聚吡咯/石墨烯/WO3三元纳米复合传感器阵列用于基于滚动时域数据同化PINNs的三维氨气泄漏重构

发布时间:2026-09-02 | 来源:MDPI Polymers | 作者:Haodong Niu, Yunbo Shi, Kuo Zhao, Jinzhou Liu, Xiaohui Yang, Canda Zheng

为解决传统离散氨监测方案的局限性,本研究提出了一种闭环感知-推断架构,该架构将分布式化学传感网络与物理信息神经网络(PINN)相结合,以实现受限环境中气体扩散的高保真三维动态重建。基于PPy/Graphene/WO3三元纳米复合材料的分布式传感器阵列,凭借其亚ppm级检测限和高信噪比,提供实时无线监测和可靠的观测数据流

为解决传统离散氨监测方案的局限性,本研究提出了一种闭环感知-推断架构,该架构将分布式化学传感网络与物理信息神经网络(PINN)相结合,以实现受限环境中气体扩散的高保真三维动态重建。基于PPy/Graphene/WO3三元纳米复合材料的分布式传感器阵列,凭借其亚ppm级检测限和高信噪比,提供实时无线监测和可靠的观测数据流。将菲克第二扩散定律和诺伊曼无通量边界条件嵌入无网格PINN中,并引入滚动时域数据同化(RHDA),利用高频实时观测动态微调网络权重,从而在理论推断与监测环境之间建立实时闭环校正。该方法在稳态条件下实现了精确的三维浓度场重建,在未知突发浓度扰动下显著抑制误差并保持鲁棒性,同时缓解了传统数据驱动模型在无数据支持的长时纯物理外推中的时间发散问题。因此,该框架融合了硬件灵敏度、计算效率和宏观物理泛化能力。

返回资讯频道