|
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、体内で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、最適な実験計画法を使用して、粒子を添加したさまざまなポリマー材料の音響特性を調べる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。 |
| |
音がある物質から別の物質に伝わるとき、音響インピーダンスの違いにより境界でエネルギーが反射します。 |
| |
水と空気の間の音響インピーダンスの不一致が原因で、誰かがプールの水中で音を立てても、プールの横に立っていてもその音が聞こえません。 |
| |
これらのアニメーションは、音響インピーダンスが身体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、体から発せられた音が皮膚と空気の境界面に当たり、大きなインピーダンス不整合によりほとんどの音が体に向かって反射されることがわかります。 |
| |
2 番目の図は、医師が患者の話を聞くと、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... |
| |
聴診器を使用して身体の音を聞きます。インピーダンスの不整合により、入射エネルギーの一部が聴診器に伝達され、空気中のノイズによって信号が破損する経路も追加されます。 |
| |
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当社のアプローチを示しています。インピーダンスは十分に整合されているため、ボディ センサー インターフェイスでの信号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受動的に反射されます。 |
| |
全体的に、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で、より多くの音を捉えることができます。これを実現するには、特定の音響インピーダンスをターゲットにしたポリマーの製造方法を理解する必要があります。 |
| |
これまでの研究では、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。 |
| |
しかし、既存の研究は、基本的に設計空間を探索し、一度に 1 つの要素のアプローチを使用し、関連する要素の小さなサブセットに焦点を当てるという範囲に限定されていました。 |
| |
そこで私たちは、JMP で最適な実験計画を設定することで、これまでの研究を拡張することにしました。連続因子、離散因子、カテゴリ因子の組み合わせを考慮したかったため、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に文献をレビューした後、ポリマーの種類、粒子の濃度、サイズ、密度の合計 7 つの要因を含めることを選択しました。 |
| |
サンプルの厚さ、特性評価の周波数と温度。この3番目の列からわかるように、要因には一般的に低、高、中央の設定が含まれます。 |
| |
ただし、ポリマー タイプには 4 つのレベルが含まれています。また、設計は要因の制限を考慮して設定されたため、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 つの総合的な応答を調査しました。 |
| |
目標は、減衰を最小限に抑えながら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。 |
| |
私たちは、すべての平均効果、二次相互作用、および二次項を推定し、高い予測精度を持つモデルを生成することを目指しました。そして、これを実現するために、これらの効果を検出するのに十分な力を持つように合計 98 個のサンプルを作成することにしました。 |
| |
材料の特性評価は、透過透過技術を使用して行われ、この技術では、基準材料（この場合は水）との比較から材料の未知の音響特性が得られます。 |
| |
信号は送信機から受信機に送信され、捕捉された信号は、水のみを通過したときと、水とサンプルを通過したときとで比較されます。 |
| |
そこで、私たちが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、さまざまな音響インピーダンスを測定できました。 |
| |
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のサンプル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ことを目的として、さまざまな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モデル。後方選択やK分割交差検証などの手法を使用した。 |
| |
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。データに外れ値や影響力のあるポイントが含まれているかどうかを考慮しました。 |
| |
誤差が独立しており、一定の変動とゼロの平均で正規分布しているかどうか、またモデルに重大な適合性の欠如があるかどうか。 |
| |
全体的に、最終的に選択した音響インピーダンスモデルは、私たちの目的に十分適合していることがわかりました。左のグラフは、 |
| |
実際のデータと予測データのプロットが表示され、データが対角線に沿って非常によく適合していることがわかります。これは、実際のデータと予測データが非常に類似していることを意味します。 |
| |
右側のグラフからわかるように、残差は明確なパターンがなく、ゼロを中心に正規分布しています。 |
| |
最終的に選択されたモデルには、ポリマーの種類、ドーパント濃度、温度という重要な要素が含まれていました。このモデルの調整された R 二乗値は .995、平均二乗誤差は .02 でした。 |
| |
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持つ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には、生産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目標とするために必要な条件をどのように指摘するかをこのビデオで実演しています。 |
| |
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、2.2 MRayls の合計 9 種類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平均誤差はわずか約 1.4% で、差は約 0.05 MRayls でした。 |
| |
そこで、DOE の結果に自信を持ち、インピーダンスが整合した音響センサー (Hearo と呼ぶ) 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。 |
| |
この画像では、対象となるアプリケーションに応じて、異なるターゲット インピーダンス値を持つ複数の Hearo デバイスを確認できます。信号対雑音比メトリックを使用して、このインピーダンス整合デバイスを一般的なマイクと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、対象信号との相関が高く、空気伝播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、次の差を取ることによって制限されます。 |
| |
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。このオレンジ色で表示されるHearoはノイズとのコヒーレンスが低いことがわかります。 |
| |
シミュレータ信号との一貫性も高くなり、振動板付き加速度計とマイクに比べて全体的に SNR メトリックが高くなります。 |
| |
これらのデモンストレーションでは、これにより Hearo が空気伝播ノイズを拾うことなく、人体や楽器から非常にクリーンな信号をキャプチャできることがわかります。この最初のビデオでは、家庭環境で Hearo が心臓音と肺音を録音している様子を示しています。 |
| |
2 番目のビデオでは、Hearo が鐘の音を録音している様子が映っています。 |
| |
そのため、私たちはこのセンサーが人体や楽器からの音をモニターするより優れた方法を提供できると本当に考えています。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。 |
| |
まとめると、JMP の実験計画法を使用して、複数の製造条件と特性評価条件が、粒子が添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、空気伝搬音のピックアップに最適化された既存のセンサーと比較して、信号忠実度とノイズ低減が向上しています。 ご清聴ありがとうございました。ご質問がございましたら、お気軽にお問い合わせください。 |
