第一作者：Long Liu，Xinmao Zhao，Tong Hu通讯作者：Kai Tao，Binyong Guo，Fei Liang，Long Liu通讯单位：西北工业大学DOI: 10.1016/j.nanoen.2024.110301

背景介绍

随着人类活动的扩大，桥梁和道路等交通基础设施已经渗透到自然环境中，包括山脉、河流和其他景观。许多分布式传感器节点部署在这些自然地理特征附近，并与建造的交通设施集成，用于建立一个连续、全面和无线的环境监测系统，特别是利用物联网（IoT）的进步。然而，特定监测系统的覆盖范围和使用寿命受到电池容量有限和维护成本高昂的限制。最近，研究人员引入了能量收集技术，如电磁、压电和摩擦电机制，以从周围环境中捕获能量。这些技术有助于开发自供电传感器节点和自供电环境监测系统。相应的自供电策略依赖于能量转换和电源管理的有效协调，可大致分为以下三种方法。A） 由能量采集器提供全功率：这种方法仅依赖于能量采集机制为整个系统供电，直接满足传感器节点的功率需求及其传输能力。B） 基于事件的唤醒：传感器节点在低功耗睡眠模式下运行，直到被特定事件触发。在检测到事件后，节点会唤醒、激活传感器并收集数据，利用其非活动状态期间收集的能量。C） 直接数据传输：收集的能量直接用于数据传输，绕过存储要求。这种方法根据能源可用性优化协议和调节速率，提高通信效率并最大限度地减少浪费。通过合理设计和实施这些策略，研究人员可以开发出具有可靠性、可持续性和成本效益的自供电传感器节点和环境监测系统。然而，鉴于环境监测系统需要广泛的覆盖范围和无数的监测任务，仅仅依靠能量采集器采集的能量直接为整个系统供电已不再可行。因此，应分解自供电策略，以授权分布式传感器节点并完成预设的监控任务，确保整个监控网络的弹性和寿命。在已报道的能量收集技术和能量收集器中，摩擦纳米发电机（TENG）在环境能量收集方面取得了显著进展，表现出显著的优势，如广泛的制造材料选择、灵活多样的基本模式以及易于低成本加工。使用各种TENG设计，包括滑动、旋转和接触分离结构，有效地收集来自风、河流、雨滴和振动的可再生能源。相比之下，TENG也可以用作传感器设备，在自供电传感器领域提供了许多潜在的应用。迄今为止，TENG已被广泛应用于环境检测领域，包括广泛的应用，包括桥梁结构监测、滑坡检测和风速测量。然而，旨在开发全面和多任务环境监测系统的研究工作仍在进行中。最近，TENG因其作为自供电无线通信方法的应用而重新受到关注，同时麦克斯韦方程组也得到了扩展，以适应机械驱动的变速运动媒体系统。Zhang等人报道了利用接触分离模式TENG结合感应线圈的无线电源和自供电无线传感器。耦合电压信号的谐振频率可实现高达73%的传输效率，作为无线发射机的标识符。Tang等人提出了一种无线近场通信系统，该系统利用两个金属电极板上的摩擦电荷积累，实现了通过障碍物无线传输信息。Zhang等人和Wang等人在TENG和谐振电路之间集成了放电开关，从而大大改善了阻抗匹配，增强了为无线传感器模块供电的输出，并实现了无线压力和天气传感能力。Wang等人和Fu等人简化了基于TENG的无线发射器并应用了深度学习算法，从而促进了多点运动传感和气体检测，而不需要任何外部电源。Zhang等人开发了一种用于湿度和液位双参数监测的自供电无线传感演示，通过将脉冲TENG的放电信号调制成对称谐振电路，随后检测两个不同频率的不同谐振信号来实现。这些工作展示了基于TENG实现无线通信和传感的巨大潜力，也预示着针对复杂和特定自然环境的自供电无线环境监测系统的发展。

本文亮点

1. 本工作提出了一种基于可配置旋转开关TENG（RS-TENG）的自供电无线环境监测系统，该系统集成了深度学习算法，能够进行多参数环境监测。2. RS-TENG可以处理风并记录速度信息；配备在桥梁上的电容式应变传感器和镀在山上的电感式重量传感器也被认为是自然环境中多参数监测的监测节点。3. 谐振电路和尖端放电结构允许将携带重要桥梁部件变形和落石信息的无线信号稳定传输到用户界面以供决策。4. 通过深度学习算法，该系统检测桥梁构件的变形状态和落石警告信号，并识别定义的水平。通过采用共享风杯，RS-TENG允许节点为电子设备供电，同时实现全自动无线风监测。

图文解析

图1. 基于RS TENG的无线监控系统示意图。（a） RS-TENG应用场景的概念图。（b）尖端放电产生电磁波的示意图。（c）发射机-接收机端系统的谐振电路图。（d） 谐振电路的典型衰减时域信号。

图2. 基于RS TENG的无线监控系统的工作原理。（a） 独立摩擦电层模式TENG示意图。（b） 变送器串联谐振电路图。（c） 发射机并联谐振电路图。（d） 接收器的时域响应以串联连接的不同电感器结束。（e） 接收器的频域响应以串联连接的不同电感器结束。（f） 实验和模拟结果的比较。（g） 接收器的时域响应以并联连接的不同电容器结束。（h） 并联不同电容器的接收机频域响应。（i） 实验和模拟结果的比较。

图3. 基于RS TENG的无线监控系统的输出性能分析。（a） RS-TENG结构图。（b） 总体实验场景设置图。（c） 不同电极尺寸的TENG的输出电压。（d） 电极和FEP薄膜之间的介质对输出的影响。（e） 放电尖端间距对输出的影响。（f） 传输距离对输出的影响。（g） 传输方向对输出的影响。（h） 串联连接的不同电阻器对频率的影响。

图4. 基于时频域的CNN模型的机器学习应用。（a） CNN的机器学习模型过程基于时频域。（b） 时域中的瀑布图。（c） 频域中的瀑布图。（d） 机器学习混淆矩阵。

图5. 基于RS-TENG阵列的变形/重量双参数监测的实现。（a） 整体功能工作流程。（b） 实际测试平台图。（c） RS-TENG阵列示意图。（d） 电容式应变仪结构图。（e） 感应式重量传感器结构图。（f） RS-TENG阵列的谐振电路图。（g） 线圈铜距离重量电感值曲线图。（h） 应用程序界面演示。

图6. 基于WRS-TENG的实时风触发监测系统的实现。（a） WRS-TENG示意图。（b） 整体功能工作流程。（c） 实际试验台示意图。（d） 电容器充电曲线（e）整流桥充电电路图。（f） 应用程序界面显示。