| Conférencier |
Transcription |
| Valérie Rennoll |
L’un des principaux objectifs du laboratoire est de développer de nouveaux capteurs acoustiques flexibles destinés à être utilisés sur le corps. |
| |
Aujourd'hui, je vais discuter de mes recherches sur l'utilisation d'une conception optimale d'expériences 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 influencent la propagation du son. L'impédance acoustique est fonction de sa densité et de la vitesse du son à travers le matériau. |
| |
Lorsque le son se propage 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 est la raison pour laquelle, 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 comment l’impédance acoustique impacte la transmission des sons corporels. |
| |
Dans cette première figure, vous verrez que le son émis par votre corps frappe une interface entre votre peau et l'air, ce qui fait que la plupart des sons sont réfléchis vers le corps, en raison de la grande inadéquation d'impédance. |
| |
La deuxième figure montre comment cet effet est réellement amplifié lorsqu'un médecin écoute votre... |
| |
Il écoute votre corps à l'aide d'un stéthoscope. La désadaptation d'impédance entraîne la transmission d'une faible partie de l'énergie incidente au stéthoscope et crée également un chemin par lequel le bruit aérien peut fortement altérer le signal. |
| |
Cette troisième figure illustre notre approche avec un capteur à adaptation d'impédance. Les impédances étant parfaitement adaptées, la réflexion du signal à l'interface du capteur est minime et le bruit aérien est réfléchi passivement hors du capteur. |
| |
Globalement, en adaptant l'impédance acoustique du milieu surveillé, une plus grande quantité de son peut être captée. Pour ce faire, il est nécessaire de comprendre comment un polymère peut être fabriqué pour cibler une impédance acoustique spécifique. |
| |
Des recherches antérieures ont démontré que des nanoparticules peuvent être dispersées dans une matrice polymère pour contrôler son impédance acoustique. |
| |
Cependant, la recherche existante se limitait à explorer essentiellement l’espace de conception, en utilisant une approche un facteur à la fois et en se concentrant sur un petit sous-ensemble de facteurs pertinents. |
| |
Nous avons donc choisi d'approfondir nos recherches antérieures en mettant en place un plan d'expériences optimal dans JMP. Ce plan optimal était idéal car nous souhaitions prendre en compte une combinaison 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 : type de polymère ; concentration, taille et densité des particules ; |
| |
l'épaisseur de l'échantillon ; la fréquence et la température de caractérisation. Comme vous pouvez le constater dans cette troisième colonne, les facteurs incluaient généralement les réglages bas, haut et central. |
| |
Bien que le type de polymère inclue quatre niveaux, la conception a également été conçue pour tenir compte des contraintes de facteurs, de sorte que certains types de polymères ne pouvaient pas être combinés avec la plus petite granulométrie, car cela empêchait leur durcissement. |
| |
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 du second ordre et les termes quadratiques afin de générer un modèle doté d'une grande précision prédictive. Pour ce faire, nous avons choisi de fabriquer un total de 98 échantillons afin de disposer d'une puissance suffisante 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, dans ce cas l'eau. |
| |
Un signal est envoyé de l'émetteur au récepteur et le signal capturé est comparé lorsqu'il se déplace dans l'eau seule, par rapport à l'eau et à l'échantillon. |
| |
Ainsi, dans l’espace de conception que nous avons exploré, nous avons découvert… nous avons mesuré une gamme d’impédances acoustiques en fonction des propriétés du polymère et 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 des 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 plus petit nombre de coefficients de modèle. Nous avons utilisé des techniques telles que la sélection rétrograde et la validation croisée K-fold. |
| |
Pour obtenir des modèles possibles, nous avons utilisé divers outils d'évaluation pour choisir le modèle final. Nous avons examiné la présence de valeurs aberrantes ou de points influents dans les données. |
| |
si les erreurs étaient indépendantes et distribuées normalement avec des variantes constantes et une moyenne de zéro, 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 retenu était adapté à nos besoins. Ce graphique à gauche |
| |
montre le graphique réel par rapport au graphique prédit, et vous pouvez voir que les données s'adaptent 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 modèle distinct. |
| |
Le modèle final retenu incluait des facteurs significatifs tels que le type de polymère, la concentration en dopants et la température. Le modèle présentait 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, je montre dans cette vidéo comment le profileur de production identifie les conditions nécessaires pour atteindre 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 l'assemblage d'un capteur acoustique à impédance adaptée, que j'appellerai Hearo. |
| |
Sur cette image, vous pouvez voir plusieurs appareils Hearo avec différentes valeurs d'impédance cible, selon l'application ciblée. Nous comparons cet appareil d'adaptation d'impédance à un microphone et un accéléromètre classiques en utilisant des mesures du rapport signal/bruit. |
| |
Dans ces valeurs de rapport signal/bruit, une valeur élevée indique une corrélation plus forte avec le signal d'intérêt et une corrélation plus faible avec le bruit aérien. La mesure globale du signal est donc limitée par la différence entre |
| |
La cohérence avec le signal du simulateur moins la cohérence avec le bruit. On constate que Hearo, avec cette couleur orangée, présente une moindre cohérence avec le bruit. |
| |
et une plus grande cohérence avec le signal du simulateur, conduisant à une mesure SNR globalement plus élevée par rapport à un accéléromètre et un microphone avec un diaphragme. |
| |
Ces démonstrations montrent que Hearo capte ainsi un signal très clair provenant du corps ou de l'instrument, sans capter les bruits aériens. Cette première vidéo montre l'enregistrement Hearo des bruits cardiaques et pulmonaires à domicile. |
| |
Et la deuxième vidéo montre Hearo en train d'enregistrer les cloches. |
| |
Nous pensons donc que ce capteur pourrait offrir une meilleure façon de surveiller les sons émis par le corps ou les instruments. Les appareils classiques nécessitent des circuits de suppression du bruit coûteux. |
| |
Ainsi, en résumé, nous avons utilisé une conception d’expériences dans JMP pour comprendre comment de multiples conditions de fabrication et de caractérisation impactent les propriétés acoustiques des polymères avec 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 adapté en impédance. |
| |
Le capteur offre une meilleure fidélité du signal et une réduction du bruit améliorée par rapport aux capteurs existants optimisés pour la captation des sons aériens. Merci de votre attention et n'hésitez pas à me contacter pour toute question. |
