研究背景
- 振动传感器在实现工业4.0过程中的设备监测和预测性维护扮演至关重要的角色。然而，目前依赖线缆供电的商用振动传感技术在监测精准性和布置灵活性仍有待提高。摩擦纳米发电机可有效地收集环境中的机械振动能，在采集振动能过程中无需外界供能，为降低感知系统的能耗、实现自驱动振动感知提供了一种新途径。现有的基于摩擦纳米发电机的振动传感器多采用刚性硬质结构，难以适配具有复杂表面的设备，极大增加了布置的难度和复杂性。此外，刚性结构在长期振动激励下容易发生疲劳损坏，这对于在恶劣环境中运行的机械设备长期振动监测提出了挑战。
文章概述
近日，大连海事大学徐敏义教授团队针对以上问题，设计了一种基于芯鞘结构的柔性纤维状摩擦纳米发电机(Fiber-shaped Triboelectric Nanogenerator, F-TENG)，旨在实现对于设备振动的自驱动感知。F-TENG因其良好的柔韧性及适应性，可满足曲面结构的振动感知需求。在本项研究中，首先通过力学模型及仿真分析，对F-TENG的形变特性进行分析，得出了影响TENG发电性能的关键参数。在此基础上，通过实验方法，对影响F-TENG振动感知特性的关键参数进行了优化。实验结果表明经过优化后的F-TENG可有效感知0.1至100 Hz的宽频振动，且即使经过约45000次连续振动激励后其输出电信号幅值和频率仍可保持稳定。在应用于实际生产中的柴油机振动监测时，其振动频率感知误差相较于商用振动传感器仅为0.32%。最后，结合深度学习方法成功地实现了对不同管道系统运行状态的识别，识别准确率可达97.87%。
该成果以“Coaxial Flexible Fiber-shaped Triboelectric Nanogenerator Assisted by Deep Learning for Self-Powered Vibration Monitoring”为题发表在国际知名期刊《Small》上。大连海事大学博士研究生赵聪、杜太利副教授、硕士毕业生葛彬为该论文的共同第一作者，大连海事大学徐敏义教授与杜太利副教授为论文通讯作者。
图文导读
图1. F-TENG的结构设计与感知机理
图2. F-TENG的力学特性分析与性能优化
图3. F-TENG的振动感知特性
图4. F-TENG对复杂结构的适应性测试及对实际船用柴油机振动感知
图5. 融合深度学习的管路系统状态监测
总结
- 综上所述，这项研究提出了一种柔性、高适应性纤维状摩擦纳米发电机，用于自驱动振动感知。结合力学模型及仿真分析，对传感器的感知机理进行了分析。实验结果表明经过优化后的F-TENG可感知0.1至100 Hz范围内机械振动，同时可实现对于曲面结构振动感知需求。当应用于实际柴油机时，其相较于商用振动传感器，振动频率感知误差仅为0.32%。最后，结合深度学习方法成功实现了对不同管道系统运行状态的识别，识别准确率可达97.87%。总之，新设计的F-TENG具有适应性强、经济简便等优势，为实现未来自驱动振动感知提供了一种新的解决方案。
转载链接：
