王中林院士等Joule: 机器学习在自供电传感系统中的应用！

借助机器学习（ML）增强的自供电传感系统代表了大规模部署物联网（IoT）的发展方向，自供电智能传感系统的发展将彻底改变传感器的设计和制造并为智能机器人、数字健康和可持续能源铺平道路。然而，在稳定的电力收集、ML的无缝集成、隐私和道德影响方面仍然存在挑战。

在此，西安交通大学Omid Mahian教授、美国阿肯色大学Wan Shou及佐治亚理工学院王中林院士等人综述了ML技术在基于摩擦电、压电和热电原理的自供电传感器/系统中应用的最新进展，总结了ML和自供电传感器/系统相结合在能量采集、输出性能和电源管理方面的显著优势。

首先，作者介绍了传感器和系统的三种自供电原理，包括摩擦电、压电和热电机制。然后，作者讨论了在自供电传感器（摩擦电、压电、热电和混合传感器系统）上应用ML技术的最新进展，大多数ML模型的分类/预测准确率超过90%，而支持向量机被认为是最有前途的数据分类ML技术。此外，作者还介绍了自供电传感系统的新范式及其在不同领域的应用，包括农业、卫生保健、可穿戴电子产品、通讯、物联网及仿生传感器等，重点关注ML从医疗保健到智能系统的应用。

图1. 自供电传感器/系统中使用的ML算法及其预测精度

最后，作者展望了ML在自供电传感系统中的潜在研究需求和挑战：

1）压电传感器方面，应侧重于从多传感器/执行器系统中提取更好的功能且评估具有不同迭代级别的ML算法；

2）摩擦电传感器方面，迫切需要开发更有效的方法来增加、减少或控制通过接触带电产生的电荷；

3）热电传感器方面，在人体运动检测等选定应用时面临一些挑战；

4）混合传感器方面，在大规模使用前需解决一系列挑战，如提高功率、灵敏度线性度等。

为克服上述挑战，作者设想了一个促进自供电智能系统市场吸收的路线图，包括原材料（高性能、低成本及生物相容/可生物降解）、放大制造（紧凑、易生物集成）、多模态传感（无信号干扰、高精度）、能源管理（新型算法、微尺度管理）及ML构建（高预测精度、数据易采集/处理、伦理和安全）等。

图2. 促进自供电智能系统市场吸收的路线图

Self-powered sensing systems with learning capability, Joule 2022. DOI: 10.1016/j.joule.2022.06.001

原创文章，作者：v-suan，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/07/ca56369083/

王中林院士等Joule: 机器学习在自供电传感系统中的应用！

相关推荐