| スピーカー |
トランスクリプト |
| ヴァレリー・レノル |
この研究所の主な焦点は、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ると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、インピーダンスの不整合が大きいため、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。 |
| |
聴診器を使っ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わり、空気中のノイズによって信号が著しく劣化する経路も生まれます。 |
| |
この3番目の図は、インピーダンス整合センサーを用いた当社のアプローチを示しています。インピーダンスが十分に整合しているため、人体センサーとのインターフェースにおける信号反射は極めて少なく、空気伝播ノイズはセンサーから受動的に反射されます。 |
| |
全体として、モニタリング対象媒体の音響インピーダンスを整合させることで、より多くの音を捕捉することができます。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と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 つの要素を使用する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、カテゴリ因子を組み合わせた実験計画を考えたため、最適な計画は理想的でした。 |
| |
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調査した結果、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、要因には典型的には低、高、中央の設定が含まれます。 |
| |
ポリマーの種類は4段階に分かれていましたが、因子制約も考慮して設計されていたため、特定のポリマーの種類は、ポリマーの硬化を妨げるため、最小粒子径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、減衰を含む合計 4 つの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。 |
| |
我々は、平均効果、二次交互作用、および二次項をすべて推定し、高い予測精度を持つモデルを構築することを目指しました。そして、これらの効果を十分な検出力で検出できるよう、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、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だけを通過したときと、水とサンプルを通過したときで比較されます。 |
| |
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することができました。 |
| |
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個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指して、様々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もの。後方選択やK分割交差検証などの手法を用いた。 |
| |
可能なモデルを取得し、様々な評価ツールを用いて最終モデルを選択した。データに外れ値や影響力のある点が含まれているかどうかを考慮した。 |
| |
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。 |
| |
全体として、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、 |
| |
これは実際と予測のプロットを示しており、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。 |
| |
ご覧のとおり、右側のグラフの残差は、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、温度という重要な因子が含まれていました。このモデルの調整R二乗値は0.995、平均二乗誤差は0.02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立ちました。 |
| |
この目標を達成するために、このビデオでは、プロダクションプロファイラーが、減衰を最小限に抑えながら1.3MRaylsのインピーダンス値を達成するために必要な条件をどのように指摘するかを実演しています。 |
| |
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、その差は約 0.05 MRayls でした。 |
| |
そこで、DOE の結果に自信を持った私たちは、インピーダンス整合した音響センサー (ここでは 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。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S/N比の指標で比較します。 |
| |
これらのSNRの数値において、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、全体的な信号指標は、以下の差をとることで制限されます。 |
| |
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値です。このオレンジ色の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、Hearoが空気伝搬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捉えていることが分かります。この最初のビデオでは、自宅でHearoが心音と肺音を録音している様子をご覧ください。 |
| |
2 番目のビデオでは、Hearo が鐘の音を録音しています。 |
| |
そのため、このセンサーは、人体や楽器からの音をより効果的に監視する方法を提供できると私たちは考えています。一般的なデバイスでは、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した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性能が向上しています。ご清聴ありがとうございました。ご質問等ございましたら、お気軽にお問い合わせください。 |
