扬声器
|
成绩单
|
| 瓦莱丽·伦诺尔 |
该实验室的一个主要重点是开发用于人体的新型灵活声学传感器。 |
| |
今天，我将讨论我的研究，即使用最佳实验设计来研究添加颗粒的几种不同聚合物材料的声学特性。 |
| |
该实验的结果用于开发声阻抗匹配传感器。 |
| |
因此，声阻抗和衰减是影响声音传播材料的重要材料特性。 声阻抗是声波通过材料的速度密度的函数。 |
| |
当声音从一种材料传播到另一种材料时，声阻抗的差异会导致能量在边界处反射。 |
| |
水和空气之间的声阻抗不匹配就是为什么，如果有人在水池中的水下发出声音，而您站在池边，您将听不到该声音。 |
| |
这些动画展示了声阻抗如何影响身体声音的传输。 |
| |
在第一个图中，您将看到从您的身体发出的声音撞击您的皮肤和空气之间的界面，由于较大的阻抗不匹配，导致大多数声音被反射回身体。 |
| |
第二张图显示了当医生倾听您的意见时，这种效果如何真正放大...... |
| |
使用听诊器聆听您的身体。 阻抗失配导致一小部分入射能量被传输到听诊器，并且还增加了空气传播噪声真正破坏信号的路径。 |
| |
第三张图展示了我们使用阻抗匹配传感器的方法。 阻抗匹配良好，因此在身体传感器接口处发生的信号反射非常少，并且空气传播的噪声会被动地反射离开传感器。 |
| |
总的来说，通过匹配被监测介质的声阻抗，可以捕获更多的声音。 为了做到这一点，必须了解如何制造聚合物以达到特定的声阻抗。 |
| |
因此，之前的研究表明，纳米颗粒可以分散到聚合物基质中来控制其声阻抗。 |
| |
然而，现有研究的范围仅限于基本上探索设计空间，一次使用一个因素的方法并关注一小部分相关因素。 |
| |
因此，我们选择通过在 JMP 中设置最佳实验设计来扩展之前的研究。 最优设计是理想的，因为我们想要考虑连续、离散和分类因素的混合。 |
| |
因此，这两个表概述了我们纳入 DOE 的因素和应对措施。 |
| |
经过文献回顾并考虑应研究的因素后，我们选择包括七个聚合物类型的总因素；颗粒浓度、尺寸和密度； |
| |
样品厚度；以及表征频率和温度。 正如您在第三列中看到的，这些因素通常包括低、高和中心设置， |
| |
虽然聚合物类型包括四个级别。 该设计还考虑了因素限制，因此某些聚合物类型无法与最小粒径组合，因为它会阻止聚合物固化。 |
| |
我们研究了四种总响应，包括密度、声速、声阻抗和衰减。 |
| |
目标是以最小的衰减确定特定的声阻抗值，并了解影响声速密度的因素。 |
| |
我们的目标是估计所有平均效应、二阶交互作用和二次项，以生成具有高预测精度的模型。 为此，我们决定制造总共 98 个样本，以便具有合理的能力来检测这些效应。 |
| |
使用直通传输技术对材料进行表征，其中通过与参考材料（在本例中为水）进行比较来获得材料的未知声学特性。 |
| |
信号从发射器发送到接收器，并将捕获的信号在单独穿过水时与水和样品中进行比较。 |
| |
因此，在我们探索的设计空间中，我们发现……我们测量了一系列取决于聚合物和添加的颗粒特性的声阻抗。 |
| |
我们发现我们可以匹配水、皮肤和木材等材料的声阻抗。 |
| |
在收集了 98 个样本中每个样本的响应数据后，我们比较了各种简化的候选模型，目的是获得最高的预测精度 |
| |
模型系数数量最少。 我们使用了向后选择和 K 折交叉验证等技术 |
| |
获得可能的模型，然后使用各种评估工具来选择最终的模型。 我们考虑数据中是否存在异常值或影响点， |
| |
误差是否独立且呈正态分布且变量恒定且均值为零，以及模型中是否存在明显的不拟合。 |
| |
总的来说，我们发现最终选择的声阻抗模型足以满足我们的目的。 左边这个图 |
| |
显示实际与预测图，您可以看到，数据沿着对角线非常吻合，这意味着实际数据和预测数据高度相似。 |
| |
正如您所看到的，在右侧的图中，残差呈正态分布，大约为零，没有明显的模式。 |
| |
最终选择的模型包括聚合物类型、掺杂剂浓度和温度等重要因素。 该模型的调整 R 平方值为 0.995，均方根误差为 0.02。 |
| |
因此，由于我们的主要目标是制造具有特定声阻抗和最小衰减的聚合物，因此预测分析器确实很有帮助 |
| |
来达到这个目标。 因此，在本视频中，您可以看到我正在演示生产分析器如何指出以最小衰减实现 1.3MRayls 阻抗值目标所需的条件。 |
| |
我们使用预测分析器来预测制造总共九种阻抗分别为 1、1.3、1.6、1.9 和 2.2 MRayls 的聚合物所需的条件。 |
| |
预测声阻抗值与测量声阻抗值之间的平均误差仅为 1.4% 左右，相差约 0.05 MRayls。 |
| |
因此，我们对 DOE 的结果充满信心，在组装阻抗匹配声学传感器（我将其称为 Hearo）时使用了特定的聚合物制造条件。 |
| |
在此图中，您可以看到多个具有不同目标阻抗值的 Hearo 设备，具体取决于感兴趣的目标应用。 我们使用信噪比指标将此阻抗匹配设备与典型的麦克风和加速度计进行比较。 |
| |
在这些 SNR 图中，值越高表示与感兴趣信号的相关性越大，而与空气噪声的相关性越小。 因此，整体信号指标受到以下差异的限制： |
| |
与模拟器信号的相干性减去与噪声的相干性。 您可以看到这种橙色的 Hearo 与噪音的一致性较差 |
| |
与模拟器信号具有更高的一致性，与加速度计和带隔膜的麦克风相比，整体信噪比指标更高。 |
| |
在这些演示中，您可以看到这使得 Hearo 从身体或仪器捕获非常干净的信号，而不会拾取空气中的噪音。 因此，第一个视频展示了 Hearo 在家庭环境中记录心音和肺音。 |
| |
第二个视频显示 Hearo 录制铃声。 |
| |
因此，我们确实希望该传感器可以提供一种改进的方法来监测来自身体或仪器的声音。 典型的设备需要昂贵的噪声抑制电路。 |
| |
因此，总而言之，我们在 JMP 中使用了实验设计来了解多种制造和表征条件如何影响添加颗粒的聚合物的声学特性。 |
| |
实验获得的模型表现出较高的预测精度，并用于阻抗匹配声传感器的设计。 |
| |
与针对空气传播声音拾取进行优化的现有传感器相比，该传感器具有更高的信号保真度和降噪效果。 感谢您的关注，如有任何问题请随时与我联系。 |
