简介：

近期，上海大学李忠杰副研究员课题组、上海大学彭艳教授和上海大学张泉教授在国际著名期刊《Nano Energy》上发表文章“A predictive method for impedance estimation of triboelectric nanogenerators based on a gated recurrent unit mode”，提出了深度学习预测TENG内部阻抗新方法，即通过门控递归单元（GRU）模型实现了对具有不同结构和运动参数组合的接触分离TENG（CS-TENG）的内部阻抗的精确预测。上海大学博士生章钦为该论文第一作者，上海大学李忠杰副研究员、彭艳教授和张泉教授为共同通讯作者。

文章摘要：

现有工作主要是探究摩擦电纳米发电机（TENG）的相关参数对其电输出性能的影响。然而，很少有研究报道这些参数与TENG内部阻抗之间的关系。在这项工作中，我们首次通过门控递归单元（GRU）模型实现了对具有不同结构和运动参数组合的接触分离TENG（CS-TENG）的内部阻抗的精确预测。具体来说，通过实验获得不同参数组合的CS-TENG的最优阻抗，构建数据集。此外，我们建立了一个具有优化超参数的新型GRU模型，用于精确预测内部阻抗。同时，通过MAE和RMSE两个性能指标，使用反向传播（BP）神经网络和卷积神经网络（CNN）两种方法进行比较。实验结果表明，所建立的GRU模型预测误差最小，MAE和RMSE分别为0.45和0.52。最后，我们比较了这四个参数对CS-TENG内部阻抗的影响程度，其影响程度顺序为：接触面积>速度>厚度>类型。总之，这项工作旨在提供一种方便可靠的方法，根据实际所需的外部负载来实现TENG的合理结构设计。

图1. 实验平台、影响CS-TENG内部阻抗的四种参数和模型训练框架示意图。

致谢：

本研究得到了国家自然科学基金（编号：62225308）、上海市科学技术委员会（编号：22dz1204300）和机械系统与振动国家重点实验室研究项目（编号：MSV202308）的资助。

DOI：https://doi.org/10.1016/j.nanoen.2024.109458