基于物联网（IoT）和WCIP（Wireless Channel Interference Prediction）的建模技术，结合机器学习算法对太赫兹（THz）氢传感器进行优化，以实现绿色氢能的监测

《IEEE Transactions on Plasma Science》：IoT-Integrated WCIP-Based Modeling and Machine Learning Optimization of a THz Hydrogen Sensor for Green Hydrogen Monitoring

　　

摘要：

本文介绍了一种高灵敏度的太赫兹（THz）氢气智能传感器，该传感器基于三个横向级联的螺旋谐振器，并分别涂覆了石墨烯（Graphene）、黑磷（Black Phosphorus, BP）和二氧化钒（Vanadium Dioxide, VO2）。通过扩展波概念迭代过程（Extended Wave Concept Iterative Process, WCIP）对电磁行为进行了严格建模，从而无需使用体积网格化即可高效地对可调谐的二维材料进行全波特性分析。氢气的检测是通过折射率变化引起的共振频率变化来实现的，这种变化可以检测到从微量ppm级别到低于爆炸下限（Lower Explosive Limit, LEL）范围内的浓度变化。优化后的传感器架构灵敏度范围为8.4至9.03 THz/RIU，同时保持了较高的品质因数和清晰的光谱特征。为了实现快速参数探索，开发了一种梯度提升回归器（Gradient Boosting Regressor, GBR）替代模型，用于捕捉材料导电性与传感性能之间的非线性耦合关系，该模型表现出很强的预测准确性（R2>0.996）。这种智能传感器设计用于与物联网（Internet of Things, IoT）框架无缝集成，实现实时数据采集、智能处理以及在先进工业环境中的可扩展部署。该智能传感平台支持实时氢气监测、氢气储存安全以及氢气基础设施的智能检测。此外，将其集成到支持6G技术的物联网生态系统中，可以促进预测分析、自动化监控和高效基础设施管理。该系统通过实现可靠的氢气监测、预测性维护和提升工业安全性，为可持续的基础设施发展做出了贡献。总体而言，该平台通过结合基于物理的电磁建模和数据驱动的优化方法，为下一代太赫兹智能传感器技术开辟了一条可扩展的道路，从而推动工业创新和智能基础设施的应用...

显示更多