756817_zh-TW

liliconcom

表徵和預測聚合物聲學特性的實驗設計 (2021-US-EPO-866)

瓦萊麗‧倫諾爾 (Valerie Rennoll)，約翰‧霍普金斯大學，約翰‧霍普金斯大學
伊恩麥克萊恩，約翰霍普金斯大學研究生
德魯·格蘭特（Drew Grant），約翰霍普金斯大學研究生
Mounya Elhilali，約翰霍普金斯大學教授

詹姆斯‧韋斯特，約翰霍普金斯大學教授

聲阻抗和衰減是影響水下和醫療應用中聲音傳播的重要特性。為了獲得特定的聲學特性，可以使用多種具有不同密度和剛度的聚合物，然後透過添加摻雜劑進一步調整。使用JMP中的I-最優實驗設計，探索了多種製備和表徵條件對摻雜奈米顆粒的聚合物的聲阻抗和衰減的影響。共製備了98個樣品，並根據聚合物類型（PDMS、ecoflex和聚氨酯）、樣品厚度、摻雜劑密度、摻雜劑濃度、摻雜劑尺寸以及表徵頻率和溫度等因素進行了表徵。所得的統計模型指定了使聚合物與1至2.2 MRayls範圍內的聲阻抗匹配，同時最小化或最大化衰減的必要條件。製備了9個驗證樣品，以達到具有最小或最大衰減的五個阻抗值，結果顯示與測量阻抗值相比，平均預測誤差為1.4%。該模型用於建造與人體皮膚、木材和水等材料在聲學上匹配的感測器。

自動產生的成績單...

揚聲器	抄本
瓦萊麗·倫諾爾	該實驗室的主要研究重點是開發用於人體的新型靈活聲學感測器。
	今天，我將討論我的研究，即使用最佳實驗設計來研究添加顆粒的幾種不同聚合物材料的聲學特性。
	此實驗的結果用於開發聲阻抗匹配感測器。
	因此，聲阻抗和衰減是影響聲音傳播材料的重要材料特性。聲阻抗是材料密度與聲速的函數。
	當聲音從一種材料傳播到另一種材料時，聲阻抗的差異會導致能量在邊界反射。
	由於水和空氣之間的聲阻抗不匹配，如果有人在游泳池水下發出聲音，而你站在游泳池邊上，你將聽不到那個聲音。
	這些動畫展示了聲阻抗如何影響身體聲音的傳輸。
	在第一張圖中，您將看到從您的身體發出的聲音撞擊到您的皮膚和空氣之間的介面，由於阻抗不匹配較大，導致大部分聲音反射回身體。
	第二張圖顯示了當醫生聽你說話時這種效果是如何被放大的…
	使用聽診器聆聽您的身體。阻抗不匹配會導致一小部分入射能量傳輸到聽診器，並且還會增加一條路徑，使空氣中的雜訊嚴重干擾訊號。
	第三幅圖展示了我們採用阻抗匹配感測器的方法。由於阻抗匹配良好，因此在人體感測器介面處幾乎不會發生訊號反射，並且空氣中的雜訊會被動反射，遠離感測器。
	總的來說，透過匹配被監測介質的聲阻抗，可以捕捉更多的聲音。為了做到這一點，必須了解如何製造聚合物以實現特定的聲阻抗。
	先前的研究表明，奈米粒子可以分散到聚合物基質中以控制其聲阻抗。
	然而，現有的研究範圍僅限於基本探索設計空間，每次只採用一個因素的方法，並只關註一小部分相關因素。
	因此，我們選擇在 JMP 中設定最優實驗設計，以擴展先前的研究。此最優設計非常理想，因為我們想要綜合考慮連續、離散和分類因子。
	因此，這兩個表格概述了我們在 DOE 中包含的因素和回應。
	在查閱文獻考慮應研究的因素後，我們選擇包括聚合物類型、顆粒濃度、大小和密度共七個因素；
	樣品厚度；表徵頻率和溫度。正如您在第三列中看到的，這些因素通常包括低、高和中心設置，
	儘管聚合物類型包含四個等級。該設計還考慮了各種因素的限制，因此某些聚合物類型不能與最小粒徑組合，因為這會阻礙聚合物固化。
	我們研究了四個總體響應，包括密度、聲速、聲阻抗和衰減。
	目標是確定具有最小衰減的特定聲阻抗值，並了解影響聲速密度的因素。
	我們的目標是估算所有平均效應、二階交互作用和二次項，以產生具有高預測精度的模型。為此，我們決定製作總共 98 個樣本，以獲得合理的功效來檢測這些效應。
	使用透射技術對材料進行表徵，其中透過與參考材料（在本例中為水）的比較來獲得材料的未知聲學特性。
	訊號從發射器發送到接收器，並比較單獨穿過水時捕獲的訊號與穿過水和樣品時捕獲的訊號。
	因此，在我們探索的設計空間內，我們發現...我們根據聚合物和添加的顆粒特性測量了一系列聲阻抗。
	我們發現我們可以匹配水、皮膚和木材等材料的聲阻抗。
	在收集了 98 個樣本的反應資料後，我們比較了各種簡化的候選模型，以期獲得最高的預測準確率
	具有最少的模型係數。我們使用了諸如後向選擇和 K 折交叉驗證等技術
	獲得可能的模型，然後使用各種評估工具來選擇最終模型。我們考慮了數據中是否存在異常值或影響點，
	如果誤差是獨立的、常態分佈的、具有常數變數和零平均值，以及模型中是否有明顯的適合度不足。
	總體而言，我們發現最終選擇的聲阻抗模型足以滿足我們的目的。左側的圖
	顯示實際與預測的圖表，您可以看到，數據沿著對角線擬合得非常好，這意味著實際數據和預測數據非常相似。
	如您所見，右側圖表中的殘差呈正態分佈，圍繞著零，沒有明顯的模式。
	最終選定的模型考慮了聚合物類型、摻雜劑濃度和溫度等顯著因素。此模型的調整後R平方值為0.995，均方根誤差為0.02。
	因此，由於我們的主要目標是製造具有特定聲阻抗和最小衰減的聚合物，因此預測分析器非常有用
	實現這一目標。在這個影片中，你可以看到我示範了生產剖面儀如何指出實現 1.3MRayls 阻抗值和最小衰減的必要條件。
	我們使用預測分析器預測了製造總共九種聚合物所需的條件，這些聚合物的阻抗分別為 1、1.3、1.6、1.9 和 2.2 MRayls。
	預測值和測量值的聲阻抗值之間的平均誤差僅為 1.4% 左右，差異約為 0.05 MRayls。
	因此，我們對 DOE 的結果很有信心，在組裝阻抗匹配的聲學感測器時使用了特定的聚合物製造條件，我將其稱為 Hearo。
	在這張圖中，您可以看到幾個 Hearo 裝置，它們具有不同的目標阻抗值，具體取決於目標應用。我們使用訊號雜訊比指標將該阻抗匹配裝置與典型的麥克風和加速度計進行了比較。
	在這些訊號雜訊比 (SNR) 數值中，數值越高表示與目標訊號的相關性越高，與空氣雜訊的相關性越低。因此，整體訊號指標的約束條件是：
	與模擬器訊號的相干性減去與雜訊的相干性。你可以看到，這種橘色的 Hearo 與雜訊的相干性較低
	且與模擬器訊號的一致性更高，與加速度計和帶有振膜的麥克風相比，整體 SNR 指標更高。
	在這些演示中，您可以看到，這使得 Hearo 能夠捕捉到來自身體或樂器的非常乾淨的信號，而不會拾取空氣中的噪音。所以，第一個影片展示了 Hearo 在家中錄製心音和肺音的過程。
	第二段影片顯示 Hearo 正在錄製鐘聲。
	因此，我們真心希望這款感光元件能夠提供更先進的方法來監測來自身體或樂器的聲音。典型的設備需要昂貴的噪音抑制電路。
	因此，總而言之，我們使用了 JMP 中的實驗設計來了解多種製造和表徵條件如何影響添加顆粒的聚合物的聲學特性。
	實驗獲得的模型表現出很高的預測精度，並用於阻抗匹配聲學感測器的設計。
	與現有針對空氣聲拾取優化的感測器相比，此感測器的訊號保真度和降噪性能均有所提升。感謝您的關注，如有任何疑問，請隨時與我聯繫。

進階統計建模基礎資料分析與建模資料混合與清理實驗設計預測模型和機器學習品質與工藝工程分享和交流成果