スピーカー
|
トランスクリプト
|
| ヴァレリー・レンノール |
研究室の主な焦点は、身体に使用するための新しい柔軟な音響センサーの開発です。 |
| |
今日は、実験の最適な設計を使用して、粒子が追加されたいくつかの異なるポリマー材料の音響特性を研究することに関する私の研究について説明します。 |
| |
この実験の結果は、音響インピーダンス整合センサーの開発に使用されます。 |
| |
したがって、音響インピーダンスと減衰は、音の伝播材料に影響を与える重要な材料特性です。 音響インピーダンスは、材料を通過する音速における密度の関数です。 |
| |
音が1つの材料から別の材料に伝わるとき、音響インピーダンスの違いにより、エネルギーが境界で反射します。 |
| |
水と空気の間のこの音響インピーダンスの不一致は、誰かがプールの中で水中で音を出し、あなたがそのプールの横に立っている場合、その音を聞くことができない理由です。 |
| |
したがって、これらのアニメーションは、音響インピーダンスが体の音の伝達にどのように影響するかを示しています。 |
| |
この最初の図では、身体から放出された音が皮膚と空気の境界面に当たり、インピーダンスの不一致が大きいため、ほとんどの音が身体に向かって反射されていることがわかります。 |
| |
2番目の図は、医師があなたの話を聞いたときに、この効果が実際にどのように増幅されるかを示しています... |
| |
stethoscopを使用してあなたの体に耳を傾けます。 インピーダンスの不一致により、入射エネルギーのごく一部が聴診器に送信され、空中ノイズが信号を実際に破壊する可能性のある経路が追加されます。 |
| |
この3番目の図は、インピーダンス整合センサーを使用したアプローチを示しています。 インピーダンスはよく一致しているため、ボディセンサーのインターフェースで信号の反射はほとんど発生せず、空気中のノイズはセンサーから離れて受動的に反射されます。 |
| |
全体として、監視対象の媒体の音響インピーダンスを一致させることにより、より多くの音を取り込むことができます。 これを行うには、特定の音響インピーダンスをターゲットにするためにポリマーを製造する方法を理解する必要があります。 |
| |
そのため、以前の研究では、ナノ粒子をポリマーマトリックスに分散させて音響インピーダンスを制御できることが実証されていました。 |
| |
ただし、既存の研究の範囲は、基本的に設計空間を調査し、一度に1つの要素を使用し、関連する要素の小さなサブセットに焦点を当てることに限定されていました。 |
| |
そこで、JMPで実験の最適な設計を設定することにより、以前の研究を拡張することを選択しました。 連続、離散、およびカテゴリの要素の組み合わせを検討したかったため、最適な設計が理想的でした。 |
| |
したがって、これら2つの表は、DOEに含めた要因と応答の概要を示しています。 |
| |
研究すべき要因を検討するための文献レビューの後、ポリマータイプの合計7つの要因を含めることを選択しました。粒子の濃度、サイズ、密度。 |
| |
サンプルの厚さ;特性評価の頻度と温度。 この3番目の列でわかるように、要因には通常、低、高、および中央の設定が含まれます。 |
| |
ポリマータイプには4つのレベルが含まれていますが。 また、ファクターの制限を考慮して設計されているため、特定のポリマータイプは、ポリマーの硬化を妨げるため、最小の粒子サイズと組み合わせることができませんでした。 |
| |
密度、音速、音響インピーダンス、減衰を含む4つの合計応答を調査しました。 |
| |
目標は、最小の減衰で特定の音響インピーダンス値をターゲットにし、音速の密度に影響を与える要因を理解することでした。 |
| |
すべての平均効果、2次交互作用、および2次項を推定して、高い予測精度のモデルを生成することを目的としました。 そして、これを行うために、これらの影響を検出するための妥当な能力を持つために、合計98個のサンプルを作成することにしました。 |
| |
材料は、材料の未知の音響特性が参照材料（この場合は水）との比較から得られる透過技術を使用して特徴付けられました。 |
| |
信号は送信機から受信機に送信され、キャプチャされた信号は、水だけを通過するときと、水とサンプルを通過するときに比較されます。 |
| |
そのため、調査した設計空間内で、ポリマーと追加された粒子の特性に応じて、音響インピーダンスの範囲を測定しました。 |
| |
水、皮膚、木材などの材料の音響インピーダンスを一致させることができることがわかりました。 |
| |
98個のサンプルのそれぞれについて応答データを収集した後、最高の予測精度を得るために、さまざまな縮小候補モデルを比較しました。 |
| |
モデル係数の数が最も少ない。 後方選択やK分割交差検定などの手法を使用しました |
| |
可能なモデルを取得し、さまざまな評価ツールを使用して最終モデルを選択しました。 データに外れ値または影響力のあるポイントが含まれているかどうかを検討しました。 |
| |
エラーが独立していて、一定のバリアントと平均がゼロで正規分布している場合、およびモデルに大幅に適合していないかどうか。 |
| |
全体として、最終的に選択された音響インピーダンスモデルが私たちの目的に適切であることがわかりました。 左側のこのプロット |
| |
は実際のプロットと予測されたプロットを示しています。ご覧のとおり、データは対角線に沿って非常によく適合しています。つまり、実際のデータと予測データは非常に類似しています。 |
| |
そして、ご覧のとおり、右側のこのプロットの残差は、通常、明確なパターンなしでほぼゼロに分布しています。 |
| |
最終的に選択されたモデルには、ポリマータイプ、ドーパント濃度、および温度の重要な要素が含まれていました。 モデルの調整済み決定係数の値は.995で、二乗平均平方根誤差は.02でした。 |
| |
したがって、私たちの主な目標は特定の音響インピーダンスと最小の減衰を備えたポリマーを製造することだったので、予測プロファイラーは本当に役に立ちました |
| |
この目標を達成するために。 したがって、このビデオでは、プロダクションプロファイラーが最小の減衰で1.3MRaylsのインピーダンス値をターゲットにするために必要な条件をどのように指摘するかを示しています。 |
| |
予測プロファイラーを使用して、インピーダンスが1、1.3、1.6、1.9、および2.2MRaylsの合計9つのポリマーを製造するために必要な条件を予測しました。 |
| |
予測された音響インピーダンス値と測定された音響インピーダンス値の間の平均誤差はわずか約1.4％であり、約.05MRaylsの差でした。 |
| |
そのため、DOEの結果に自信を持って、インピーダンス整合音響センサーを組み立てる際に特定のポリマー製造条件を使用しました。これをHearoと呼びます。 |
| |
この画像では、対象のターゲットアプリケーションに応じて、ターゲットインピーダンス値が異なるいくつかのHearoデバイスを見ることができます。 このインピーダンス整合デバイスを、信号対雑音比のメトリックを使用して、一般的なマイクおよび加速度計と比較します。 |
| |
これらのSNRの数値では、値が高いほど、対象の信号との相関が高く、空中ノイズとの相関が低いことを示しています。 したがって、全体的な信号メトリックは、 |
| |
シミュレータ信号とのコヒーレンスからノイズとのコヒーレンスを引いたもの。 このようなオレンジ色のHearoは、ノイズとの一貫性が低いことがわかります。 |
| |
シミュレータ信号とのコヒーレンスが向上し、ダイアフラム付きの加速度計やマイクロフォンと比較して、全体的に高いSNRメトリックが得られます。 |
| |
これらのデモンストレーションでは、これにより、Hearoが空中ノイズを拾うことなく身体または機器から非常にクリーンな信号をキャプチャすることがわかります。 したがって、この最初のビデオは、自宅での心臓と肺の音のHearo録音を示しています。 |
| |
そして2番目のビデオはHearoが鐘を録音しているところを示しています。 |
| |
したがって、このセンサーが身体や楽器からの音を監視するための改善された方法を提供できると私たちは本当に想像しています。 一般的なデバイスには、高価なノイズ抑制回路が必要です。 |
| |
したがって、要約すると、JMPでの実験計画法を使用して、複数の製造および特性評価条件が、粒子が追加されたポリマーの音響特性にどのように影響するかを理解しました。 |
| |
実験から得られたモデルは、高い予測精度を示し、インピーダンス整合音響センサーの設計に使用されました。 |
| |
このセンサーは、空中の音を拾うために最適化された既存のセンサーと比較して、改善された信号忠実度とノイズリダクションを示します。 ご清聴ありがとうございました。ご不明な点がございましたら、お気軽にお問い合わせください。 |
