基于城市湿地生态价值评估与碳汇效益的优化策略

《Land》：Assessment of the Ecological Value of Urban Wetlands and Optimization Strategies Based on Carbon Sink Benefits

　　

基于特征气体的检测技术能够在早期阶段以高精度预警锂离子电池热失控。微机电系统（MEMS）金属氧化物半导体（MOS）气体传感器具有低成本、高精度和低功耗的优势，因此是锂离子电池热失控预警的理想候选方案。MEMS MOS气体传感器由微热板和气敏材料组成。微热板组件强烈影响器件的机械和热学性能。首先，研究人员使用COMSOL对微热板组件进行了优化。然后，基于最优微热板制成了器件。接下来，通过射频磁控溅射在微热板上沉积了ZnO和ZnO-Au制成的气敏材料。自制的和商用的MEMS MOS传感器被集成以形成一个电子鼻。所制成的电子鼻能够在仅20秒内获取的气体响应数据下，以最高99.4%的精度分类氢气、乙烯、乙炔、甲烷、一氧化碳和乙醇。该研究工作可为早期且准确的锂离子电池热失控预警提供一种解决方案。

**论文解读：基于MEMS MOS气体传感器阵列与模式识别算法的锂离子电池热失控早期预警研究**

**1. 研究背景与问题**

随着锂离子电池在电动汽车、大规模储能系统及便携式电子设备中的广泛应用，其安全问题已成为学术界和工业界关注的焦点。传统的电池管理系统（BMS）主要依赖监测电压、电流和温度等电热参数来预测故障，但这些方法往往在不可逆副反应（如电解液分解、隔膜熔化）达到临界水平后才触发警报，导致预警延迟且故障定位精度有限（参考文献[1–4]）。近年来，基于气体检测的早期预警策略展现出显著优势。在过热、过充电或内部短路等滥用条件下，锂离子电池会分解电解液和电极材料，释放出特征气体，包括氢气（H₂）、一氧化碳（CO）、二氧化碳（CO₂）、甲烷（CH₄）以及乙烯（C₂H₄）和乙炔（C₂H₂）等烃类气体（参考文献[5,6]）。本研究选取的六种目标气体——H₂、CO、CH₄、C₂H₄、C₂H₂和C₂H₅OH（乙醇）——是多种电池化学体系中与锂离子电池热失控（TR）关联最广泛报道的特征气体。文献报道这些气体在灾难性故障前出现于数十至数千ppm的浓度范围内，落在MOS传感器的检测范围内。乙醇作为可能共存于电池模组环境中的代表性挥发性有机化合物被纳入。气体传感器作为核心传感元件，其性能至关重要（参考文献[7]）。

当前气体检测技术包括金属氧化物半导体（MOS）传感器、电化学传感器、催化燃烧传感器及基于光学原理的传感器等。其中，MOS气体传感器因其低成本、高灵敏度和长寿命而被广泛研究（参考文献[8,9]）。然而，传统体式或厚膜传感器通常需要高温工作（300–500°C），功耗高，且微型化面临挑战，限制了其在空间受限且对功耗敏感的嵌入式系统（如电池模组内部）中的应用。微机电系统（MEMS）技术的出现为气体传感器的革命性进步提供了理想平台。MEMS制造的微热板气体传感器将加热电极、绝缘层和传感材料集成在微米级的悬空薄膜结构上（参考文献[10,11]）。这些结构具有低热容、快速热响应、超低功耗（低至毫瓦级别）以及易于阵列集成等固有优势，完美契合物联网时代对微型化、低功耗、高集成度智能传感节点的迫切需求。当前高性能MEMS气体传感器的研究进展主要集中在两个互补方向：一是MEMS微热板的结构设计与优化，以增强其机械稳定性和热效率；二是敏感材料修饰的创新，以提高对目标气体的灵敏度、选择性和稳定性。

**2. 研究目的与意义**

本研究旨在为锂离子电池热失控气体的早期准确识别提供一套系统性解决方案。具体目标包括：（1）通过COMSOL有限元仿真优化悬空式MEMS微热板的结构参数，重点研究支撑层材料和厚度对温度均匀性及机械变形的影响；（2）在优化后的微热板上制备并表征ZnO和Au修饰的ZnO气敏薄膜；（3）评估由商用和自制的MEMS MOS传感器组成的混合电子鼻，利用多层感知器（MLP）算法对上述六种特征TR气体进行分类的性能。该研究意义在于提供了一种基于气体传感与模式识别相结合的方法，能够实现快速、准确的早期预警，有望在电池大规模应用场景中提升安全性。论文发表在《Land》期刊。

**3. 主要技术方法（不超过250字）**

研究人员主要采用了以下关键技术方法：首先，使用COMSOL Multiphysics 5.6有限元软件对悬空式MEMS微热板进行多物理场耦合仿真，优化支撑层（SiO₂单层或SiO₂/Si₃N₄复合层）的厚度和材料组合，以平衡温度均匀性与机械变形。其次，通过射频磁控溅射在优化后的微热板上沉积ZnO和ZnO-Au气敏薄膜，利用扫描电子显微镜（SEM）和能量色散X射线光谱（EDS）表征薄膜形貌与元素组成。然后，将三只商用MEMS MOS传感器与两只自制传感器集成，构成五传感器电子鼻。最后，采用多层感知器（MLP）算法，基于不同时间窗口（5 s、10 s、15 s、20 s）的响应数据对六种单一气体进行分类，使用TensorFlow框架训练模型，优化超参数（隐藏层神经元数、学习率、批次大小等）。数据集包含6种气体、每种气体4个浓度水平、每浓度15个样本，共360个样本。

**4. 研究结果**

**4.1 MEMS微热板仿真结果**

（1）SiO₂支撑层对微热板的影响：在固定隔离层厚度下，随着支撑层厚度从3 μm增至15 μm，微热板最高温度呈非线性下降；支撑层增厚使变形逐渐减小并趋于稳定。隔离层越厚，相同支撑层厚度下的最高温度越低。当隔离层厚度为0.1 μm时，微热板达到最高温度所需加热功率最小（最低功耗），但隔离层过薄会导致加热层与传感层电接触。因此研究维持隔离层最小厚度约0.1 μm。

（2）SiO₂与Si₃N₄复合支撑层的影响：与单材料SiO₂支撑层相比，添加Si₃N₄顶层（0.1 μm、0.2 μm、0.3 μm）后，相同条件下最高温度更低，但温度分布曲线更平滑，加热均匀性提高。当Si₃N₄厚度为0.1 μm、总支撑层厚度为9 μm时，最大变形为0.49 μm，比单SiO₂支撑在同最高温度下减小约18%。中心加热区的温差从单SiO₂时的~28°C降至复合支撑时的10°C以内，改善了约64%的加热均匀性。

**4.2 气体传感器表征**

纯ZnO气敏薄膜表面致密有序；Au修饰的ZnO材料表面分布大量球状纳米结构，增大了与气体分子的接触面积，提供了更多活性位点。EDS结果显示Zn和O的特征峰，证实ZnO成功制备；Au掺杂样品中检测到明显的Au特征峰，表明Au元素成功掺入。由于ZnO功函数（3.9 eV）与Au功函数（5.1 eV）不同，电子从ZnO导带移向Au，形成肖特基接触，使ZnO耗尽层变宽，从而增强对还原性气体的灵敏度。动态响应测试显示，五个传感器对六种气体的响应值、响应时间和恢复时间存在差异，使得利用传感器阵列区分六种气体成为可能。测量重复性高。对氢气、乙醇和乙烯的线性拟合计算检出限（LOD）：氢气为37.7 ppb，乙醇为255.1 ppb，乙烯为26.2 ppm。

**4.3 MLP算法结果**

采用四层MLP架构（输入层、两个隐藏层、输出层），隐藏层后加入dropout层（概率0.2）。使用稀疏分类交叉熵损失函数和Adam优化器，隐藏层激活函数为ReLU，输出层为Softmax。通过网格搜索优化隐藏层神经元数（每层<25），批次大小32，学习率0.02。

**4.4 数据长度对分类结果的影响**

比较了不同响应时间窗口（5 s、10 s、15 s、20 s）和不同传感器组成（仅三只商用传感器 vs 五只传感器组合）的分类性能。结果显示，五只传感器组合（三只商用+两只自制）在20 s响应数据下达到最高99.4%的准确率（原文摘要中提到），且在不同时间窗口下表现均优于仅用商用传感器。仅用三只商用传感器在20 s下准确率最高99.2%（原文表5附近）。混淆矩阵分析表明，五传感器组合可有效减少气体间的误分类；主要误分类出现在CO与H₂或CH₄之间，以及CH₄与C₂H₄之间。使用10 s响应数据，五传感器组合准确率达98.5%。研究指出，气体传感器阵列可置于电池模组外壳边缘，由于气体扩散特性，其预警及时性不会像温度或压力传感器那样受位置影响。

**5. 讨论与结论**

本研究通过MEMS MOS气体传感器阵列与模式识别算法相结合，为锂离子电池热失控预警提供了有效解决方案。首先通过仿真优化了微热板组件，综合考虑功耗和热稳定性确定了最佳隔离层厚度；随后基于优化微热板通过磁控溅射沉积了ZnO和ZnO-Au薄膜，Au修饰通过肖特基势垒效应增强了灵敏度；最后将商用传感器与自制传感器集成，结合MLP算法，使五传感器阵列能够在10秒内以98.5%的准确率区分六种单一气体，展现出在锂离子电池热失控早期预警中的巨大应用潜力。

然而，研究工作存在一定局限性：需进一步研究长期力学稳定性与漂移问题，因为这些因素会显著影响精度；应开展真实锂离子电池热失控场景测试以验证技术的实际性能；当前工作仅为实验室规模演示，而非实际应用验证。