一种自供电、自感知的层次化摩擦电-电磁混合发电机，用于森林监测

《Sustainable Materials and Technologies》：A self-powered and self-sensing hierarchical triboelectric-electromagnetic hybrid generator for forest monitoring

本研究提出了一种基于离心力驱动的多级自适应转换结构的混合发电机（CDCS-TEH-TWS），结合摩擦电（TENG）和电磁（EMG）发电模块，通过动态调节机制实现低至14m/s宽范围风速下的高效能量收集。实验表明，在12m/s风速下TENG输出33.8mW功率，EMG达3.042W，并集成LSTM算法实现96.43%精度的实时风速监测，为森林环境自供电监测系统提供可靠解决方案。

　　在当前技术飞速发展的背景下，环境资源的快速消耗加剧了能源危机和生态污染问题，成为制约社会可持续发展的关键瓶颈。面对这一挑战，开发和利用可再生能源，尤其是风能，显得尤为重要。风能作为一种清洁、分布广泛的可再生能源，不仅能够为森林生态系统监测系统提供稳定的电力支持，还能有效减少对传统能源的依赖，从而推动绿色可持续发展的实践。然而，传统的风力发电设备在实际应用中存在诸多问题，如对外部能源供应的依赖性较强、环境适应性较差、能源供应的可持续性不足等。因此，研究一种能够有效应对风能不稳定性、提高能量采集效率的新型装置，具有重要的现实意义。

针对上述问题，本文提出了一种基于离心力驱动结构的混合式风能采集装置与风速传感器的组合系统，即“离心力驱动结构三电荷-电磁混合发电机与风速传感器”（CDCS-TEH-TWS）。该系统通过创新的多级结构设计，实现了对风速传感器（TWS）、摩擦纳米发电机（TENG）和电磁发电机（EMG）的三阶动态调节。这一设计不仅提升了装置在不同风速条件下的能量转换效率，还增强了其对复杂森林环境的适应能力。系统能够根据实时风速的变化，动态选择性地激活TWS、TENG和EMG的功能模块，从而实现高效、稳定、持续的能量采集与风速监测。

该系统的设计融合了TENG和EMG两种技术的优势，针对不同风速条件下的能量采集需求进行互补。TENG在低频、不规则的风能环境中表现优异，而EMG则适用于较高频率的风能转换。通过将两者结合，CDCS-TEH-TWS能够在风速变化时自动调整工作模式，实现对风能输入的动态匹配，从而显著提升整体的能量采集效率。此外，系统还结合了长短期记忆（LSTM）深度学习模型，使得TWS模块能够实现对风速的实时监测，并具备自供能的感知能力。实验数据显示，在风速为12?m/s的条件下，TENG单元的开路峰值电压可达780?V，输出功率为33.8?mW；而EMG单元的开路峰值电压为15.6?V，输出功率为3.042?W。这些数据充分验证了该系统在实际应用中的潜力。

在系统设计方面，CDCS-TEH-TWS采用了紧凑且高效的结构形式，包含多个关键部件，如风道、TWS模块、TENG模块、EMG模块、扭矩自调节装置、定子、转子等。为了提高空间利用率，TENG模块中的铜电极与FEP薄膜共享，形成紧凑的结构。EMG模块主要由永久磁铁和绕线线圈构成，当磁铁随转子旋转时，线圈中的磁通量变化会引发感应电动势，从而产生电流。相较于传统的TENG系统，CDCS-TEH-TWS在结构上进行了创新，引入了多层扭矩自调节装置，使得系统能够根据风速变化动态调整驱动扭矩，从而提升其运行效率和环境适应性。

在工作原理上，CDCS-TEH-TWS通过离心力、弹性力和摩擦力的协同作用，构建了一个能够适应风速变化的动态匹配系统。当风速较低时，主轴以较慢的速度旋转，FEP薄膜在主轴表面与铜电极之间产生相对运动，从而捕捉风能的强度、频率等特征参数。此时，TWS模块作为感知单元，其输出信号可与LSTM算法结合，实现对环境风况的实时感知和动态反馈。随着风速的增加，当达到某一临界值时，扭矩自调节装置中的配重块会克服弹簧张力和摩擦力，向外移动并带动转子旋转，从而激活TENG模块，提高能量采集效率。当风速进一步上升至较高范围时，TENG模块的输出功率趋于稳定，此时EMG模块被触发，系统通过电磁感应原理，实现更高的输出电流和功率。这种多层次的动态调节机制，使得系统能够在广泛的风速范围内保持高效能量采集与风速监测功能。

在动态模型分析中，研究重点在于系统如何根据风速变化自动调整其工作状态。模型中涉及的参数包括配重块的质量、弹簧的刚度系数、摩擦系数等。通过建立力平衡方程，可以推导出系统在不同风速条件下的关键转速阈值。实验表明，随着配重块质量的增加，系统启动所需的风速也会相应提高，而弹簧刚度系数的增大则有助于降低启动风速。这些参数的优化使得系统能够在不同风速条件下实现高效运行，并且具有良好的适应性。

在实验测试部分，研究团队使用专业风洞和步进电机作为实验设备，模拟不同风速条件下的系统性能。实验数据显示，TENG模块在风速为4?m/s时开始发电，而EMG模块则在风速为7.9?m/s时被激活。当风速达到9.2?m/s时，系统能够驱动130个LED灯，表明其具备较高的能量输出能力。此外，通过改变负载电阻，研究团队还验证了系统在不同电阻条件下的输出性能。结果显示，EMG模块的输出电压虽然较低，但其内部电阻小，能够提供较高的电流和功率密度，因此更适合作为主要的供电单元。而TENG模块虽然能够产生较高的电压，但由于其高内部电阻，实际输出的电流和功率有限。因此，在低风速条件下，TENG模块能够更灵敏地响应风速变化，而EMG模块则更适合在高风速条件下发挥其高功率输出的优势。

为了进一步提升系统的性能，研究团队还对TENG和EMG模块的连接方式进行了比较实验。实验表明，平行连接方式比串联方式在能量输出方面更具优势。这不仅提高了系统的整体效率，还增强了其在复杂环境下的稳定性。此外，系统还进行了长期运行的耐久性测试，以评估其在实际应用中的可靠性。测试结果表明，TWS模块在10小时的运行中保持稳定，而TENG模块的短路电流在长时间运行后仍能维持较高水平。这些数据表明，CDCS-TEH-TWS在长期运行中具有良好的稳定性和耐久性，能够为森林环境监测系统提供持续的电力支持。

在风速检测模块的开发中，研究团队将TENG模块的输出信号与LSTM深度学习算法相结合，构建了一种能够实时预测风速的系统。LSTM作为一种具有记忆能力的循环神经网络，能够有效捕捉电压信号中的长期时间依赖性，从而准确预测风速的变化趋势。实验数据显示，TWS模块在不同风速条件下的输出电压具有显著差异，尤其在高风速时，电压幅值明显增加。通过对电压信号的特征提取，如方差、峰值、谷值等，研究团队构建了一个高精度的风速分类模型。模型在训练集和测试集中的准确率分别达到了96.73?%和96.43?%，表明其具备较高的检测精度和分类能力。此外，系统还能够实时采集风速数据，并通过蓝牙模块将信息传输至移动终端，实现对森林环境参数的在线监测。

综上所述，本文提出并开发的CDCS-TEH-TWS系统，通过创新的结构设计和多层次的动态调节机制，实现了在不同风速条件下的高效能量采集与风速监测功能。该系统不仅能够有效应对森林环境中风速的不稳定性，还具备自供能和自感知的双重能力，为构建可持续的森林环境监测系统提供了可靠的技术方案。实验结果表明，CDCS-TEH-TWS在低风速条件下能够快速响应并稳定运行，而在高风速条件下则能够通过EMG模块实现更高的能量输出。此外，系统在长期运行中表现出良好的耐久性和稳定性，为实际应用提供了坚实的理论支持和工程可行性。该研究不仅拓展了TENG和EMG技术的应用场景，还为解决森林监测和物联网领域中的关键能源供应和感知问题提供了新的思路。