近日，贵州大学机械工程学院车辆工程系本科生黄锦辉以第一作者身份，在国际权威期刊《Sustainable Materials and Technologies》（影响因子9.2，中科院二区）发表题为A wind-powered self-monitoring system for urban highway tunnels based on acoustic recognition sensing的学术论文，贵州大学为第一完成单位，漆令飞副教授担任通讯作者。
公路隧道作为交通路网关键节点，其安全监测长期依赖外接供电设备，存在能耗较高、布设范围受限、异常事件响应滞后等现实问题。针对隧道场景能源供给与智能感知协同需求，本研究提出一种风能驱动、声学识别感知的城市公路隧道自监控系统，创新性设计电磁——压电混合能量采集装置，可高效捕获车辆行驶诱导的风能与环境声能，实现系统自主供电；同时依托声学传感器与深度学习模型，自动识别隧道内碰撞、急刹、求救、异常鸣笛、爆炸等异常声音信号，为隧道交通安全监测提供轻量化、自供能、智能化的全新技术方案。
研究通过系统实验与现场测试验证核心性能：风能采集模块（WED-EMG）采用交替磁阵列，发电性能优于传统Halbach阵列，在10m/s风速下可点亮70盏LED灯，0.5秒内将100μF电容充至2.32V，1m/s低风速即可稳定启动，具备优异的环境适应性；声能采集模块（AED-PSS）结合亥姆霍兹共振腔与声能反射器，电压输出较无增强结构提升近30倍，可稳定完成声音信号采集。基于CNN-LSTM构建的深度学习模型，对7类交通音频事件分类准确，测试集识别准确率达92.6%，各项指标表现优异，可满足隧道安全实时监测要求。
《Sustainable Materials and Technologies》聚焦可持续材料与先进能源技术研究，在能源工程、环境材料、智能传感等领域具有广泛学术影响力，为中科院二区期刊，是相关领域重要的国际学术交流平台。
本次成果是学院本科生科创培养与交叉学科研究的重要突破，充分展现了贵州大学在新能源技术、智能感知与交通装备安全领域的育人成效与科研实力，为公路隧道智能监测、自供能传感系统研发提供了坚实的理论依据与实践参考。
论文DOI：https://doi.org/10.1016/j.susmat.2026.e01996
文字：黄锦辉
一审：袁洪艺
二审：董蔚然
三审：赵津