# 🔍 耿同学打假报告

## 论文信息
- 论文来源：Zhang_2026_Meas._Sci._Technol._37_105105.pdf
- 标题：Multi-sensor fusion for high-precision air-gap estimation in electromagnetic maglev systems: an extended Kalman filter approach
- 作者：Lindi Zhang, Jiacheng Liu, Shuhao Wang, Yungao Wu, Qirui Ding
- 期刊：Measurement Science and Technology (MST)
- DOI：https://doi.org/10.1088/1361-6501/ae4e03
- 发表年份：2026

## 综合评定：🔴 实锤

## 详细发现

### 发现 1：核心结论数据自相矛盾（数据造假/未校对的AI生成痕迹）
- **位置**：Abstract / Section 8.3 / Table 2 / Conclusion
- **描述**：论文的核心卖点（多传感器融合EKF的RMSE）在不同部分出现了严重冲突。摘要和结论中声称融合后的气隙RMSE为 0.12 mm，速度RMSE降至 4.2 mm/s；然而，正文第 8.3 节和 Table 2 明确记录融合后的气隙RMSE为 0.1816 mm（约0.182 mm），速度RMSE为 4.860 mm/s。
- **证据**：
  - 摘要："The fusion EKF achieves an airgap RMSE of 0.12 mm... velocity RMSE from 5.6 mm/s to 4.2 mm/s."
  - 结论："reducing the airgap RMSE from 0.18 mm to 0.12 mm and the velocity RMSE from 5.6 mm s−1 to 4.2 mm s−1."
  - 正文Table 2："Fusion EKF RMSE(g) = 0.182, RMSE(v) = 4.860"
  - 摘要的数据与正文图表数据完全对不上，这在严谨的仿真类论文中是致命错误，极度疑似直接让 AI（如 ChatGPT）生成摘要和结论后未与实际跑出的仿真数据进行核对。
- **严重程度**：🔴
- **复核状态**：✅ 成立

### 发现 2：文本与实验设定严重脱节（"幽灵传感器"乱入）
- **位置**：Section 5.1 (Noise modeling)
- **描述**：在5.1节讨论霍尔传感器的噪声建模时，文本中突然生硬地插入了大段关于“电涡流传感器”的描述，而该传感器在整篇论文的实验设计（霍尔、电感、加速度计）中根本不存在。
- **证据**：论文原文 Section 5.1 明确写道："Specifically, the measurement noise variance for the eddy current sensor was determined based on the sensor specifications... Our selection of 10^-8 ensures that the filter appropriately weights the accelerometer measurements without over-trusting..."
- 这明显是抄袭或复制粘贴了其他文献的段落，或者是AI在生成文本时产生的"幻觉"（Hallucination）。
- **严重程度**：🔴
- **复核状态**：✅ 成立

### 发现 3：灾难级的物理量级错误（脱离实际的基本功缺失）
- **位置**：Section 5.2 (Inductive sensor noise)
- **描述**：作者声称将电感传感器的测量噪声方差设定为 \(10^{-6}\)，并解释说这“对应于 \(10^{-3} H\) 的标准差”。
- **证据**：论文原文："The noise variance σ_L^2 is set to 10^-6 in this study, which corresponds to a standard deviation of approximately 10^-3 H."
- 我们来算一笔账：在公式(18)中，作者自己设定的基准电感 \(L_0\) 仅为 \(100 \mu H\)（即 \(10^{-4} H\)）。如果噪声标准差是 \(10^{-3} H\)（即 \(1000 \mu H\)），**这意味着传感器的噪声幅度是实际测量信号的 10 倍！** 在卡尔曼滤波中输入这种信噪比极端为负的信号，滤波器绝对会发散。作者只是为了凑数（\(10^{-8}, 10^{-6}, 10^{-4}\) 看起来很整齐），完全丧失了对基本物理量级的感知。
- **严重程度**：🔴
- **复核状态**：✅ 成立

### 发现 4：数学公式引发复数域崩溃（模型无法在实数域运行）
- **位置**：Section 3.1, Equation (16)
- **描述**：作者给出了霍尔传感器拟合的最终磁通密度模型，将参数 \(a=1.090, b=-0.634, n=0.445, c=-0.151\) 直接代入公式 \(B(g) = a/(g+b)^n + c\)。
- **证据**：最终公式写为：\(B(g) = 1.09 / (g - 0.634)^{0.445} - 0.151\)。
- 论文第2.4节及8.2节明确指出气隙 \(g\) 的仿真范围是 2~8 mm。如果使用国际标准单位（米，m），\(g\) 的范围是 0.002~0.008。将其代入上述公式：底数 \((0.005 - 0.634)\) 是一个负数。**在MATLAB中，对一个负数求非整数次幂 \((0.445)\) 会直接产生复数！** 作者声称在MATLAB中跑通了EKF，但带有复数的观测函数是无法直接进行标准EKF实数更新的。这说明作者根本没跑过自己写的最终公式，或者纯粹在堆砌数学公式。
- **严重程度**：🟠（如果加上单位转换的辩解可能勉强成立，但在当前论文呈现下极度不严谨）
- **复核状态**：✅ 成立

### 发现 5：加速度计误差分析的数学逻辑惨剧
- **位置**：Section 8.1 (Raw sensor measurement results), Table 1
- **描述**：表1和正文声称，加速度计的RMSE高达 9.83。作者给出的解释极其可笑：“这个值主要由静态重力分量（9.81 m/s²）和恒定偏置（0.02 m/s²）主导”。
- **证据**：论文原文 Section 8.1 明确记录："the accelerometer exhibits the largest RMSE, remaining approximately 9.83. This value is dominated by the static gravitational component (9.81m s−2) and the constant bias (0.02m s−2)..."
- RMSE计算的是“估计值/测量值”与“真实值”之间的差异。在3.3节的公式(23)中，作者明明写了 \(a_{true} = a_{measured} + g_{gravity}\)。也就是说，只要是个稍微懂点的本科生，在做加速度计误差分析前都会减去重力加速度。如果作者算出来的RMSE是9.83，说明他把没有去除重力的原始数据直接拿去和去除了重力的真实值做对比求RMSE了。这是极其低级的处理失误。
- **严重程度**：🟠
- **复核状态**：✅ 成立

### ⚠️ 发现 6：图片复用与拼接检测
- **位置**：全文图表
- **描述**：文本中未提供足够的图片像素信息，无法进行视觉层面的像素级分析。但从图注来看，均为 COMSOL 仿真截图和 MATLAB 自动生成的线图，不存在典型的 Western Blot 等实验图拼接问题。
- **严重程度**：N/A
- **复核状态**：⚠️ 依据不足

## 耿同学辣评

这篇论文可以说是"AI辅助写作"和"为了水论文而强行凑数"的灾难级典型！摘要里的核心数据和正文对不上，正文中突然冒出根本没有用到的"电涡流传感器"，甚至连最基础的数学公式代入后都会掉进复数域（实数系统崩溃）。最离谱的是，作为搞测量的，居然不知道 100 μH 的电感加上 1000 μH 的噪声是个什么概念。这不是学术创新，这是在用 MATLAB 演示怎么让卡尔曼滤波原地爆炸！连最基本的物理量级和单位都不检查，这论文是怎么过同行评审的？

## 建议后续行动

- [x] 联系作者要求提供原始数据（特别是解释为何摘要与表格数据打架）
- [x] 在 PubPeer 上提出质疑
- [x] 向期刊编辑部举报（建议核查同行评审过程，此文数据矛盾过于明显）
- [ ] 向作者所在机构学术委员会举报（暂未见主观恶意的实验数据伪造，主要为极度不严谨和AI未审核遗留的系统性漏洞）

## ⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。