756817_fr-FR

liliconcom

Conception d'expériences pour caractériser et prédire les propriétés acoustiques des polymères (2021-US-EPO-866)

Valerie Rennoll, Université Johns Hopkins, Université Johns Hopkins
Ian McLane, étudiant diplômé, Université Johns Hopkins
Drew Grant, étudiant diplômé, Université Johns Hopkins
Mounya Elhilali, professeur, Université Johns Hopkins

James West, professeur, Université Johns Hopkins

L'impédance et l'atténuation acoustiques sont des propriétés importantes qui ont un impact sur la propagation du son dans les applications sous-marines et médicales. Pour cibler des propriétés acoustiques spécifiques, plusieurs polymères avec une gamme de densités et de rigidités peuvent être utilisés, puis ajustés davantage avec l'ajout de dopants. En utilisant un plan d'expériences I-optimal dans JMP, la relation entre plusieurs conditions de fabrication et de caractérisation sur l'impédance acoustique et l'atténuation des polymères avec des dopants nanoparticulaires a été explorée. Un total de 98 échantillons ont été fabriqués et caractérisés avec des facteurs de type de polymère (PDMS, ecoflex et polyuréthane), d'épaisseur de l'échantillon, de densité de dopant, de concentration de dopant, de taille de dopant, ainsi que de fréquence et de température de caractérisation. Les modèles statistiques obtenus précisent les conditions nécessaires pour adapter les polymères à des impédances acoustiques comprises entre 1 et 2,2 MRayls, tout en minimisant ou maximisant l'atténuation. Neuf échantillons de validation ont été fabriqués pour cibler cinq valeurs d'impédance avec des atténuations minimales ou maximales et ont démontré une erreur prévue moyenne de 1,4 % par rapport aux valeurs d'impédance mesurées. Le modèle est utilisé pour construire des capteurs acoustiquement adaptés à des matériaux tels que la peau humaine, le bois et l’eau.

Transcription générée automatiquement...

Conférencier	Transcription
Valérie Rennoll	L'un des principaux objectifs du laboratoire est le développement de nouveaux capteurs acoustiques flexibles destinés à être utilisés sur le corps.
	Aujourd'hui, je vais discuter de mes recherches sur l'utilisation d'un plan d'expériences optimal pour étudier les propriétés acoustiques de plusieurs matériaux polymères différents avec des particules ajoutées.
	Les résultats de cette expérience sont utilisés pour développer un capteur adapté à l'impédance acoustique.
	L’impédance et l’atténuation acoustiques sont donc des propriétés matérielles importantes qui ont un impact sur les matériaux de propagation du son. L'impédance acoustique est fonction de sa densité dans la vitesse du son à travers le matériau.
	Lorsque le son se déplace d’un matériau à un autre, les différences d’impédance acoustique provoquent une réflexion de l’énergie à la frontière.
	Cette inadéquation d'impédance acoustique entre l'eau et l'air explique pourquoi, si quelqu'un émet un son sous l'eau dans une piscine et que vous vous tenez au bord de cette piscine, vous ne pourrez pas entendre ce son.
	Ces animations montrent donc l’impact de l’impédance acoustique sur la transmission des sons corporels.
	Dans cette première figure, vous verrez que le son émis par votre corps atteint une interface entre votre peau et l'air, provoquant la réflexion de la plupart des sons vers le corps, en raison du grand décalage d'impédance.
	La deuxième figure montre à quel point cet effet est réellement amplifié lorsqu'un médecin écoute votre...
	écoute votre corps à l'aide d'un stéthoscope. La disparité d'impédance conduit à la transmission d'une petite partie de l'énergie incidente au stéthoscope et ajoute également un chemin où le bruit aérien peut vraiment corrompre le signal.
	Cette troisième figure démontre notre approche avec un capteur d'adaptation d'impédance. Les impédances sont bien adaptées, de sorte que très peu de réflexion du signal se produit à l'interface du capteur corporel et que le bruit aérien est réfléchi passivement par le capteur.
	Dans l’ensemble, en adaptant l’impédance acoustique du support surveillé, une plus grande quantité de son peut être capturée. Pour ce faire, il faut comprendre comment fabriquer un polymère pour cibler une impédance acoustique spécifique.
	Ainsi, des recherches antérieures avaient démontré que les nanoparticules pouvaient être dispersées dans une matrice polymère pour contrôler son impédance acoustique.
	Cependant, la portée des recherches existantes était limitée à l’exploration fondamentale de l’espace de conception, en utilisant une approche facteur par facteur et en se concentrant sur un petit sous-ensemble de facteurs pertinents.
	Nous avons donc choisi de développer des recherches antérieures en mettant en place un plan d’expérience optimal dans JMP. La conception optimale était idéale car nous souhaitions prendre en compte un mélange de facteurs continus, discrets et catégoriels.
	Ces deux tableaux donnent donc un aperçu des facteurs et des réponses que nous avons inclus dans le DOE.
	Après une revue de la littérature pour considérer les facteurs qui devraient être étudiés, nous avons choisi d'inclure sept facteurs au total de type polymère ; concentration, taille et densité des particules ;
	épaisseur de l'échantillon ; et la fréquence et la température de caractérisation. Comme vous pouvez le voir dans cette troisième colonne, les facteurs comprenaient généralement les réglages bas, élevés et centraux,
	bien que le type de polymère comprenne quatre niveaux. La conception a également été conçue pour prendre en compte les restrictions de facteurs, de sorte que certains types de polymères ne pouvaient pas être combinés avec la plus petite taille de particules, car cela empêchait les polymères de durcir.
	Nous avons étudié quatre réponses totales, notamment la densité, la vitesse du son, l'impédance acoustique et l'atténuation.
	L'objectif était de cibler une valeur d'impédance acoustique spécifique avec une atténuation minimale et de simplement comprendre les facteurs qui ont un impact sur la densité de la vitesse du son.
	Notre objectif était d'estimer tous les effets moyens, les interactions de second ordre et les termes quadratiques afin de générer un modèle avec une précision prédictive élevée. Et pour ce faire, nous avons décidé de fabriquer un total de 98 échantillons afin d’avoir une puissance raisonnable pour détecter ces effets.
	Les matériaux ont été caractérisés à l'aide d'une technique de transmission directe dans laquelle les propriétés acoustiques inconnues du matériau sont obtenues par comparaison avec un matériau de référence, en l'occurrence l'eau.
	Un signal est envoyé de l'émetteur au récepteur et le signal capturé est comparé lors du voyage dans l'eau seule, à l'eau et à l'échantillon.
	Ainsi, dans l'espace de conception que nous avons exploré, nous avons découvert... que nous mesurions une gamme d'impédances acoustiques en fonction du polymère et des propriétés des particules ajoutées.
	Nous avons découvert que nous pouvions faire correspondre les impédances acoustiques de matériaux tels que l'eau, la peau et le bois.
	Après avoir collecté les données de réponse pour chacun des 98 échantillons, nous avons comparé différents modèles candidats réduits, dans le but d'obtenir la plus grande précision prédictive.
	avec le moins de coefficients de modèle. Nous avons utilisé des techniques telles que la sélection rétrospective et la validation croisée K Fold.
	pour obtenir des modèles possibles, puis utilisé divers outils d'évaluation pour choisir le modèle final. Nous avons examiné s'il y avait des valeurs aberrantes ou des points influents inclus dans les données,
	si les erreurs étaient indépendantes et normalement distribuées avec des variantes constantes et une moyenne nulle, et s'il y avait un manque d'ajustement significatif dans le modèle.
	Dans l’ensemble, nous avons constaté que le modèle d’impédance acoustique finalement choisi convenait parfaitement à nos objectifs. Ce tracé à gauche
	montre le tracé réel par rapport au tracé prévu, et vous pouvez voir que les données s'ajustent très bien le long de la ligne diagonale, ce qui signifie que les données réelles et prédictives sont très similaires.
	Et les résidus, comme vous pouvez le voir, sur ce graphique de droite, sont normalement distribués autour de zéro sans motif distinct.
	Le modèle final choisi incluait des facteurs significatifs de type de polymère, de concentration de dopant et de température. Le modèle avait une valeur R au carré ajustée de 0,995 et une erreur quadratique moyenne de 0,02.
	Ainsi, comme notre objectif principal était de fabriquer un polymère avec une impédance acoustique spécifique et une atténuation minimale, le profileur de prédiction s'est avéré très utile.
	pour atteindre cet objectif. Ainsi, dans cette vidéo, vous pouvez voir que je démontre comment le profileur de production indique les conditions nécessaires pour cibler une valeur d'impédance de 1,3 MRayls avec une atténuation minimale.
	Nous avons utilisé le profileur de prédiction pour prédire les conditions nécessaires à la fabrication d'un total de neuf polymères avec une impédance de 1, 1,3, 1,6, 1,9 et 2,2 MRayls.
	L'erreur moyenne entre les valeurs d'impédance acoustique prédites et mesurées n'était que d'environ 1,4 %, soit une différence d'environ 0,05 MRayls.
	Ainsi, confiants dans les résultats de notre DOE, nous avons utilisé les conditions spécifiques de fabrication du polymère lors de la mise au point d'un capteur acoustique à impédance adaptée, que j'appellerai Hearo.
	Dans cette image, vous pouvez voir plusieurs appareils Hearo avec différentes valeurs d'impédance cible, en fonction de l'application cible qui vous intéresse. Nous comparons ce dispositif d'adaptation d'impédance à un microphone et un accéléromètre typiques en utilisant des mesures de rapport signal sur bruit.
	Dans ces chiffres SNR, une valeur plus élevée indique une plus grande corrélation avec le signal d’intérêt et une moindre corrélation avec le bruit aérien. Ainsi, la métrique globale du signal est liée en prenant la différence entre
	la cohérence avec le signal du simulateur moins la cohérence avec le bruit. Vous pouvez voir que Hearo dans cette sorte de couleur orangée montre moins de cohérence avec le bruit
	et une plus grande cohérence avec le signal du simulateur, conduisant à une métrique SNR globalement plus élevée par rapport à un accéléromètre et un microphone à diaphragme.
	Dans ces démonstrations, vous pouvez voir que cela conduit Hearo à capturer un signal très clair provenant du corps ou de l'instrument sans capter le bruit aérien. Cette première vidéo montre donc Hearo enregistrant des bruits cardiaques et pulmonaires à la maison.
	Et la deuxième vidéo montre Hearo enregistrant les cloches.
	Nous envisageons donc réellement que ce capteur puisse fournir un moyen amélioré de surveiller les sons du corps ou des instruments. Les appareils typiques nécessitent des circuits de suppression du bruit coûteux.
	En résumé, nous avons utilisé un plan d'expériences dans JMP pour comprendre l'impact de plusieurs conditions de fabrication et de caractérisation sur les propriétés acoustiques des polymères contenant des particules ajoutées.
	Le modèle obtenu à partir de l’expérience a démontré une grande précision prédictive et a été utilisé dans la conception d’un capteur acoustique à impédance adaptée.
	Le capteur démontre une fidélité du signal et une réduction du bruit améliorées par rapport aux capteurs existants optimisés pour la capture des bruits aériens. Merci de votre attention et n'hésitez pas à me contacter pour toute question.