756817_zh-CN

liliconcom

表征和预测聚合物声学特性的实验设计 (2021-US-EPO-866)

瓦莱丽·伦诺尔 (Valerie Rennoll)，约翰·霍普金斯大学，约翰·霍普金斯大学
伊恩·麦克莱恩，约翰·霍普金斯大学研究生
德鲁·格兰特（Drew Grant），约翰·霍普金斯大学研究生
Mounya Elhilali，约翰·霍普金斯大学教授

詹姆斯·韦斯特，约翰·霍普金斯大学教授

声阻抗和衰减是影响水下和医疗应用中声音传播的重要特性。为了获得特定的声学特性，可以使用多种具有不同密度和刚度的聚合物，然后通过添加掺杂剂进一步调整。使用JMP中的I-最优实验设计，探索了多种制备和表征条件对掺杂纳米颗粒的聚合物的声阻抗和衰减的影响。共制备了98个样品，并根据聚合物类型（PDMS、ecoflex和聚氨酯）、样品厚度、掺杂剂密度、掺杂剂浓度、掺杂剂尺寸以及表征频率和温度等因素进行了表征。获得的统计模型指定了使聚合物与1至2.2 MRayls范围内的声阻抗匹配，同时最小化或最大化衰减的必要条件。制备了9个验证样品，以达到具有最小或最大衰减的五个阻抗值，结果显示与测量阻抗值相比，平均预测误差为1.4%。该模型用于构建与人体皮肤、木材和水等材料在声学上匹配的传感器。

自动生成的成绩单...

扬声器	抄本
瓦莱丽·伦诺尔	该实验室的主要研究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。声阻抗是材料密度与声速的函数。
	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。
	由于水和空气之间的声阻抗不匹配，如果有人在游泳池水下发出声音，而你站在游泳池边上，你将听不到那个声音。
	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到您的皮肤和空气之间的界面，由于阻抗不匹配较大，导致大部分声音反射回身体。
	第二张图显示了当医生听你说话时这种效果是如何被放大的……
	使用听诊器聆听您的身体。阻抗不匹配会导致一小部分入射能量传输到听诊器，并且还会增加一条路径，使空气中的噪声严重干扰信号。
	第三幅图展示了我们采用阻抗匹配传感器的方法。由于阻抗匹配良好，因此在人体传感器接口处几乎不会发生信号反射，并且空气中的噪声会被被动反射，远离传感器。
	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实现特定的声阻抗。
	先前的研究表明，纳米粒子可以分散到聚合物基质中以控制其声阻抗。
	然而，现有的研究范围仅限于基本探索设计空间，采用一次一个因素的方法，并只关注一小部分相关因素。
	因此，我们选择在 JMP 中设置最优实验设计，以扩展先前的研究。该最优设计非常理想，因为我们想要综合考虑连续、离散和分类因子。
	因此，这两个表格概述了我们在 DOE 中包含的因素和响应。
	在查阅文献考虑应研究的因素后，我们选择包括聚合物类型、颗粒浓度、大小和密度共七个因素；
	样品厚度；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，
	尽管聚合物类型包含四个级别。该设计还考虑了各种因素的限制，因此某些聚合物类型不能与最小粒径组合，因为这会阻碍聚合物固化。
	我们研究了四个总体响应，包括密度、声速、声阻抗和衰减。
	目标是确定具有最小衰减的特定声阻抗值，并了解影响声速密度的因素。
	我们的目标是估算所有平均效应、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，我们决定制作总共 98 个样本，以获得合理的功效来检测这些效应。
	使用透射技术对材料进行表征，其中通过与参考材料（在本例中为水）的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，并比较单独穿过水时捕获的信号与穿过水和样品时捕获的信号。
	因此，在我们探索的设计空间内，我们发现......我们根据聚合物和添加的颗粒特性测量了一系列声阻抗。
	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 个样本的响应数据后，我们比较了各种简化的候选模型，以期获得最高的预测准确率
	具有最少的模型系数。我们使用了诸如后向选择和 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模型。我们考虑了数据中是否存在异常值或影响点，
	如果误差是独立的、正态分布的、具有常数变量和零平均值，以及模型中是否存在明显的拟合度不足。
	总体而言，我们发现最终选择的声阻抗模型足以满足我们的目的。左侧的图
	显示实际与预测的图表，您可以看到，数据沿对角线拟合得非常好，这意味着实际数据和预测数据非常相似。
	正如您所见，右侧图表中的残差呈正态分布，围绕零，没有明显的模式。
	最终选定的模型考虑了聚合物类型、掺杂剂浓度和温度等显著因素。该模型的调整后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，因此预测分析器非常有用
	实现这一目标。在这个视频中，你可以看到我演示了生产剖面仪如何指出实现 1.3MRayls 阻抗值和最小衰减的必要条件。
	我们使用预测分析器预测了制造总共九种聚合物所需的条件，这些聚合物的阻抗分别为 1、1.3、1.6、1.9 和 2.2 MRayls。
	预测值和测量值的声阻抗值之间的平均误差仅为 1.4% 左右，差异约为 0.05 MRayls。
	因此，我们对 DOE 的结果很有信心，在组装阻抗匹配的声学传感器时使用了特定的聚合物制造条件，我将其称为 Hearo。
	在这幅图中，您可以看到几个 Hearo 器件，它们具有不同的目标阻抗值，具体取决于目标应用。我们使用信噪比指标将该阻抗匹配器件与典型的麦克风和加速度计进行了比较。
	在这些信噪比 (SNR) 数值中，值越高表示与目标信号的相关性越高，与空气噪声的相关性越低。因此，整体信号指标的约束条件是：
	与模拟器信号的相干性减去与噪声的相干性。你可以看到，这种橙色的 Hearo 与噪声的相干性较低
	并且与模拟器信号的一致性更高，与加速度计和带有振膜的麦克风相比，整体 SNR 指标更高。
	在这些演示中，您可以看到，这使得 Hearo 能够捕捉到来自身体或乐器的非常干净的信号，而不会拾取空气中的噪音。所以，第一个视频展示了 Hearo 在家中录制心音和肺音的过程。
	第二个视频显示 Hearo 正在录制钟声。
	因此，我们真心希望这款传感器能够提供一种更先进的方法来监测来自身体或乐器的声音。典型的设备需要昂贵的噪声抑制电路。
	因此，总而言之，我们使用了 JMP 中的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很高的预测精度，并用于阻抗匹配声学传感器的设计。
	与现有针对空气声拾取优化的传感器相比，该传感器的信号保真度和降噪性能均有所提升。感谢您的关注，如有任何疑问，请随时联系我。

高级统计建模基础数据分析与建模数据混合和清理实验设计预测模型和机器学习质量与工艺工程分享和交流结果