的问题。本文提出一种磁涡旋摩擦电传感系统（MVTS），结合涡流诱导振动结构和磁增强弹性元件，将风致振荡转化为电信号，并通过双通道频率差机制实现全360度风向解码。通过FEP、尼龙和兔毛等材料优化提升环境韧性和长期信号稳定性。构建的回归Transformer（ReT）模型可从多通道摩擦电信号中提取时频域特征，实现风速和风向的高精度预测。室内实验验证最大风速误差0.69m/s，预测误差稳定低于5%，风向误差小于1度。低温（-28℃）和风沙环境测试显示系统具备优异的环境适应性和可靠性。

　　

摘要

可靠且实时的风场感知对于环境监测和分布式气象预报至关重要。然而，传统解决方案往往存在结构复杂且适应恶劣环境能力较差的问题。在这项研究中，通过将摩擦电纳米发电机（TENG）与涡流诱导振动（VIV）结构以及磁性增强弹性元件相结合，开发了一种磁涡摩擦电传感系统（MVTS）。该系统能够将风引起的振动转换为电信号，并通过双通道频率差分机制实现360°风向的精确解码。采用FEP材料、尼龙以及兔毛制成的静电补偿装置对系统进行了材料层面的优化，从而提高了其对环境的适应性和信号的长期稳定性。构建了一个深度学习模型——回归变换器（ReT），该模型可以从多通道TENG信号中提取时域和频域特征，从而实现对风速和风向的高精度预测。室内控制实验表明，该系统的最大风速误差为0.69 m/s，预测误差始终低于5%，风向误差在1°以内。在-28°C的低温条件以及风沙环境中进行的额外验证进一步证明了该系统的稳健运行能力和强大的环境适应性。这项研究为数据稀缺、基础设施有限以及极端户外环境下的自主风场监测提供了一种具有韧性、智能性且高度集成的解决方案。

利益冲突

作者声明没有利益冲突。