一种超声波换能器带载建模方法技术

本发明专利技术涉及一种超声波换能器带载建模方法。本发明专利技术首先，基于动力学仿真和梅森电路建立的MSD等效模型，在给定的换能器参数的情况下，通过Matlab仿真和负载实验，得到了关于阻抗变化的仿真数据和负载力变化的实验数据。然后改变换能器中的一个参数，得到下一组数据，用最小二乘法进行数据的匹配得到关系矩阵。最后，通过自适应属性权重神经网络模型对数据进行训练。输入一组材料参数和负载力，便可得到相对应的阻抗。本发明专利技术能够很好地体现负载力与阻抗的对应关系，且即使是动态负载的情况下，其阻抗也能准确快速地对应出来。其阻抗也能准确快速地对应出来。其阻抗也能准确快速地对应出来。

【技术实现步骤摘要】
一种超声波换能器带载建模方法


[0001]本专利技术涉及一种建模方法，具体是一种超声波换能器带载建模方法。

技术介绍

[0002]超声波以其成本低、安全性高且精确性高的特点，广泛应用在医学、军用以及加工制造业等方面。研究改变超声振动系统内部声波传输规律的原因，掌握动态负载和热效应对超声振动系统性能变化的影响规律，改善系统工作稳定性，提高能量传输效率，一直是超声领域的研究者们追逐的目标。
[0003]目前，对于此方面的研究大多处于初步阶段，尚未取得突破性发展。因此，换能器带负载模型的建立具有十分重要的意义。目前，相似的实现方案是根据Thevenin定理而建立Thevenin等效电路，从而进一步完成模型的建立。
[0004]现有技术还涉及一个数学等效换能器M
‑
C
‑
K模型，见图1，然后通过matlab仿真来对其阻抗进行分析，根据超声换能器结构建立M
‑
C
‑
K模型，其公式可表达为如下：
[0005][0006]其中，m0为压电陶瓷质量，m1为预紧螺栓与前盖板质量，m2为喇叭杆与刀具质量，c1为预紧螺栓与前盖板阻尼系数，c2为喇叭杆与刀具阻尼系数，k1为预紧螺栓与前盖板弹簧系数，k2为喇叭杆与刀具弹簧系数，x0为压电陶瓷位移，x1为预紧螺栓与前盖板位移，x2为喇叭杆与刀具位移，F0为压电陶瓷处喇叭杆受力。
[0007]但是，换能器阻抗受材料、几何结构、负载等因素的影响。而现有技术方案是建立在空载情况下的，它无法满足不确定负载特性。因为一旦加上负载，换能器的共振频率会出现变化，相应的阻抗会变得极为复杂且不易确定，寻常以空载为基础建立的模型都不能很好地适用。

技术实现思路

[0008]针对换能器带负载情况下具有突变性、随机性以及不确定性的问题，本专利技术提出了一种超声波换能器带载建模方法。
[0009]本专利技术方法包括以下步骤：
[0010]第一步，以动力学仿真和梅森电路为基础建立等效模型：
[0011][0012]其中，L
p
为压电陶瓷晶堆厚度，Z
0s
＝ρgS为压电陶瓷晶体堆的密度、声速和横截面
积的乘积，τ
s
为压电陶瓷晶堆材料的声传播常数，Z
Rs
、Z
Ls
分别为T型等效电路的右等效阻抗和左等效阻抗，Z
Ms
为T型等效电路中间的等效阻抗。
[0013]第二步，改变压电换能器中材料的某一项参数，所述的材料包括压电换能器前盖板、后盖板以及压电陶瓷晶堆；所述的参数包括压电陶瓷晶堆的横截面积S、压电陶瓷晶堆的密度ρ、前后盖板材料的杨氏模量E、前后盖板的长度l。
[0014]第三步，基于所建模型对阻抗进行仿真，记录下m组阻抗与电学参数对应的矩阵[EZ
i
]m1
。
[0015]第四步，基于所建模型进行负载实验，记录下n组负载力变化与电学参数对应的矩阵[EF
k
]n1
。
[0016]第五步，改变压电换能器中材料的另一项参数，保持其他参数不变，重复进行阻抗仿真和负载实验，得到[EZ
i
]m2
和[EF
k
]n2
；
[0017]重复本步骤多次，得到共R组仿真与负载力实验的矩阵关系，即[EZ
i
]mt
与[EF
k
]nt
。
[0018]第六步，将这R组[EZ
i
]mt
与[EF
k
]nt
矩阵相配对，通过最小二乘法对数据进行匹配，找出最接近的一组数据，如此便可得到的关系式，其中，T
t
为这一组矩阵下对应的材料参数，Fk
y，t
为[EF
k
]nt
中第y行的负载力，Zi
x(y，t)
为[EF
k
]nt
中第y行负载力对应[EZ
i
]mt
中最匹配的一个阻抗。y＝1,2,...,n。x(y,t)为在固定材料种类T
t
时，与负载力Fk
y，t
最匹配的阻抗在[EZ
i
]mt
下的索引号(或行号)。
[0019]第七步，将作为一组训练数据输入自适应属性权重神经网络，其中Fk
y，t
和T
t
为神经网络输入，神经网络输出为Zi
x(y，t)
对应真实值θ0；然后将θ0与通过神经网络预测得到的θ0’
进行优化，便得到相应的网络参数，由此便可得一组负载力、材料与阻抗的关系；
[0020]将第六步中的R组配对关系矩阵全部输入神经网络进行训练，得到训练完成后的神经网络；当后续输入任意一组材料参数与负载力，便可得到阻抗。
[0021]本专利技术的有益效果：本专利技术以机电等效模型为基础，经过大量实验和仿真得到了不同材料以及负载力变化情况下的阻抗数据。再使用最小二乘法拟合数据，通过自适应属性权重神经网络进行训练，得到负载力和材料的参数相对于阻抗的关系，后面在换能器已知的情况下仅需输入一组负载力，便可快速得到阻抗。
[0022]本专利技术是一种将理论与实际相结合的混合模型，它能够很好地体现负载力与阻抗的对应关系，且即使是动态负载的情况下，其阻抗也能准确快速地对应出来。
附图说明
[0023]图1为等效换能器M
‑
C
‑
K模型；
[0024]图2为本专利技术方法流程图；
[0025]图3为矩阵关系的匹配流程图；
[0026]图4为自适应属性权重神经网络。
具体实施方式
[0027]以下结合附图对本专利技术作进一步说明。
[0028]本专利技术首先，基于动力学仿真和梅森电路建立的MSD等效模型，在给定的换能器参数的情况下，通过Matlab仿真和负载实验，得到了关于阻抗变化的仿真数据和负载力变化的实验数据。然后改变换能器中的一个参数，得到下一组数据，用最小二乘法进行数据的匹配得到关系矩阵。最后，通过自适应属性权重神经网络模型对数据进行训练。输入一组材料参数和负载力，便可得到相对应的阻抗。
[0029]如图2所示，本专利技术的具体步骤如下：
[0030]第一步，以动力学仿真和梅森电路为基础建立的等效模型，公式如下：
[0031][0032]基于此公式构成了T型等效电路。其中，L
p
为压电陶瓷晶堆厚度，Z
0s
为一个计算参数，ρ、g、s分别为压电陶瓷晶体堆的密度、声速和横截面积的乘积，τ8为压电陶瓷晶堆材料的声传播常数，Z
Rs
、Z
Ls
分别为T型等效电路的右等效阻抗和左等效阻抗，Z
Ms
为T型等效电路中间的等效阻抗。
[0033本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声波换能器带载建模方法，其特征在于该方法包括以下步骤：第一步，以动力学仿真和梅森电路为基础建立等效模型：其中，L
p
为压电陶瓷晶堆厚度，Z
0s
＝ρgS为压电陶瓷晶体堆的密度、声速和横截面积的乘积，τ
s
为压电陶瓷晶堆材料的声传播常数，Z
Rs
、Z
Ls
分别为T型等效电路的右等效阻抗和左等效阻抗，Z
Ms
为T型等效电路中间的等效阻抗；第二步，改变压电换能器中材料的某一项参数，所述的材料包括压电换能器前盖板、后盖板以及压电陶瓷晶堆；所述的参数包括压电陶瓷晶堆的横截面积S、压电陶瓷晶堆的密度ρ、前后盖板材料的杨氏模量E、前后盖板的长度l；第三步，基于所建模型对阻抗进行仿真，记录下m组阻抗与电学参数对应的矩阵[EZ
i
]
m1
；第四步，基于所建模型进行负载实验，记录下n组负载力变化与电学参数对应的矩阵[EF
k
]
n1
；第五步，改变压电换能器中材料的另一项参数，保持其他参数不变，重复进行阻抗仿真和负载实验，得到[EZ
i
]
m2
和[EF
k
]
n2
；重复本步骤多次，得到共R组仿真与负载力实验的矩阵关系，即[EZ
i
]
mt
与[EF
k
]
nt
；第六步，将这R组[EZ
i
]

【专利技术属性】
技术研发人员：陈张平，陈云，孔亚广，陈晓祥，赵晓东，邹洪波，张帆，黄娜，
申请(专利权)人：杭电海宁信息科技研究院有限公司，
类型：发明
国别省市：