مستشعر ميكروستريب ثنائي النطاق عالي الحساسية لتحليل مزيج النفط والماء مع تحسين بواسطة شبكة عصبية RBF

لماذا قياس مزيج النفط والماء مهم

من آبار النفط إلى المصافي، معرفة مقدار الماء المخفي في النفط الخام لها تبعات اقتصادية وبيئية كبيرة. فوجود ماء زائد يخفض قيمة المنتج، يسبب تآكل المعدات، ويهدر الطاقة أثناء النقل والمعالجة. ومع ذلك، لا تزال الفحوص الروتينية تُجرى غالبًا بمعدات مختبرية ضخمة بطيئة ويصعب نقلها إلى الحقل. تقدم هذه الورقة مستشعرًا إلكترونيًا صغيرًا، أصغر من ظفر الإصبع، يستطيع بسرعة قراءة كمية الماء في مزيج النفط والماء عبر إرسال إشارات ميكروويف خلاله وتفسير الاستجابة باستخدام خوارزمية تعلم ذكية.

دائرة صغيرة تشعر بالسوائل

جوهر العمل هو دائرة «ميكروستريب» مدمجة — أنماط معدنية مسطحة مطبوعة على مادة لوح دوائر كهربائية شائعة. يشكل المؤلفون هذا المعدن على هيئة مزيج من نصف دائرة وشبه منحرف متساوي الساقين، مكوّنين رنانين يتجاوبان طبيعيًا عند ترددين ميكروويف منفصلين، حوالي 1.2 و14.92 جيجاهرتز. عندما توضع قطيرة من السائل فوق المنطقة التي يكون فيها المجال الكهربائي الأكثر كثافة، تنحرف ترددات الرنين قليلًا اعتمادًا على مدى استقطاب جزيئات السائل استجابةً للموجات الميكروويفية. وبما أن النفط والماء يختلفان بشدة في هذا السلوك الكهربائي، تترك مخاليطهما بصمات مميزة في استجابة المستشعر.

نطاقان للاستماع بدقة أكبر

معظم المستشعرات السابقة من هذا النوع تستمع عند تردد ميكروويف واحد فقط، ما يحد من دقتها في تمييز السوائل المتشابهة. من خلال تصميم الدائرة لتعمل في نطاقين منفصلين جيدًا، يمنح الباحثون جهازهم ما يشبه «أذنًا» ثانية. النطاق الترددي الأدنى حساس للتغيرات العامة في المزيج، بينما النطاق الأعلى يتفاعل بقوة أكبر مع الفوارق الدقيقة. تُظهر نمذجة الدائرة بعناية، باستخدام محاثات ومكثفات بسيطة كبدائل لكل مقطع معدني، أن الترتيب الفيزيائي والنموذج النظري متوافقان عن كثب، وتؤكد القياسات أن للجهاز رنانات واضحة ومحددة جيدًا في كلا النطاقين مع فقدان إشارة منخفض جدًا.

رصد شد وجذب النفط والماء للموجات

تكشف المحاكاة الحاسوبية والاختبارات المخبرية كيف تتدفق الموجات الميكروويفية عبر المستشعر مع تغير نسبة النفط إلى الماء. عند ترددات الرنين، تتجمع تيارات قوية في منطقة الاستشعار، ما يزيد التفاعل مع العينة إلى أقصى حد. عندما تتغير نسبة الماء من 0 إلى 100 في المئة بخطوات 5 في المئة، تتحرك قمم الرنين في التردد وتتغير في الارتفاع بطريقة غير خطية مميزة — المنحنيات تنحني بدلاً من تكوين خطوط مستقيمة. تعكس هذه اللاخطية الطريقة المعقدة التي تستجيب بها جزيئات النفط والماء معًا للمجالات المتغيرة عبر ترددات مختلفة. والملحوظ أن النطاق الأعلى يُظهر تحولات أكبر لنفس تغير التركيب، ما يترجم إلى حساسية أعلى: تصل إلى نحو 87.5 و114.2 ميجاهرتز تغيير لكل وحدة تغير في الثابت الكهربائي في النطاقين المنخفض والعالي على التوالي، متفوقة على العديد من التصاميم المبلّغ عنها سابقًا.

تمكين شبكة عصبية من قراءة الإشارة

بما أن منحنيات استجابة المستشعر ليست خطوطًا مستقيمة بسيطة، تكافح طرق المعايرة التقليدية لتحويل البيانات المقاسة إلى نسب ماء دقيقة. لحل هذه المشكلة، تُزوّد الفريق بميزات ميكروويف متعددة — ترددات الرنين، قوة الإشارة، عوامل الجودة، ومعلومات الطور — إلى شبكة عصبية ذات دالة أساس شعاعية (RBF)، نوع من نماذج التعلم الآلي التي تتقن التقاط العلاقات السلسة لكنها غير الخطية. بعد تدريبها على قياسات من عشرات الخلائط المحضرة تحت ظروف مضبوطة بدقة، تتعلم الشبكة ربط هذه البصمات الميكروويفية مباشرة بمحتوى الماء. تتطابق التنبؤات الناتجة مع القيم الحقيقية بدقة عالية، مع معامل ملاءمة إحصائي يفوق 0.99 وأخطاء نموذجية لا تتجاوز بضعة في المئة، وتحليل بقايا الأخطاء لا يظهر انحيازًا قويًا عبر النطاق الكامل من 0 إلى 100 بالمئة.

من رقاقة المعمل إلى مراقب واقعي

باختصار، تُظهر الدراسة أن دائرة ميكروويف صغيرة جدًا ومنخفضة التكلفة، عند اقترانها بخوارزمية تعلم ذكية، يمكن أن تعمل كـ«أنف إلكتروني» دقيق لمخاليط النفط والماء. يمنح التصميم ثنائي التردد المستشعر صورة أغنى عن سلوك المزيج، بينما تتعامل الشبكة العصبية مع الفيزياء المعقدة واللاخطية التي كانت ستتطلب نمذجة معقدة خلاف ذلك. على الرغم من الحاجة إلى عمل إضافي لتقوية الجهاز ليتحمل ظروف صناعية قاسية وللاستخدام الميداني طويل الأمد، فإن الجمع بين الحساسية العالية والحجم المدمج ومعالجة البيانات الذكية يشير إلى إمكانية تطوير مراقِبين عمليين في الزمن الحقيقي لأنابيب النقل وخزانات التخزين والفحوص البيئية أينما يختلط النفط بالماء.

الاستشهاد: Dehkalani, F.V., Hayati, M., Horri, A. et al. High-sensitivity dual-band microstrip sensor for oil–water mixture analysis with RBF neural network optimization. Sci Rep 16, 10332 (2026). https://doi.org/10.1038/s41598-026-41132-y

الكلمات المفتاحية: مستشعر الميكروويف, مزيج النفط والماء, رنان ميكروستريب, تركيب السائل, استشعار بالشبكة العصبية