面向汽油掺水检测的紧凑型微波超材料传感器设计、制备及机器学习辅助介电常数预测

《Sensing and Bio-Sensing Research》：Design, fabrication, and machine learning-assisted dielectric constant prediction of a compact microwave metamaterial sensor for water adulteration detection in petrol

　　

摘要：日益增长的快速可靠燃料质量评估需求催生了能够准确检测燃料掺假的紧凑型传感平台。本工作提出了一种尺寸为6×6 mm²的六边形超材料结构，工作频率为2.7578 GHz，通过介电表征实现汽油中水掺假的检测。所制备的器件包含双六边形开口谐振环、中心六边形贴片以及印刷在FR-4基板上的连接金属条。研究人员建立了等效电路模型来表征谐振机制，并通过全波电磁仿真进行了验证。通过将介电常数从1变化到4来研究传感性能，获得了1.805 GHz的谐振频率偏移、3.61 GHz/ε_r的最大灵敏度和137.89的品质因数。所提出的超结构采用标准PCB工艺制备，并使用自由空间测量装置进行实验表征。实测谐振响应与仿真结果吻合良好，最大频率误差仅为6.4 MHz，相对误差低于0.5%。此外，研究人员开发了一种机器学习框架，可直接根据实测谐振特性预测介电常数。在所评估的模型中，XGBoost表现出最高的预测精度和最低的预测误差，无需重复电磁仿真即可快速估计未知燃料样品的介电特性。所提出的方法结合了紧凑传感器设计、实验验证和智能数据驱动分析，为汽油中水掺假的实时检测提供了准确且实用的解决方案。

论文解读：基于微波超材料传感器的汽油掺水检测与机器学习介电常数预测

一、研究背景与问题

燃油质量监测对交通运输和能源行业至关重要。汽油在生产、运输、储存和分配过程中常混入水分，即使少量水也会影响燃烧效率、加速燃料系统腐蚀、增加排放并降低发动机可靠性。传统燃料质量评估方法依赖实验室仪器，存在成本高、操作复杂、耗时且难以现场检测等局限。微波传感技术因其非接触、快速、对介电特性敏感等优势，成为燃料掺假检测的可行方案。然而，现有微波超材料传感器多存在尺寸较大、灵敏度中等、品质因数有限或实验验证不足的问题，且多数研究集中于电磁设计，缺乏与机器学习结合用于介电常数智能预测的探索。因此，本研究旨在开发一种紧凑、高灵敏、经实验验证且集成机器学习预测能力的超材料传感器，用于汽油掺水的实时检测。

二、研究内容与结论概述

研究人员设计并制备了一种尺寸为6×6 mm²的六边形超材料单元结构，工作频率为2.7578 GHz。该结构由外六边形开口谐振环（HSR1）、内六边形开口谐振环（HSR2）、中心六边形贴片（CHP）和连接金属条（CMS）组成，印刷于FR-4基板（相对介电常数ε_r=4.4，损耗角正切tan δ=0.02，厚度1.6 mm）上，底面为连续铜接地层。通过等效电路模型（ECM）解释谐振机制，并经全波电磁仿真验证。传感性能通过将介电常数从1变化至4进行评估，获得谐振频率偏移1.805 GHz、最大灵敏度3.61 GHz/ε_r、品质因数137.89。采用标准PCB工艺制备样品，并用自由空间测量系统进行实验表征，实测与仿真结果最大频率偏差仅6.4 MHz（相对误差<0.5%）。进一步建立机器学习框架，以谐振频率和最小反射系数为输入特征预测介电常数，其中XGBoost模型精度最高，R²=0.9958，在0–10%水掺假汽油样品上的预测误差低于1%。该研究为实时燃料质量监测提供了一种紧凑、智能且准确的解决方案。论文发表在《Sensing and Bio-Sensing Research》。

三、主要关键技术方法

1. 等效电路建模（ECM）：将超材料结构等效为多个串联RLC谐振支路，结合耦合电容和基板电容，通过电路仿真与CST全波仿真对比验证模型准确性。
2. 全波电磁仿真（CST Microwave Studio）：进行单元结构周期边界条件下的S参数计算，分析电场、磁场和表面电流分布，并开展参数化扫描优化几何尺寸。
3. 自由空间测量系统：使用宽带喇叭天线和矢量网络分析仪（VNA），在微波暗室环境下测量反射系数S₁₁；燃料样品（纯汽油及1–10%水掺假汽油，共11个样品）直接滴涂于传感区域，测量前进行双端口校准和金属参考板归一化。
4. 机器学习回归算法：采用线性回归、决策树、随机森林和XGBoost四种监督学习算法，以PCHIP插值扩充仿真数据至1500个样本，通过k折交叉验证和独立测试集评估模型，并用特征重要性分析确定关键输入参数。

四、研究结果分述

1. 结构设计与演化分析：从单一六边形开口谐振环（Evolution-I）逐步加入第二同心环（Evolution-II）、中心六边形贴片（Evolution-III）和连接金属条（Evolution-IV），谐振频率逐步降低，最终在2.7578 GHz处获得最深反射谷，阻抗匹配最佳。电磁场分布表明，连接金属条增强了表面电流连续性，增大了等效电感和电容。
2. 等效电路与电磁场关联：等效电路参数与场分布具有明确物理对应关系——电感与表面电流路径相关，电容与开口间隙和相邻谐振器间的电场集中相关，耦合电容代表相邻单元间相互作用。电路仿真与全波仿真结果一致，验证了模型对谐振机制的解释能力。
3. 参数分析：系统扫描基板厚度（t_s）、连接条宽度（W_m）、内外谐振环半径（HR1_or、HR1_ir、HR2_or、HR2_ir）和开口间隙（Sg1、Sg2），确定了最优参数组合，使谐振频率精确落在2.7578 GHz。
4. 传感性能仿真：介电常数从1增加到4时，谐振频率从2.7578 GHz降至0.9528 GHz，频移达1.805 GHz；灵敏度最高达3.61 GHz/ε_r；FWHM保持在0.018–0.021 GHz，品质因数从137.89降至52.93，FOM从38.89升至200.56。最小可检测介电常数变化为1.04×10^-3 RIU。
5. 实验验证与燃料检测：制备的原型在2.749 GHz处谐振，与仿真频率偏差仅8.8 MHz（0.32%）。对纯汽油和1–10%水掺假汽油的实测谐振频率分别为1.9684 GHz、1.8485 GHz至1.3498 GHz，随水含量增加单调下降。提取的等效介电常数从2.2（纯汽油）增加到3.3（10%水），仿真与实测最大误差6.4 MHz，相对误差低于0.46%。三次重复测量纯汽油谐振频率平均值为1.9683 GHz，最大偏差±0.2 MHz，验证了测量系统的高重复性。
6. 机器学习预测：采用谐振频率f_r和最小反射系数S₁₁作为输入特征，ε_r作为输出。Pearson相关分析显示f_r与ε_r强负相关（r=-0.998），S₁₁与ε_r强正相关（r=0.997）。四种模型中，XGBoost表现最佳（MAE=0.0098，RMSE=0.0151，R²=0.9958）。特征重要性分析显示f_r贡献约89%，S₁₁贡献约11%。对11个实际燃料样品，XGBoost预测的ε_r与实验提取值残差在±0.02以内，预测误差低于1%，parity plot的R²=0.9952。
7. 与文献比较：与近期报告的微波传感器相比，本传感器尺寸最小（6×6 mm²），灵敏度（3.61 GHz/ε_r）和品质因数（137.89）具有竞争力，且首次在燃料掺水检测中结合了紧凑设计、实验验证和机器学习预测。

五、讨论与结论

讨论部分指出，本研究在受控实验室条件下验证了传感器可行性，但实际燃料储存和运输中温度变化、油品成分差异和其他污染物可能影响介电特性，需在后续研究中通过更广泛的样品和受控环境进行系统评估。结论部分总结：设计并实验验证了一种6×6 mm²的紧凑微波超材料传感器，工作于2.7578 GHz，用于检测汽油中水掺假。该传感器实现灵敏度3.61 GHz/ε_r、频移1.805 GHz、品质因数137.89；自由空间测量与仿真最大偏差6.4 MHz，相对误差<0.5%。四种机器学习算法中XGBoost预测精度最高，可快速估算介电常数而无需重复电磁仿真。该传感平台可扩展至其他液体介电表征，为工业、环境和化学传感提供有前景的解决方案。