近日，我院机械电子工程专业2022级本科生李明轩作为第一作者，在国际高水平刊物《Chemical Engineering Journal》（中科院一区TOP期刊）上发表了题为“人工智能赋能智慧工业自供电无线传感”（Artificial intelligence enabled self-powered wireless sensing for smart industry）的研究论文，指导教师为肖新清副教授。

为了克服传统无线传感系统依赖电池或外接电源的局限性，论文开发了一种用于智慧工业的自供电无线传感系统（SPOT）。该系统结合了摩擦电纳米发电机（TENG）与人工智能（AI）Transformer模型，使得无线传感更加高效和环保。SPOT系统显著提高了产品运输和管理的效率，为未来的低碳、绿色智能行业的发展提供了新的技术见解和解决方案。

SPOT系统由几个核心组件组成，包括基于TENG的自供电柔性传感器（SWNG）、无线聚合节点（WAN）、电磁和TENG混合发电机（ETCG）以及搭载AI模型的监控和管理中心（MACA）。如图1所示，这些组件共同构成了一个先进的系统，专为优化智慧工业中的各种流程而设计。通过利用传送带简化原材料和成品在制造阶段的运输，SPOT系统有效提升了生产线的效率，降低了能耗，并增强了制造过程的灵活性和自动化程度。这种集成技术不仅促进了智慧工业的发展，还为实现可持续、低碳的工业目标提供了新的路径

图1：示意图

TENG主要由两部分组成：摩擦电材料和电极材料。摩擦电材料通过与外部物体或表面相互作用产生摩擦，这在TENG的性能中起着至关重要的作用。通常选择电负性相对较高的材料，如聚合物（如聚四氟乙烯）、橡胶（如硅橡胶）和塑料。图2展示了TENG和EMG的原理和仿真模型。摩擦电材料的电负性决定了它们对电子的亲和力，这显著影响了电荷分离的有效性。

图2：TENG机理图

硬件数据测量从TENG电极材料开始，电极通常涂覆在摩擦电材料的表面上，电极材料可以包括高导电性物质，例如金属、导电聚合物（如聚吡咯）和碳基材料。图3展示了TENG在不同摩擦电材料中的性能。

图 3：TENG性能图

实验方案如图4所示，展示了TENG利用AI中的Transformer模型进行产品识别的过程。由于不同的包装材料在与TENG相互作用时会产生不同的电压响应，TENG的物理特性可用于识别传送带上的不同包装产品。图4a显示了整个系统结构和操作电路图。经过整流、滤波和降压处理后，ETCG将电能传输到WAN。广域网利用其内置的ESP8266通信芯片，将SWNG电压信号无线传输到计算机或其他信号接收器。然后，通过使用AI中的Transformer模型，将传感器数据转换为用户可操作的分类结果。 

图 4：试验方案

对上述图表的分析清楚地表明，传统的线性分类方法不能满足当前电压分类任务的要求。深度学习模型可以用来应对这一挑战。深度学习算法的功效取决于与现实世界应用密切相关的数据集。与用于处理一维电压数据的传统深度学习算法相比，例如卷积神经网络(CNN)和递归神经网络(RNNs)，配备有自注意机制的Transformer模型被选择来处理获得的电压数据。如图5a所示，已经开发了一种全面的自供电智能感测系统来捕捉真实的无线传输数据，以用于训练深度学习模型。左侧显示的白色结构是ETCG框架。ETCG由使用三维(3D)打印技术生产的专有机械齿轮结构组成。图5b示出了齿轮组件的模型图，其具有以1∶10的旋转比驱动ETCG的能力。这种设计不仅能有效利用传送带的动能，通过机械结构将动力传递给ETCG，还能显著提高机械效率。

图 5：AI识别

该集成系统将创新的自供能传感技术与先进的人工智能相结合，以显著改变和增强工业环境中的材料管理实践，主要侧重于提高运营效率和准确性。通过处理和解决传感器普遍存在的能源供应问题，该系统不仅延长了传感器的使用寿命，还扩大了其效用，使其能够执行更广泛的复杂和智能功能。这种战略集成支持复杂的监控机制，使系统能够智能地跟踪和识别材料运输过程中的细微差别。这些功能有助于简化生产线的操作流程，从而大幅减少不必要的停机时间。实际上，这种集成系统在智慧工业环境中的应用包括几个关键功能。

1. 自动化材料识别和评估。该系统利用传感器采集的数据自动识别不同类型的材料并评估生产线的当前状况，从而有助于及时做出明智的决策；

2. 预测维护能力。通过分析传感器数据，该系统可以预测潜在的维护需求，从而能够提前采取措施优化生产流程并显著减少停机时间，从而确保更顺畅、更高效的运营；

3.增强的实时监控和安全性。利用物联网技术，该系统提供了改进的实时监控功能。这延伸到整个物流过程中加强安全措施和提高货物可追溯性，确保透明和安全的供应链。

肖新清副教授一直致力于智慧农业智能传感技术的研究，并在本科生创新能力培养方面取得一系列特色成果。目前，已指导研究生/本科生科研团队在《Chemical Engineering Journal》、《Materials Today Chemistry》、《Materials Today Sustainability》、《Postharvest Biology and Technology》、《Computers and Electronics in Agriculture》等学术期刊上发表多篇高质量学术论文。。