Wysokoczuły dwupasmowy czujnik mikrośladów do analizy mieszanin oleju i wody z optymalizacją siecią neuronową RBF

Dlaczego pomiar mieszaniny oleju i wody ma znaczenie

Od szybów naftowych po rafinerie — dokładna wiedza o tym, ile wody jest ukryte w ropie, ma ogromne znaczenie gospodarcze i środowiskowe. Zbyt duża zawartość wody obniża wartość produktu, powoduje korozję urządzeń i marnuje energię przy transporcie oraz przeróbce. Mimo to rutynowe kontrole często wykonywane są za pomocą ciężkiego sprzętu laboratoryjnego, który pracuje wolno i trudno go zabrać w teren. W artykule przedstawiono maleńki czujnik elektroniczny, mniejszy niż paznokieć, który potrafi szybko odczytać zawartość wody w mieszaninie olej–woda, wysyłając przez nią sygnały mikrofalowe i interpretując odpowiedź za pomocą inteligentnego algorytmu uczącego się.

Maleńki układ, który „wyczuwa" ciecze

Rdzeniem pracy jest kompaktowy układ typu „microstrip” — płaskie wzory metalowe drukowane na powszechnym materiale płytki drukowanej. Autorzy formują ten metal w połączenie półkola i trójkąta równoramiennego (trapezu równoramiennego), tworząc dwa rezonatory, które naturalnie drgają na dwóch oddzielnych częstotliwościach mikrofalowych, około 1,2 i 14,92 gigaherca. Gdy kropla cieczy zostanie umieszczona nad obszarem o najsilniejszym polu elektrycznym, częstotliwości rezonansowe przesuwają się nieznacznie w zależności od tego, jak łatwo cząsteczki cieczy polaryzują się w odpowiedzi na mikrofalę. Ponieważ olej i woda różnią się silnie tym zachowaniem elektrycznym, ich mieszanki pozostawiają w odpowiedzi czujnika charakterystyczne odciski.

Dwa pasma dla wyraźniejszego nasłuchu

Większość wcześniejszych czujników tego typu nasłuchuje tylko jednej częstotliwości mikrofalowej, co ogranicza ich zdolność do rozróżniania podobnych cieczy. Poprzez celowe zaprojektowanie układu do pracy w dwóch dobrze rozdzielonych pasmach, badacze dają swojemu urządzeniu drugie „ucho”. Niższe pasmo częstotliwości jest czułe na szerokie zmiany w mieszaninie, podczas gdy wyższe pasmo reaguje silniej na subtelne różnice. Staranny model układu, wykorzystujący proste induktory i kondensatory jako zastępcze elementy dla każdego fragmentu metalu, pokazuje, że układ fizyczny i model teoretyczny zgadzają się ze sobą, a pomiary potwierdzają, że urządzenie ma czyste, dobrze zdefiniowane rezonanse w obu pasmach przy bardzo niskich stratach sygnału.

Obserwowanie, jak olej i woda wpływają na fale

Symulacje komputerowe i testy laboratoryjne ujawniają, jak mikrofalowe pola przepływają przez czujnik w miarę zmiany stosunku oleju do wody. Przy częstotliwościach rezonansowych silne prądy skupiają się w obszarze czujnika, maksymalizując interakcję z próbką. Gdy zawartość wody zmienia się od 0 do 100 procent co 5 procent, piki rezonansowe przesuwają się w częstotliwości i zmieniają wysokość w sposób wyraźnie nieliniowy — krzywe się zaginają, zamiast tworzyć linie proste. Ta nieliniowość odzwierciedla złożony sposób, w jaki cząsteczki oleju i wody wspólnie reagują na pola przemienne w różnych częstotliwościach. Co istotne, pasmo o wyższej częstotliwości wykazuje większe przesunięcia dla tej samej zmiany składu, co przekłada się na wyższą czułość: do około 87,5 i 114,2 megaherca przesunięcia na jednostkę zmiany stałej elektrycznej w pasmach niskim i wysokim, odpowiednio, przewyższając wiele wcześniej raportowanych projektów.

Pozwalając sieci neuronowej czytać sygnał

Ponieważ krzywe odpowiedzi czujnika nie są prostymi liniami, tradycyjne metody kalibracji mają trudności z przekształceniem zmierzonych danych w dokładne procenty wody. Aby to rozwiązać, zespół podaje wiele cech mikrofalowych — częstotliwości rezonansowe, siły sygnału, czynniki jakości Q i informacje o fazie — do sieci neuronowej z funkcjami baz radialnych (RBF), rodzaju modelu uczącego się, który doskonale wychwytuje gładkie, lecz nieliniowe zależności. Trenowana na pomiarach dziesiątek mieszanin przygotowanych w ściśle kontrolowanych warunkach, sieć uczy się mapować te mikrofalowe odciski bezpośrednio na zawartość wody. Otrzymane prognozy bardzo dobrze zgadzają się z wartościami rzeczywistymi, z dopasowaniem statystycznym powyżej 0,99 i typowymi błędami jedynie na poziomie kilku procent, a analiza reszt pokazuje brak silnego systematycznego odchylenia w całym zakresie 0–100 procent.

Od chipu laboratoryjnego do monitora w terenie

W istocie badanie pokazuje, że bardzo mały, niskokosztowy układ mikrofalowy, połączony z inteligentnym algorytmem uczenia, może działać jako precyzyjny „elektroniczny nos" dla mieszanin oleju i wody. Dwuczęstotliwościowa konstrukcja daje czujnikowi bogatszy obraz zachowania mieszaniny, podczas gdy sieć neuronowa radzi sobie z nieładem nieliniowej fizyki, który w przeciwnym razie wymagałby skomplikowanego modelowania. Choć potrzebne są dalsze prace, by uczynić urządzenie odpornym na trudne warunki przemysłowe i długotrwałe użycie w terenie, połączenie wysokiej czułości, kompaktowych rozmiarów i inteligentnego przetwarzania danych wskazuje na praktyczne, działające w czasie rzeczywistym monitory dla rur, zbiorników magazynowych i kontroli środowiskowej wszędzie tam, gdzie mieszają się olej i woda.

Cytowanie: 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

Słowa kluczowe: czujnik mikrofalowy, mieszanina olej–woda, rezonator mikrośladów, skład cieczy, czujniki z siecią neuronową