Flow Vector Prediction Using an Asymmetric Thermal Sensor with AI = 유동 벡터 추정을 위한 인공지능 기반 비대칭 열유량 센서

다국어 초록 (Multilingual Abstract)

Accurate flow sensing plays a crucial role in numerous fields such as industrial automation, environmental monitoring, and biomedical engineering. In these domains, precise quantification and analysis of fluid dynamics are essential for optimizing system performance and ensuring reliable operation. Nevertheless, traditional flow sensing devices typically exhibit large form factors and intricate structural designs, which can cause notable disturbances in the fluid stream and impede seamless integration. To overcome these challenges, we propose an innovative monolithic asymmetric thermal flow sensor (MATFS), which is manufactured by selective sintering and reduction of NiO nanoparticles triggered by laser irradiation. This approach enables the monolithic integration of a circular-heater and spiral-structured temperature sensing elements within a thin-film architecture, thereby minimizing flow disturbance and enhancing the precision of thermal measurements. In contrast to traditional calorimetric flow sensors that depend on intricate multi-electrode configurations, the proposed design employs an asymmetrically patterned spiral temperature sensor encircling the circular-heater. This compact yet refined hardware architecture not only streamlines the fabrication procedure but also establishes a fundamental platform for deep learning–driven flow estimation. By integrating the asymmetric thermal flow sensor configuration with reinforcement learning techniques, the proposed system enables precise flow vector estimation through real-time evaluation of resistance variations. The direction of fluid flow was classified with an accuracy of 96%, while the velocity was estimated with 100% accuracy. Furthermore, the sensor integrates a wireless communication module for real-time data transmission, enhancing its utility in remote and embedded monitoring applications. The resulting platform provides a compact, intelligent, and reliable solution for diverse flow estimation tasks, establishing a promising framework for next-generation smart sensing systems.

국문 초록 (Abstract)

정확한 유동 벡터 측정은 산업 자동화, 환경 모니터링, 생체의료 등 다양한 분야에서 유체 역학의 정밀한 분석을 위해 필수적이다. 그러나 기존 유량 센서는 구조가 크고 전극 배치가 복잡하여 유동을 왜곡하고 센서의 시스템 통합을 어렵게 만드는 한계점이 있다. 본 연구에서는 이러한 문제를 해결하기 위해, 니켈 산화물 나노파티클을 레이저로 선택적으로 소결 및 환원하는 공정을 통해 제작된 강화학습 기반의 단일체형 비대칭 열 유량 센서를 제안한다. 본 센서는 원형 히터와 온도 센서를 박막 구조 내에 일체화하여 유동 간섭을 최소화하고 측정 정확도를 향상시킨다. 제안된 센서는 기존의 다중 전극 어레이를 필요로 하는 열량형 센서와 달리, 원형 히터를 중심으로 비대칭 나선형 온도 센서를 배치하여 구조를 간소화하고 그에 맞게 최적화하였다. 나아가, 이 비대칭 센서 아키텍처에 강화학습 알고리즘을 결합함으로써 센서 저항 변화로부터 유동 벡터를 실시간으로 정밀하게 예측할 수 있다. 실험 결과, 유체의 흐름 방향은 96%, 유속은 100%의 정확도로 분류되었다. 또한, 센서에는 무선 통신 모듈이 내장되어 있어 실시간 데이터 전송이 가능하며, 원격 및 임베디드 환경에서의 활용성을 높였다. 본 연구에서 제안하는 센서는 작고 지능적이며 신뢰성 높은 유량 추정 솔루션으로, 차세대 스마트 센싱 시스템의 핵심 기술로서 높은 가능성을 지닌다.

목차 (Table of Contents)

• Abstract i
• Table of Contents iv
• List of Tables iv
• List of Figures vi
• Chapter 1. Introduction 1
• 1.1. Motivation 1
• 1.2. Limitations of previous studies 4
• 1.3. Preview of this study 7
• Chapter 2. Methods 10
• 2.1. Optical setup and NiO nanoparticle ink synthesis 10
• 2.2. NiO sensor and heater patterning process 13
• 2.3. Temperature sensing channel and electrode characterization 16
• Chapter 3. Optimization and Evaluation 21
• 3.1. Optimization for NiO reduction process 21
• 3.2. Evaluation of circular heater 24
• 3.3. Evaluation of temperature sensor 29
• 3.4. Evaluation of MATFS as thermal flow sensor 35
• Chapter 4. Application of MATFS 40
• 4.1. Embedded System Design for Wireless Communication 40
• 4.2. Deep Learning-Based Classification of Fluid Flow Vectors 43
• Chapter 5. Conclusion and perspectives 50
• Bibliography 53
• 국문 초록 57