用于油–水混合物分析并通过RBF神经网络优化的高灵敏双频微带传感器

测量油水混合物为何重要

从油井到炼油厂，准确知道原油中隐藏了多少水具有重大的经济和环境意义。水含量过高会降低产品价值，腐蚀设备，并在运输和加工过程中浪费能量。然而，常规检测仍然常依赖笨重的实验室设备，这些设备速度慢且不易携带进现场。本文介绍了一种比指甲还小的微型电子传感器，它通过向样品发送微波并利用一种智能学习算法解读响应，可以快速读取油–水混合物中的含水量。

感知流体的微小电路

这项工作的核心是紧凑的“微带”电路——将金属平面图形印在常见电路板材料上的扁平结构。作者将金属设计为半圆与等腰梯形的组合，构成两个谐振器，分别在约1.2和14.92吉赫的两个微波频段自然谐振。当一滴流体放置在电场最强的区域上时，谐振频率会根据流体分子对微波极化的容易程度发生细微偏移。由于油和水在这种电学行为上差异显著，它们的混合物会在传感器的响应中留下独特的指纹。

双频段带来更清晰的“聆听”

早期这类传感器多数仅在单一微波频率下工作，这限制了它们区分相似液体的精细度。通过刻意将电路设计为在两个相距较远的频带工作，研究者实际上给设备增加了第二只“耳朵”。低频带对混合物的整体变化更为敏感，而高频带对细微差别的反应更强烈。利用简单电感和电容作为各金属段的等效模型进行的精确电路建模表明，物理布局与理论模型高度一致，实测也证实该器件在两频带内具有干净、定义明确且损耗很低的谐振特性。

观察油与水如何牵动电磁波

计算机仿真和实验室测试展示了随着油–水比例变化微波如何在传感器中传播。在谐振频率处，强电流会集中到传感区域，从而最大化与样品的相互作用。当水含量以5％为步长从0变化到100％时，谐振峰的频率和幅度以明显的非线性方式移动——曲线弯曲而非呈直线。这种非线性反映了油与水分子在不同频率交变场中共同响应的复杂性。值得注意的是，高频带对相同成分变化显示出更大的频移，转化为更高的灵敏度：在低频和高频带分别达到约87.5和114.2兆赫每单位电常数变化的频移，优于许多先前报道的设计。

让神经网络读懂信号

由于传感器的响应曲线并非简单直线，传统校准方法难以将测量数据准确转换为含水百分比。为了解决这一点，团队将多个微波特征——谐振频率、信号强度、品质因数和相位信息——输入到径向基函数（RBF）神经网络中，这是一类擅长捕捉平滑但非线性关系的机器学习模型。该网络在从严格控制条件下制备的数十种混合物的测量数据上进行训练后，学会将这些微波指纹直接映射为含水量。预测结果与真实值高度一致，拟合优度超过0.99，典型误差仅为几个百分点，残差分析显示在整个0–100％范围内没有明显偏差。

从实验室芯片走向真实监测

从本质上讲，这项研究表明，一种非常小、低成本的微波电路配合智能学习算法，可以作为油–水混合物的精确“电子嗅觉”。双频设计为传感器提供了更丰富的混合物行为信息，而神经网络则处理那些本来需要复杂建模的混乱非线性物理。尽管还需进一步工作以增强器件在恶劣工业条件下和长期现场使用时的鲁棒性，但高灵敏度、紧凑体积与智能数据处理的结合指向了适用于管道、储罐和环境检测等场景的实用实时监测器的前景。

引用: 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

关键词: 微波传感器, 油水混合物, 微带谐振器, 流体成分, 神经网络传感