目前，声表面波（SAW）技术已广泛应用于通信系统、微流控、声镊、量子声学和单电子控制等领域。值得一提的是，由于具有实现无线/无源操作和小型化设计的能力，SAW技术非常适合各种传感应用。近年来，柔性或可弯曲SAW器件备受关注，因为与刚性和传统器件相比，它们能够提供更多新的应用场景。这些柔性SAW器件具有重量轻、生物相容性好、与物体表面的机械适配性可调等显著特点，显示了它们在曲面信号监测方面的巨大潜力。在过去的十年中，人们开发了各种类型的柔性SAW器件，并在开发具有良好传感性能的柔性物理/生化传感器方面取得了重大进展。

柔性和可弯曲性是柔性SAW传感器的两个关键特性。然而，这些柔性SAW器件面临的一个主要挑战是，在不同的弯曲条件下（或在各种机械应变下），它们会出现明显的频率偏移或信号干扰，这主要是由于声波速度的变化（声弹性效应）和叉指换能器（IDT）的变形造成的。这些信号变化不是由目标传感信息引起的，而是由与平面状态相比的外加应变或变形引起的。这种应变引起的频率偏移会强烈干扰目标传感信号（例如紫外线（UV）信号、气体分子信号或生物信号），导致这些柔性SAW传感器的精度或稳定性降低。通常情况下，采用参考样品可以减轻这种变形和弯曲应变的影响，但这种方法会使整个传感平台变得复杂。

在随机弯曲条件下，通过机器学习对柔性SAW传感器平台进行一致性检测

为了追求可靠而精确的柔性声波传感系统，来自湖南大学的研究团队在之前的一项研究中采用了一种离轴设计，最大限度地降低了氮化铝（AlN）/超薄玻璃基柔性SAW器件的弯曲应变效应。这种器件级设计方法可减轻弯曲应变引起的信号变化，从而提取出完全来自于预期监测参数的信号。然而，尽管这种方法很有效，但也有一定的局限性，例如对SAW器件的薄膜沉积质量、波长和薄膜厚度比有严格要求，从而阻碍了它的广泛应用。因此，迫切需要新的方法来消除这些柔性SAW器件的弯曲应变引起的信号变化，并只获得目标参数的监测信号。然而，目前针对这一挑战的研究还很少。

为解决上述挑战，近期，湖南大学研究团队在之前研究的基础上，开发了一种基于沉积在超薄柔性玻璃基板上的铝钪氮（AlScN）薄膜的柔性SAW传感器，然后研究了应变和紫外线对柔性SAW器件传感特性的影响。此外，研究人员还通过理论计算分析了弯曲应变对SAW器件性能的影响。

AlScN/玻璃基柔性SAW器件的弯曲变形和紫外线传感特性

研究人员通过引入机器学习算法，建立了一个回归模型，将SAW器件的响应信号特征与动态应变扰动下的目标敏感参数（例如本研究中的紫外线强度）相关联。在此模型的基础上构建了可以消除应变干扰的柔性SAW传感平台。

应变弯曲状态下柔性SAW器件的紫外线传感

研究人员还比较了使用多种机器学习算法构建的模型的综合预测性能，包括多元线性回归（MLR）、多项式回归（PR）、岭回归（Ridge）、稳健回归（Robust）、弹性网络回归（ENR）、决策树（DTR）、随机森林（RFR）和极端梯度提升（XGBoost）。此外，研究人员还利用SHapley Additive exPlanations（SHAP）值来解释和研究在各种动态应变条件下输入特征变量模式对紫外线强度预测的影响。

紫外线强度预测模型的综合分析

最后，研究人员利用随机选择的验证集验证了该模型的通用性，在按比例缩小的航天器模型上进行了概念演示，并证明了不同曲面和平面的紫外线检测结果的一致性。研究结果表明，研究人员开发的基于机器学习算法的柔性紫外线SAW传感器为各种创新应用开辟了新途径。例如，在航空航天应用中，紫外线传感器可以战略性地放置在飞机或卫星的曲面上，以监测紫外线辐射，这对于了解空间天气效应和确保航天器材料的使用寿命至关重要。

动态应变下的紫外线强度预测

柔性SAW传感应用的概念验证

综上所述，本研究在超薄柔性玻璃基底上制作了具有c轴优先取向的AlScN薄膜，并制作了柔性SAW传感器，研究了柔性SAW器件的应变和紫外线传感特性，并从理论上分析了弯曲或变形对紫外线传感过程中频率偏移的影响。此外，研究人员还提出了一种预测紫外线强度等目标参数的新策略，即利用机器学习算法建立响应信号特征与参数之间的回归模型。这种策略有效地减少了动态弯曲应变对柔性SAW器件传感性能的影响，从而能够准确预测动态应变下的紫外线强度。结果表明，在0~1160 με的应变干扰下，基于XGBoost算法的模型具有最佳的紫外线（目标）预测性能，决定系数为0.996，归一化均方根误差为0.019。为了证明所提出的技术的潜在作用，研究人员随机在航天器模型曲面的四个不同位置上粘贴了柔性SAW传感器，包括平面状态和曲率半径分别为14.5 cm、11.5 cm和5.8 cm的三个曲面。在随机弯曲的条件下，柔性SAW传感器表现出高度可靠和稳定的紫外线传感性能，与在平面上获得的数据相比，最大相对误差仅为3.1%。