湖南大学研发600℃耐高温单谐振器声表面波传感器

近日，湖南大学研究团队在《微系统与纳米工程》期刊发表成果，针对声表面波传感器交叉敏感难题，提出基于机器学习的解耦方案。该团队开发Zui高耐受600℃的单谐振器型传感器，通过提取S11频谱特征，实现复杂工况下温应变高精度同步测量。

传统声表面波传感器在实际工业场景中常面临多物理场耦合干扰，现有解耦方案多依赖应变隔离结构设计或双谐振器拍频技术。前者需要严格控制光刻工艺的一致性以避免额外频率漂移，且需增加隔离层导致器件体积膨胀；后者虽简化了结构，但高度依赖两种声学模式温度响应的一致性，实际应用中难以精准匹配，甚至可能削弱应变灵敏度。为突破这一瓶颈，该团队采用128°钇切铌酸锂作为压电衬底，结合铬与铂金属电极（厚度分别为52纳米和168纳米），并在表面覆盖约277纳米厚的氮化铝保护层。氮化铝熔点高达2200℃，兼具优异的热稳定性、致密性与电绝缘性，能有效阻断高温环境下的电极氧化与锂离子挥发，显著提升器件的长期运行可靠性。

在基础性能测试中，传感器在室温无负载状态下中心谐振频率稳定于430.02兆赫兹，落入商用工业科学医疗频段，品质因数达到662，表明其具备高分辨率与较长的无线传输距离。当应变加载范围设定为0至800微应变时，传感器展现出-245.63赫兹/微应变的灵敏度与99.8%的线性度，Zui大滞后误差仅为1.84%。在22至160℃的温度区间内，谐振频率随温度升高呈线性下降，灵敏度约为-23069赫兹/摄氏度。即便将工作温度推升至600℃，谐振峰仍保持可辨识状态，温度灵敏度提升至-29490.5赫兹/摄氏度，充分验证了该器件在极端热环境下的传感潜力与信号稳定性。

面对温度与应变信号的高度耦合，研究团队构建了包含岭回归、多项式回归、多元线性回归、极端梯度提升、随机森林回归及决策树回归在内的六种机器学习模型进行对比验证。实验共采集72组目标变量，涵盖8个温度点与9个应变点，每个变量对应8000个数据点的频响数据集，累计生成57.6万个特征样本。评估指标显示，极端梯度提升模型表现Zui优，在22至160℃及0至800微应变条件下，温度预测决定系数高达99.97%，应变预测决定系数达99.23%，同时实现了双参数的高精度解耦输出。该方案无需改变传感器物理结构，仅通过后处理算法即可剥离交叉干扰，大幅降低了硬件设计门槛。

此类高精度复合传感技术主要面向医疗健康、航空航天、基础设施健康监测以及能源电力系统等领域。对于国内从事工业物联网与特种传感器研发的工程师而言，该方案的核心价值在于打破了单一谐振器必须依赖复杂机械结构才能解耦的传统限制。声表面波器件本身具有被动无线读取与快速响应优势，但在实际工程部署中，环境温度波动往往掩盖真实的形变信号。在实际采购与产线选型时，建议重点关注传感器保护层的介电常数匹配度、电极材料在高温循环下的抗疲劳特性，以及算法训练所需的数据采样带宽。采用氮化铝钝化工艺配合机器学习后处理，可为国产高频声表面波器件在严苛工况下的规模化应用提供可靠的技术路径。此外，S11频谱特征的提取效率直接决定了系统的实时响应速度，工程部署时需权衡数据采集分辨率与边缘计算节点的算力负荷。

从产业链配套角度看，铌酸锂晶体的切割取向精度与磁控溅射薄膜的附着力直接决定了传感器的初始品质因数，而算法模型的泛化能力则依赖于现场工况数据的持续迭代。当前国内高频压电材料与精密微纳加工产能逐步释放，若能将该解耦算法进一步轻量化并嵌入低功耗微控制器，将大幅降低后端处理成本。未来在风电叶片应力监测或燃机涡轮温度场分布等场景，此类单模态解耦方案有望替代传统多通道阵列，推动分布式传感网络向低成本、高集成度方向演进。供应商在对接下游客户时，可提供标准化的S11原始数据包以适配不同客户的算法框架，从而缩短产品导入周期。