编辑推荐：
为解决传统有线传感器在智能电动汽车电驱动系统实时状态监测中面临系统集成度低、依赖外部电源、高速下信号不稳定等问题，研究人员开展了基于离心力增强接触摩擦纳米发电机(CFEC-TENG)的自供电传感系统研究。该系统通过弹簧预紧力与离心力的协同作用，实现了在宽速域范围内稳定、高信噪比信号的输出，不仅完成了对传动系统关键轴承高达96.1%准确率的故障诊断，还能有效识别急加速/减速(84%)与典型路况(89.9%)，为自动驾驶算法校准与行车安全提升提供了关键技术支撑。
随着电动汽车的加速普及和自动驾驶技术的飞速发展，对车辆的核心动力源——电驱动系统的健康状况进行实时、精准的监控变得至关重要。同时，理解驾驶行为、路况与动力系统之间的复杂交互，也成为提升车辆安全性和能效的关键。然而，传统的监测手段，如有线振动或电流传感器，常常受制于对外部电源的依赖、在紧凑空间内布线困难，以及在高速、强电磁干扰环境下信号质量恶化等问题。尤其是在电驱动系统高速旋转的极端工况下，如何获得稳定、可靠且无需外部供电的传感信号，一直是该领域亟待突破的技术瓶颈。
为此，一项发表于《Research》的研究提出了一种创新性的解决方案。研究人员设计并开发了一种基于离心力增强接触机制的摩擦纳米发电机（Centrifugal-Force-Enhanced Contact Triboelectric Nanogenerator, CFEC-TENG）。这种装置能够巧妙地嵌入到电动汽车驱动系统的输出轴端，直接从旋转的机械能中捕获能量并转换为高保真的电信号，从而构建了一套智能自供电监测系统。
本研究主要运用了以下几项关键技术方法：首先，通过光固化3D打印技术制备了CFEC-TENG的核心柔性梳齿转子和定子结构，并采用聚四氟乙烯（PTFE）薄膜与铜箔作为摩擦副材料。其次，利用与一汽集团合作开发的高精度电驱动动态模拟试验台（最高转速18,000 rpm）对CFEC-TENG的性能进行系统表征。再次，结合信号处理技术（如短时傅里叶变换STFT）和深度学习模型（卷积神经网络与双向长短期记忆网络CNN-BiLSTM混合架构），对采集的摩擦电信号进行特征提取与模式识别。此外，通过在真实轴承上人工引入故障（内圈、外圈、滚动体故障）并构建数据集，以及在实际道路（包含平路、减速带、多相路口等）进行实车测试，分别验证了系统的故障诊断与驾驶工况识别能力。
CFEC-TENG的结构与工作原理
研究展示了CFEC-TENG从信号感知到智能运维的完整应用闭环。其核心结构包括一个带有柔性弹簧机构的弧形梳齿转子和一个固定于驱动壳体上的定子。独特之处在于，当转速升高时，转子梳齿在离心力作用下发生径向位移，与定子摩擦层的有效接触压力显著增加。这种弹簧预紧力与离心力的动态协同，将旋转动能转化为稳定的界面接触压力，从而确保即使在高速下也能输出与轴速严格同步的高保真摩擦电信号。其发电机制基于接触起电和静电感应的耦合效应，转子梳齿在定子电极上的周期性滑动，在外电路产生连续的交流信号，其频率与转速呈线性关系。
CFEC-TENG的电学特性与性能
在宽达100至15,000 rpm的速度范围内，CFEC-TENG的输出电流幅值随转速增加而显著提升，且其电流频率与实际驱动速度之间表现出极高的线性度（R2= 0.9999），速度转换误差始终低于1%。无论是在线性增速工况还是随机速度-扭矩复合工况下，通过频谱分析和时频图（STFT）均证实，CFEC-TENG的信号频率能实时、准确地跟踪速度变化，表现出优异的动态响应能力和信号保真度。
CFEC-TENG的性能测试
通过与全接触式和非接触式TENG的对比实验，验证了CFEC-TENG在输出性能、耐久性和鲁棒性方面的综合优势。其输出电流增长斜率远高于对比结构，表明离心力有效增强了单次滑动事件的电荷转移量。激光共聚焦显微镜表征显示，CFEC-TENG摩擦副表面磨损均匀且轻微，表明其弹性接触机制将磨损从破坏性的剧烈磨损转变为温和的渐进式磨损。在突然的机械冲击下，其输出信号仅产生微小波动并能快速恢复稳定。通过定转子角色反转的控制实验，定量揭示了离心力对输出增长的独立增强贡献。此外，研究还探讨了不同预紧力、电极对数等参数对输出性能的影响规律。
CFEC-TENG的故障诊断能力
通过在轴承上人工制造内圈、外圈和滚动体故障，并采集CFEC-TENG的输出信号。研究发现，故障会导致摩擦电信号波动，并在频谱中产生明显的调制边带。研究人员开发了一个结合STFT和CNN-BiLSTM混合深度学习模型的智能诊断框架。该模型能够自动从信号的时频图中提取空间特征，并通过BiLSTM捕捉时间序列依赖关系。在包含健康状态和三种故障模式的数据集上，该模型的平均诊断准确率达到了96.1%。混淆矩阵和t-SNE可视化结果显示，模型能有效区分不同故障类型。交叉验证和与其他模型（如标准CNN、CNN-Transformer）的对比实验进一步证明了CNN-BiLSTM架构的优越性和鲁棒性。
CFEC-TENG在实车监测中的应用
研究将CFEC-TENG通过嵌入式封装集成到实车的驱动轴上，并进行了实际道路测试。测试路段包含主干道、密集减速带区域和多相交通路口。CFEC-TENG的输出电流波形能够清晰反映车辆加速、减速、过减速带等工况变化。在此基础上，研究构建了一个先进的分析框架，用于路况和驾驶行为识别。通过提取信号的时域、频域及时频特征，并结合逻辑判断规则与分类模型，系统成功实现了对平坦、湿滑、减速带、上坡、下坡五种路况（整体准确率89.9%），以及对急加速、急减速、超速、跟车、平稳驾驶五种驾驶行为（整体准确率84%）的智能识别。
结论与讨论
本研究提出的CFEC-TENG，其核心创新在于通过弹簧预紧力与离心力结合的动态接触稳定机制，有效解决了传统旋转摩擦纳米发电机在高速下因接触不稳定导致信号衰减的技术瓶颈。理论分析与实验共同验证了该机制能将离心力从干扰因素转化为增强界面接触的积极力量。该系统展现出多方面的显著优势：在极宽速域内保持信号频率与转速的严格线性关系，为高精度速度追踪奠定基础；弹性接触机制大幅降低磨损并赋予设备良好的抗机械冲击和负载波动能力；系统输出的高保真时频信号具备多任务感知潜力，既能支持电驱动系统核心轴承的智能故障诊断，又可扩展至典型驾驶行为与复杂路况的识别。这项工作为智能网联汽车的高效能量管理和预测性维护系统提供了一条新的技术路径，是构建未来自主交通系统的关键感知节点。当然，该技术从实验室走向大规模工业应用，仍需在极端环境适应性、批量制造的工艺一致性、成本控制以及与现有车载电子电气架构的工程集成等方面进行更深入的探索和验证。未来的工作将聚焦于提升环境适应性、与车载网络标准协议的融合，并探索将其感知框架扩展至更广泛的旋转机械系统状态监测中。
