聚吡咯/石墨烯/三氧化钨三元纳米复合传感器阵列：通过滚动时域数据融合逆向神经网络实现三维氨泄漏重建

《Polymers》：Polypyrrole/Graphene/WO3 Ternary Nanocomposite Sensor Arrays for 3D Ammonia Leakage Reconstruction via Rolling Horizon Data-Assimilated PINNs

　　

摘要

为了解决传统离散氨检测方案的局限性，本研究提出了一种闭环感知-推理架构，该架构将分布式化学传感网络与物理智能神经网络（PINN）相结合，以实现 confined 环境中气体扩散的高保真三维动态重建。基于 PPy/Graphene/WO₃ 三元纳米复合材料的分布式传感器阵列具有亚 ppm 的检测限和高信噪比，能够实现实时无线监控和可靠的观测数据流。菲克第二扩散定律和诺伊曼无通量边界条件被嵌入到无网格的 PINN 中，同时引入了滚动时域数据同化（RHDA）技术，通过高频实时观测数据动态微调网络权重，从而在理论推断与实际监测环境之间建立实时闭环校正。所提出的方法在稳态条件下能够实现精确的三维浓度场重建，在未知的突然浓度扰动下显著抑制误差，并保持鲁棒性；此外，它还能在长期纯物理外推过程中（无需数据支持）缓解传统数据驱动模型的时间发散问题。因此，该框架结合了硬件灵敏度、计算效率和宏观物理泛化能力。