人工神经网络和电阻抗谱法压电材料快速表征.pdf
《人工神经网络和电阻抗谱法压电材料快速表征.pdf》由会员分享,可在线阅读,更多相关《人工神经网络和电阻抗谱法压电材料快速表征.pdf(7页珍藏版)》请在咨信网上搜索。
1、第4 6卷 第2期压 电 与 声 光V o l.4 6 N o.22 0 2 4年4月P I E Z O E L E C T R I C S&A C OU S T OO P T I C SA p r.2 0 2 4 收稿日期:2 0 2 3-1 2-0 6 基金项目:上海市科委平台建设基金资助项目(1 9 D Z 2 2 9 1 1 0 3)作者简介:向辉(1 9 9 9-),男,湖北省天门市人,硕士生。通信作者:吴校生,男,副研究员。文章编号:1 0 0 4-2 4 7 4(2 0 2 4)0 2-0 2 3 4-0 7D O I:1 0.1 1 9 7 7/j.i s s n.1 0 0
2、4-2 4 7 4.2 0 2 4.0 2.0 1 8人工神经网络和电阻抗谱法压电材料快速表征向 辉1,2,吴校生1(1.上海交通大学 微米纳米加工技术全国重点实验室,上海 2 0 0 2 4 0;2.上海交通大学 电子信息与电气工程学院,上海 2 0 0 2 4 0)摘 要:压电材料作为重要的功能材料,广泛应用于社会的各领域,但其弹性常数的偏差会导致应用过程中出现错误的设计,弹性常数的正确表征对压电器件的正确设计尤为重要。与其他测量方法相比,电阻抗谱仅需要阻抗分析仪即可实现测量,通过测量阻抗谱反演获得压电材料的弹性常数。传统电阻抗谱法通过不断修正材料参数,使得测量阻抗谱和计算阻抗谱最大程度吻
3、合,该过程需要多次迭代,计算量大,耗时较长。该文提出采用神经网络建立阻抗谱到弹性常数的正向模型,测量得到阻抗谱后仅需一次正向计算即可得到弹性常数。使用C o m s o l和M a t l a b联合仿真建立数据集,引入丢弃法避免模型过拟合,利用P y t o r c h建立模型,经过训练后,最大谐振频率偏差从初始2.8%降至0.8%。该技术为压电材料弹性常数精密测量提供可靠的理论与实践途径。关键词:压电材料表征;电阻抗谱法;人工神经网络;弹性常数矩阵中图分类号:T N 3 8 4;TM 2 2 文献标识码:AF a s t E l e c t r i c a l I m p e d a n
4、c e S p e c t r o s c o p y-B a s e d C h a r a c t e r i z a t i o n o f P i e z o e l e c t r i c M a t e r i a l U s i n g A r t i f i c i a l N e u r a l N e t w o r kX I A N G H u i1,2,WU X i a o s h e n g1(1.N a t i o n a l K e y L a b o r a t o r y o f A d v a n c e d M i c r o a n d N a n o
5、M a n u f a c t u r e T e c h n o l o g y,S h a n g h a i J i a o t o n g U n i v e r s i t y,S h a n g h a i 2 0 0 2 4 0,C h i n a;2.D e p t.o f M i c r o/N a n o E l e c t r o n i c s,S c h o o l o f E l e c t r o n i c I n f o r m a t i o n a n d E l e c t r i c a l E n g i n e e r i n g,S h a n
6、g h a i J i a o t o n g U n i v e r s i t y,S h a n g h a i 2 0 0 2 4 0,C h i n a)A b s t r a c t:A s i m p o r t a n t f u n c t i o n a l m a t e r i a l s,p i e z o e l e c t r i c s a r e w i d e l y u s e d i n v a r i o u s f i e l d s.H o w e v e r,t h e d e v i-a t i o n o f t h e i r e l a
7、s t i c c o n s t a n t s r e s u l t s i n e r r o n e o u s d e s i g n s d u r i n g a p p l i c a t i o n p r o c e s s e s.A c c u r a t e c h a r a c t e r i z a t i o n o f t h e e l a s t i c c o n s t a n t i s c r u c i a l f o r t h e c o r r e c t d e s i g n o f p i e z o e l e c t r i
8、c d e v i c e s.I n c o n t r a s t t o o t h e r m e a s u r e m e n t m e t h-o d s,e l e c t r i c a l i m p e d a n c e s p e c t r o s c o p y c a n o n l y b e c a r r i e d o u t u s i n g a n i m p e d a n c e a n a l y z e r,a n d t h e e l a s t i c c o n s t a n t s o f p i e z o e l e c
9、t r i c m a t e r i a l s c a n b e o b t a i n e d b y t h e i n v e r s i o n o f t h e i m p e d a n c e s p e c t r o s c o p y d a t a.I n t r a d i t i o n a l e l e c t r i c a l i m p e d a n c e s p e c t r o s c o p y,t h e m e a s u r e d i m p e d a n c e s p e c t r a a r e c o i n c i
10、d e d w i t h t h e c a l c u l a t e d i m p e d a n c e s p e c t r a t o t h e b e s t p o s s i b l e e x t e n t b y c o n s t a n t l y m o d i f y i n g t h e m a t e r i a l p a r a m e t e r s.H o w e v e r,t h e p r o c e s s r e q u i r e s m a n y i t e r a-t i o n s,m a k i n g i t t e
11、d i o u s a n d t i m e c o n s u m i n g.T h i s s t u d y d e v e l o p e d a f o r w a r d m o d e l t h a t y i e l d s e l a s t i c c o n s t a n t s f r o m i m p e d a n c e s p e c t r a b y h a r n e s s i n g a n a r t i f i c i a l n e u r a l n e t w o r k.U p o n m e a s u r i n g t h
12、e i m p e d a n c e s p e c t r u m,t h e e l a s t i c c o n s t a n t c a n b e o b t a i n e d b y o n l y o n e f o r w a r d c a l c u l a t i o n.C OM S O L a n d MA T L A B c o-s i m u l a t i o n w e r e u s e d t o g e n e r a t e t h e d a t a-s e t s.T h e d i s c a r d m e t h o d w a s
13、e m p l o y e d t o a v o i d o v e r f i t t i n g o f t h e m o d e l,a n d P y t o r c h w a s u s e d f o r i m p l e m e n t a t i o n.T h e r e s o n a n t f r e q u e n c y e r r o r w a s r e d u c e d f r o m t h e i n i t i a l 2.8%t o 0.8%a f t e r t r a i n i n g.T h e p r o p o s e d t
14、e c h n i q u e a f f o r d s a r e l i a b l e t h e o r e t i c a l a n d p r a c t i c a l a p p r o a c h f o r a c c u r a t e l y m e a s u r i n g t h e e l a s t i c c o n s t a n t s o f p i e z o e l e c t r i c m a t e r i a l s.K e y w o r d s:p i e z o e l e c t r i c m a t e r i a l c
15、h a r a c t e r i z a t i o n;e l e c t r i c a l i m p e d a n c e s p e c t r o s c o p y m e t h o d;a r t i f i c i a l n e u r a l n e t w o r k;e l a s t i c c o n s t a n t m a t r i x第2期向 辉等:人工神经网络和电阻抗谱法压电材料快速表征0 引言压电材料广泛地应用于生物医学、声传感器、换能器以及执行器等领域,成为深入现代社会各个层面的重要功能材料1-4。但使用压电材料进行相关器件的设计时,材料参数
16、的偏差会导致计算结果的不准确。另外,压电材料的生产过程中,需要准确测试材料参数,以对加工工艺及材料构成进行优化5。压电材料参数的准确快速表征对相关工程技术极为重要。压电材料表征目前主要的方法有电谐振法、超声脉冲-回波法、超声共振谱法和电阻抗谱技术。电谐振法和超声脉冲-回波法是I E E E提出的标准测量方法6,均需要使用多块试样进行测量,样品间材料参数存在个体偏差,多样件测量会出现材料参数的不自洽问题。超声共振谱技术7-8只使用一块样品,需要使用特殊的设备进行顶角激励,得到谐振谱,通过测量频率和计算频率之间的反演,迭代计算出材料常数。电阻抗谱技术9只需一块样品即可表征出完整的材料常数,通过电极
17、激励得到电阻抗谱,可避免使用特殊的实验设备,同样通过测量阻抗谱和计算阻抗谱之间的反演,得到弹性常数。电阻抗谱技术最初由H y u n-W o o J o o等9提出,用于压电换能器材料参数的测量,其使用有限元分析 计 算 电 阻 抗 谱,反 演 计 算 得 到 材 料 参 数。S h i y a n g L i等1 0在单一电阻抗谱测量方法的基础上,采用超声脉冲回波法测量部分对于电阻抗谱不敏感的材料参数,其他材料参数通过电阻抗谱技术反演得到。D a H u o等1 1针对0 0 1c方向极化的单晶材料0.6 3 P b(M g1/3N b2/3)O3-0.3 7 P b T i O3(P MN
18、-0.3 7 P T),同样采用电阻抗谱技术和超声脉冲回波法相结合进行测量,仅使用一块样品,消除了样品成分变化和取样程度差异带来的误差。但使用电阻抗谱技术进行表征时,仍然避免不了大量的反演计算。神经网络可以从经验中进行学习,通过训练不断提高模型自身精度1 2。但神经网络训练需要大量数据,目前越来越多的研究者将有限元方法产生的高质量数据用于神经网络建模,辅助MEM S结构设计1 3-1 4、道路疲劳预测1 5等。X u e c u i Z o u等1 3采用有限元分析得到的数据进行训练,建立基于MEM S谐振器的数字频率转换器设计中空气间隙与谐振频率关系的神经网络模型,误差可以减小至1%。R u
19、 i q i G u o等1 4采用卷积神经网络模型,建立MEM S几何结构与模态频率、品质因数的模型,缩短了MEM S结构的设计周期,其精确度可分别达到9 8.81.6%和9 6.83.1%。Z h e n h u a Wu等1 5使用人工神经网络模型建立了道路的机械属性与道路裂纹强度因子之间的关系模型,其模型的决定系数(R2)可达0.9 9,均方误差仅1 0-4。本文提出一种基于人工神经网络和电阻抗谱技术的压电材料快速测量方法,该方法不需要反演,大大加快了表征过程。测量得到电阻抗谱后,利用电阻抗谱数据集训练获得人工神经网络模型,通过该模型一次正向计算即可得到弹性常数矩阵。采用表面电极进行分
20、组激励,避免传统方法使用专用实验设备进行顶角激励,也避免了错峰匹配错误。1 表征原理本文研究的电阻抗谱法表征原理如图1所示,主要通过模式分组理论进行分组激励测量电阻抗谱,利用电阻抗谱数据集训练获得人工神经网络模型,通过人工神经网络,模型一次正向计算得到弹性常数。图1 表征原理532压 电 与 声 光2 0 2 4年1.1 测试样品样品采用长方形压电体,上下表面共有8个表面电极,分别为上表面的D 1D 4和下表面的D 5D 8。测量 获 得 样 品 长、宽、高 分 别 为7.6 4 mm、7.6 6 mm、3.0 0 mm,密度为7 7 0 0 k g/m3。样品选用C 2 0 3压电陶瓷作为结
21、构材料,C 2 0 3压电陶瓷属于六方晶系,具有C 2 h对称性,共有5个独立的弹性常数(c1 1、c1 2、c1 3、c3 3、c4 4),弹性常数c矩阵为c=c1 1c1 2c1 3000c1 2c1 1c1 3000c1 3c2 3c3 3000000c4 4000000c4 4000000c1 1-c1 22 (1)1.2 模式分组理论M o c h i z u k i1 6指出,具有C 2 h对称性的材料有A g、B g、A u和B u 4种谐振模式。根据材料的对称性,基于不同方向位移函数的奇偶性,可以进行分类。分类如表1所示。表中,O代表偶函数,E代表奇函数。表1 4种模式位移函数
22、的奇偶性模式位移分量奇偶性xy+z模式位移分量奇偶性xy+zA guOEvEOwEOA uuEEvOOwOOB guEOvOEwOEB uuOOvEEwEE1.3 分组激励为避免模态遗漏和错峰匹配,在模态分组的基础上,测量谐振频率时,采用分组激励的方式,激励出不同的谐振方式。通过C o m s o l实验得出,采用3种电极组合激励方式1 7-1 8,可以激发出对应的3种不同的谐振模。相应的激发模式如表2所示,+代表接正极,-代表接负极。表2 电极激发模式电极A gB gA uD 1 D 2+D 3 D 4+-D 5 D 6-+-D 7 D 8-+1.4 电阻抗谱测量采用阻抗分析仪P V 8 0
23、 A测量C 2 0 3压电谐振器阻抗谱,用2 0 H z作为步长进行扫频。同时在测量时,应用模式分组理论,每次测量需按照表2在电极上施加不同的电压组合,激励出不同的谐振模式,避免错峰匹配。1.5 基于神经网络的电阻抗谱法传统电阻抗谱技术主要分为正问题和逆问题,正问题为通过有限元法等计算一定弹性常数下的电阻抗谱,逆问题则为通过LM算法、粒子群算法等算法迭代计算,以缩小测量阻抗谱和计算阻抗谱之间的偏差9-1 1。该迭代过程计算时间长,且对初始值的取值范围有更高的要求。当初始值偏离目标值较大时,会导致迭代过程不收敛。人工神经网络在结构上模拟生物神经网络结构,由许多简单的、可并行运行且可互相联结的计算
24、单元按特定方式链接而组成。作为一种信息处理系统,其所能实现的功能一定程度上取决于其网络结构、各个单元的功能及处理方式和它们之间的连接形式及连接强度1 2。神经网络算法在电阻抗谱法的基础上,通过模型训练,可在测得阻抗谱后,通过一次正向计算得到弹性常数矩阵。2 神经网络训练2.1 数据集获取神经网络首先需要大量的数据进行训练,采用C o m s o l与M a t l a b联合仿真进行有限元分析获取数据集。有限元法计算压电体样品谐振频率,有谐振分析和模态分析两种方式。谐振分析为采用电极进行分组激励,完成扫频计算,不仅可以得到谐振频率信息,还可以获得阻抗等幅值信息,有利于谐振频率的匹配。模态分析为
25、采用C o m s o l特征频率研究,直接计算出压电体样品的谐振频率,计算时间短,但丢失了阻抗等幅值信息。632第2期向 辉等:人工神经网络和电阻抗谱法压电材料快速表征表3 初始值匹配及组内编号测量值谐振分析模态分析相对偏差/%组内编号A g-12 2 6 5 4 02 2 0 4 0 02 2 0 8 4 4.42.5 1 4 14A g-23 3 4 9 4 03 2 8 8 0 03 2 9 9 6 7.92.2 4 0 57A g-34 5 2 2 8 04 3 8 4 0 04 4 2 1 4 6.62.8 3 7 91 3A g-44 5 7 4 4 04 4 5 4 0 04
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 神经网络 阻抗 压电 材料 快速 表征
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。