【Nano Energy】王雙飛院士團隊將摩擦電探針與深度學習技術相結合，用于液體運輸中懸浮液穩定性的實時在線監測 https://mp.weixin.qq.com/s/ke8KTHM6k47HNXVQ3RVTyA
01. 研究背景
在造紙白水循環利用及化工、生物制藥、材料制備等運輸及制備過程中，膠體懸浮液的穩定性對生產流程至關重要。然而，由于造紙白水等懸浮液中微粒粒徑和濃度的不斷變化，可能會嚴重影響造紙系統及其他化工過程穩定性，為實現生產穩定運行實時在線監測及其預警極其重要。目前的檢測方法往往無法實現實時、在線無損檢測。本研究應對這一挑戰，提出了集成摩擦納米發電機（TENG）和深度學習技術的創新方案。這種方法通過分析TENG與膠體懸浮液之間的電荷轉移信號，實現對微粒粒徑和濃度的實時在線監測。采用深度學習技術的卷積神經網絡（CNN）實現TENG信號精確分析，實現濃度、粒徑、阻塞等變化實時準確檢測。這一技術不僅提高了懸浮液中微粒的監測效率和準確性，為膠體懸濁液穩定運輸及失穩預警提供較為可靠檢測方法，還為工業領域中TENG和人工智能技術的結合開辟了新的研究思路。
02. 文章概述
近日，王雙飛院士團隊創新性地集成摩擦納米發電機和深度學習技術，實現了對懸浮液中微粒粒徑和濃度的實時在線監測，為工業領域流體的監測技術開辟了新的發展道路。該成果以題為“Triboelectric probes integrated with deep learning for real-time online monitoring of suspensions in liquid transport”發表在《Nano Energy》上，2021級碩士生朱云鵬為本研究第一作者，聶雙喜教授和王志偉副教授為通訊作者，羅斌、鄒雪蓮、劉濤、張松、遲明超、孫雨霈、江柯漾、劉令、孟凡蓁參與研究。
03. 圖文導讀
1、基于摩擦電探針和深度學習技術的懸浮液穩定性監測系統的結構和機理
本研究結合摩擦電探針和深度學習技術開發了一種懸浮液穩定性監測系統，實現了對微粒粒徑和濃度的高效識別和分類。懸浮液中微粒粒徑和濃度的變化改變了懸浮液的特性，導致液-固界面電荷轉移量發生變化。基于摩擦納米發電機原理的摩擦電探針(FC-TENG)，通過接觸起電和靜電感應的耦合效應，能夠捕捉反映懸浮液特性變化的輸出信號，這些具有差異性的輸出信號，經過深度學習“隱藏層”中各種方式耦合的感知器分析，實現了實時、在線監測懸浮液中微粒粒徑和濃度。
圖1. (a) 液-固界面DEL示意圖。(b) 深度學習技術結構示意圖。(c) 混淆矩陣監測結果示意圖。(d) 懸浮液和液體介質開路電壓信號對比示意圖。(e) FC-TENG探針整個周期的電荷分布示意圖。(f) 氧原子和氟原子之間的電子轉移示意圖。
2、懸浮液中微粒粒徑對界面電荷轉移的影響
本研究選用二氧化硅(SiO2)微粒制備懸浮液以驗證FC-TENG探針檢測懸浮液中微粒粒徑變化的能力。由于微粒間作用力效應，懸浮液中SiO2微粒存在良好分散、弱聚集和強聚集三種狀態。為建立粒徑監測系統，首先收集了5種不同粒徑(1 wt%)SiO2懸浮液的FC-TENG探針輸出信號。結果表明，在單一懸浮體系中，隨著SiO2微粒平均粒徑的增大，FC-TENG探針檢測的開路電壓呈逐漸降低的趨勢。為模擬流體剪切力作用下穩定懸浮液中微粒聚集的情況，選取10-22 μm粒徑范圍內1 wt% SiO2懸浮液作為基底，并摻雜0.2 wt%不同粒徑SiO2以構建復雜體系。結果分析表明，隨著摻雜SiO2粒徑的增加，開路電壓呈逐步降低的趨勢，兩者存在較強的線性關系(R=99.59%)，證實了FC-TENG探針對復雜體系中微粒粒徑變化的高靈敏檢測能力。
圖2. (a) SiO2微粒在三種存在狀態下的相互作用示意圖。(b) 流體剪切力作用下SiO2微粒之間的EDL重疊示意圖。(c) SiO2微粒變化示意圖。(d) SiO2微粒的平均粒徑。(e) 開路電壓的變化。(f) 開路電壓信號的變化趨勢。(g) 復雜體系下開路電壓的線性擬合曲線。(h) 復雜體系下開路電壓與微粒平均粒徑的關系。
3、懸浮液中微粒濃度對界面電荷轉移的影響
隨著SiO2微粒濃度的增加，開路電壓峰值呈梯度增長，兩者之間具有正相關性，線性擬合率達95.66%。這證實了FC-TENG探針對SiO2微粒濃度變化具有高靈敏度。分析認為，隨著SiO2微粒濃度增加，宏觀上提高了懸浮液的介電性能，從而提高了輸出信號。為探究FC-TENG探針在復雜體系中檢測微粒濃度變化的靈敏度，在底物中摻雜不同濃度的大粒徑(22-30 μm) SiO2微粒。結果顯示，隨著摻雜SiO2微粒濃度的增加，開路電壓呈逐步下降的趨勢，兩者之間具有很強的線性關系(R=98.68%)。液-固界面接觸分離過程同時涉及電子傳遞和自由離子屏蔽等多種效應，添加大粒徑SiO2微粒增加了懸浮液電導率，自由離子的屏蔽效應占主導地位，抑制了液-固界面電荷轉移，導致輸出信號減弱。
圖3 (a) FC-TENG探針截面SiO2微粒濃度變化示意圖。(b) 開路電壓信號變化趨勢。(c) 開路電壓線性擬合曲線。(d) 不同濃度SiO2微粒懸浮液的介電常數。(e) 轉移電荷的變化。(f) 復雜體系下開路電壓的變化。(g) 復雜體系下懸浮液電導率的變化。
4、CNN模型對開路電壓輸出信號的訓練和測試
為了確保監測的時效性和準確性，引入了一種適用于時間序列數據分析的深度學習技術的CNN模型，這有助于全面評估開路電壓輸出信號的總體特征，包括峰值和峰形等。RepLKNet-31作為CNN模型領域的先驅架構，顯著縮小了傳統CNN模型和Vision Transformer之間的性能差距，已被證明在各種基準測試中取得了與Swin Transformer相當甚至更好的結果，同時保持了更低的延遲。RepLKNet-31架構對SiO2微粒的粒徑和濃度的訓練和測試精度上都表現出較高的水平。粒徑識別模型的訓練準確率和測試準確率分別為98.0%和97.6%，濃度識別模型的訓練準確率和測試準確率分別為98.2%和96.8%。
圖4 (a) RepLKNet-31架構的進程。(b) 基于RepLKNet-31架構的數據收集過程。(c) 基于RepLKNet-31架構的數據訓練和測試過程。(d, e) 微粒粒徑和濃度識別模型的訓練和測試過程。(f, g) 粒徑和濃度模型的識別精度。
5、監測系統對微粒粒徑和濃度的預測結果
將FC-TENG探針的開路電壓輸出數據輸入識別模型后，CNN模型可以高效處理FC-TENG探針的輸出信號，對SiO2微粒粒徑和濃度的平均識別率分別高達97.7%和96.7%，對復雜體系下的SiO2微粒粒徑和濃度的平均識別率分別為91.4%和86.3%。懸浮液中的SiO2微粒粒徑和濃度的精確識別，突出了FC-TENG探針與CNN模型的結合用于實時和在線監測復雜流體成分的巨大潛力。例如，可以通過移動終端實時在線監控工業環境中懸浮液的穩定性，保證產品的高質量生產。此外，FC-TENG探針可以根據堵塞的程度產生不同的輸出信號，保證了危險品生產的質量和安全。FC-TENG探針和CNN模型的結合不僅提高了數據處理和模式識別的精度，而且為監測復雜流體的成分提供了一種自供電、低成本和環保的解決方案。
圖5 (a) 識別粒徑和濃度的CNN模型結構。(b) 微粒粒徑識別結果的混淆矩陣。(c) 微粒濃度識別結果混淆矩陣。(d) 復雜體系中的微粒粒徑識別的混淆矩陣。(e) 復雜體系中的微粒濃度識別的混淆矩陣。(f) 監測系統在醫療領域的應用示意圖。(g) 監測系統在工業領域的應用示意圖。
4、結論
本研究通過集成摩擦納米發電機和深度學習技術，建立了一種監測微粒粒徑和濃度的在線系統，借助深度學習的CNN模型，FC-TENG探針的輸出數據可以實時、在線分析。結果表明，監測系統對SiO2粒徑和濃度的平均識別率在單一系統中分別達到97.7%和96.7%，在復雜系統中分別達到91.4%和86.3%。此方法證明了FC-TENG探針對流體成分微小變化的高靈敏度，以及CNN模型從大量數據集中提取關鍵特征的優秀識別能力。本研究不僅為懸浮液穩定性的實時在線監測提供了新思路，也促進了摩擦電探針與人工智能的交叉應用。
原文鏈接：https://doi.org/10.1016/j.nanoen.2024.109340