Links
Contact Info.
  • Address:广西南宁市西乡塘区大学路100号广西大学轻工与食品工程学院304办公室
  • Zip:530004
  • Tel:0771-3237301
  • Fax:
  • Email:wangzhiwei@gxu.edu.cn
Current Location :> Home > News > Text
Triboelectric probes integrated with deep learning for real-time online monitoring of suspensions in liquid transport

【Nano Energy】王双飞院士团队将摩擦电探针与深度学习技术相结合,用于液体运输中悬浮液稳定性的实时在线监测 https://mp.weixin.qq.com/s/ke8KTHM6k47HNXVQ3RVTyA

01. 研究背景


在造纸白水循环利用及化工、生物制药、材料制备等运输及制备过程中,胶体悬浮液的稳定性对生产流程至关重要。然而,由于造纸白水等悬浮液中微粒粒径和浓度的不断变化,可能会严重影响造纸系统及其他化工过程稳定性,为实现生产稳定运行实时在线监测及其预警极其重要。目前的检测方法往往无法实现实时、在线无损检测。本研究应对这一挑战,提出了集成摩擦纳米发电机(TENG)和深度学习技术的创新方案。这种方法通过分析TENG与胶体悬浮液之间的电荷转移信号,实现对微粒粒径和浓度的实时在线监测。采用深度学习技术的卷积神经网络(CNN)实现TENG信号精确分析,实现浓度、粒径、阻塞等变化实时准确检测。这一技术不仅提高了悬浮液中微粒的监测效率和准确性,为胶体悬浊液稳定运输及失稳预警提供较为可靠检测方法,还为工业领域中TENG和人工智能技术的结合开辟了新的研究思路。

02. 文章概述

近日,王双飞院士团队创新性地集成摩擦纳米发电机和深度学习技术,实现了对悬浮液中微粒粒径和浓度的实时在线监测,为工业领域流体的监测技术开辟了新的发展道路。该成果以题为“Triboelectric probes integrated with deep learning for real-time online monitoring of suspensions in liquid transport”发表在《Nano Energy》上,2021级硕士生朱云鹏为本研究第一作者,聂双喜教授和王志伟副教授为通讯作者,罗斌、邹雪莲、刘涛、张松、迟明超、孙雨霈、江柯漾、刘令、孟凡蓁参与研究。

03. 图文导读

1、基于摩擦电探针和深度学习技术的悬浮液稳定性监测系统的结构和机理

本研究结合摩擦电探针和深度学习技术开发了一种悬浮液稳定性监测系统,实现了对微粒粒径和浓度的高效识别和分类。悬浮液中微粒粒径和浓度的变化改变了悬浮液的特性,导致液-固界面电荷转移量发生变化。基于摩擦纳米发电机原理的摩擦电探针(FC-TENG),通过接触起电和静电感应的耦合效应,能够捕捉反映悬浮液特性变化的输出信号,这些具有差异性的输出信号,经过深度学习“隐藏层”中各种方式耦合的感知器分析,实现了实时、在线监测悬浮液中微粒粒径和浓度。

图1. (a) 液-固界面DEL示意图。(b) 深度学习技术结构示意图。(c) 混淆矩阵监测结果示意图。(d) 悬浮液和液体介质开路电压信号对比示意图。(e) FC-TENG探针整个周期的电荷分布示意图。(f) 氧原子和氟原子之间的电子转移示意图。

2、悬浮液中微粒粒径对界面电荷转移的影响

本研究选用二氧化硅(SiO2)微粒制备悬浮液以验证FC-TENG探针检测悬浮液中微粒粒径变化的能力。由于微粒间作用力效应,悬浮液中SiO2微粒存在良好分散、弱聚集和强聚集三种状态。为建立粒径监测系统,首先收集了5种不同粒径(1 wt%)SiO2悬浮液的FC-TENG探针输出信号。结果表明,在单一悬浮体系中,随着SiO2微粒平均粒径的增大,FC-TENG探针检测的开路电压呈逐渐降低的趋势。为模拟流体剪切力作用下稳定悬浮液中微粒聚集的情况,选取10-22 μm粒径范围内1 wt% SiO2悬浮液作为基底,并掺杂0.2 wt%不同粒径SiO2以构建复杂体系。结果分析表明,随着掺杂SiO2粒径的增加,开路电压呈逐步降低的趋势,两者存在较强的线性关系(R=99.59%),证实了FC-TENG探针对复杂体系中微粒粒径变化的高灵敏检测能力。

图2. (a) SiO2微粒在三种存在状态下的相互作用示意图。(b) 流体剪切力作用下SiO2微粒之间的EDL重叠示意图。(c) SiO2微粒变化示意图。(d) SiO2微粒的平均粒径。(e) 开路电压的变化。(f) 开路电压信号的变化趋势。(g) 复杂体系下开路电压的线性拟合曲线。(h) 复杂体系下开路电压与微粒平均粒径的关系。

3、悬浮液中微粒浓度对界面电荷转移的影响

随着SiO2微粒浓度的增加,开路电压峰值呈梯度增长,两者之间具有正相关性,线性拟合率达95.66%。这证实了FC-TENG探针对SiO2微粒浓度变化具有高灵敏度。分析认为,随着SiO2微粒浓度增加,宏观上提高了悬浮液的介电性能,从而提高了输出信号。为探究FC-TENG探针在复杂体系中检测微粒浓度变化的灵敏度,在底物中掺杂不同浓度的大粒径(22-30 μm) SiO2微粒。结果显示,随着掺杂SiO2微粒浓度的增加,开路电压呈逐步下降的趋势,两者之间具有很强的线性关系(R=98.68%)。液-固界面接触分离过程同时涉及电子传递和自由离子屏蔽等多种效应,添加大粒径SiO2微粒增加了悬浮液电导率,自由离子的屏蔽效应占主导地位,抑制了液-固界面电荷转移,导致输出信号减弱。

图3 (a) FC-TENG探针截面SiO2微粒浓度变化示意图。(b) 开路电压信号变化趋势。(c) 开路电压线性拟合曲线。(d) 不同浓度SiO2微粒悬浮液的介电常数。(e) 转移电荷的变化。(f) 复杂体系下开路电压的变化。(g) 复杂体系下悬浮液电导率的变化。

4、CNN模型对开路电压输出信号的训练和测试

为了确保监测的时效性和准确性,引入了一种适用于时间序列数据分析的深度学习技术的CNN模型,这有助于全面评估开路电压输出信号的总体特征,包括峰值和峰形等。RepLKNet-31作为CNN模型领域的先驱架构,显著缩小了传统CNN模型和Vision Transformer之间的性能差距,已被证明在各种基准测试中取得了与Swin Transformer相当甚至更好的结果,同时保持了更低的延迟。RepLKNet-31架构对SiO2微粒的粒径和浓度的训练和测试精度上都表现出较高的水平。粒径识别模型的训练准确率和测试准确率分别为98.0%和97.6%,浓度识别模型的训练准确率和测试准确率分别为98.2%和96.8%。

图4 (a) RepLKNet-31架构的进程。(b) 基于RepLKNet-31架构的数据收集过程。(c) 基于RepLKNet-31架构的数据训练和测试过程。(d, e) 微粒粒径和浓度识别模型的训练和测试过程。(f, g) 粒径和浓度模型的识别精度。

5、监测系统对微粒粒径和浓度的预测结果

将FC-TENG探针的开路电压输出数据输入识别模型后,CNN模型可以高效处理FC-TENG探针的输出信号,对SiO2微粒粒径和浓度的平均识别率分别高达97.7%和96.7%,对复杂体系下的SiO2微粒粒径和浓度的平均识别率分别为91.4%和86.3%。悬浮液中的SiO2微粒粒径和浓度的精确识别,突出了FC-TENG探针与CNN模型的结合用于实时和在线监测复杂流体成分的巨大潜力。例如,可以通过移动终端实时在线监控工业环境中悬浮液的稳定性,保证产品的高质量生产。此外,FC-TENG探针可以根据堵塞的程度产生不同的输出信号,保证了危险品生产的质量和安全。FC-TENG探针和CNN模型的结合不仅提高了数据处理和模式识别的精度,而且为监测复杂流体的成分提供了一种自供电、低成本和环保的解决方案。

图5 (a) 识别粒径和浓度的CNN模型结构。(b) 微粒粒径识别结果的混淆矩阵。(c) 微粒浓度识别结果混淆矩阵。(d) 复杂体系中的微粒粒径识别的混淆矩阵。(e) 复杂体系中的微粒浓度识别的混淆矩阵。(f) 监测系统在医疗领域的应用示意图。(g) 监测系统在工业领域的应用示意图。

4、结论

本研究通过集成摩擦纳米发电机和深度学习技术,建立了一种监测微粒粒径和浓度的在线系统,借助深度学习的CNN模型,FC-TENG探针的输出数据可以实时、在线分析。结果表明,监测系统对SiO2粒径和浓度的平均识别率在单一系统中分别达到97.7%和96.7%,在复杂系统中分别达到91.4%和86.3%。此方法证明了FC-TENG探针对流体成分微小变化的高灵敏度,以及CNN模型从大量数据集中提取关键特征的优秀识别能力。本研究不仅为悬浮液稳定性的实时在线监测提供了新思路,也促进了摩擦电探针与人工智能的交叉应用。

原文链接:https://doi.org/10.1016/j.nanoen.2024.109340