【摘 要】
：
为解决电容式微机械超声换能器(CMUT)声发射能力弱、输出声压低的问题,根据CMUT工作原理与阻抗匹配理论设计了匹配电路.在此基础上,测试阻抗匹配前后CMUT的轴向声场与辐射声场指向性.测试结果表明:在相同测试距离或偏转角度时,阻抗匹配后的CMUT输出声压明显提升,且不会影响CMUT的声场特性.通过实验验证与对比分析,该阻抗匹配电路有效改变CMUT的阻抗特性,提升声发射能力,为CMUT的实际应用提供解决方案.
【机 构】
：
中北大学仪器与电子学院动态测试省部共建实验室,山西太原030051
论文部分内容阅读
为解决电容式微机械超声换能器(CMUT)声发射能力弱、输出声压低的问题,根据CMUT工作原理与阻抗匹配理论设计了匹配电路.在此基础上,测试阻抗匹配前后CMUT的轴向声场与辐射声场指向性.测试结果表明:在相同测试距离或偏转角度时,阻抗匹配后的CMUT输出声压明显提升,且不会影响CMUT的声场特性.通过实验验证与对比分析,该阻抗匹配电路有效改变CMUT的阻抗特性,提升声发射能力,为CMUT的实际应用提供解决方案.
其他文献
针对烧蚀传感器使用环境的高温高压和烧蚀传感器测量需满足快速、准确、在线测量等难题,利用烧蚀材料在烧蚀过程中形成碳化层将埋在烧蚀材料中的金属导线联通,接通外电路,输出电信号的原理实现烧蚀厚度与电量之间的转换.详细说明了烧蚀传感器的工作原理及其电路设计方法.试验结果表明:该烧蚀传感器测量结果误差达到±0.1 mm,满足实际使用要求.
针对YOLOv3算法在小目标上检测效果不佳,漏检率较高的问题,提出一种改进YOLOv3网络结构的小目标识别方法.首先,利用优化的K-means聚类方法弥补原聚类算法中对聚类中心的初始位置敏感问题;然后,对数据集中的标注目标进行聚类分析选取优化的聚类锚点框宽高维度作为改进YOLOv3网络的初始候选框;其次,对Darknet—53网络结构进行调整,在主干网络最后增加2个1×1和3×3卷积层;最后,将YOLOv3网络4倍降采样特征图与经过上采样的8倍降采样特征图进行拼接融入第三个检测层.实验结果表明:改进的YO
为解决高危污染环境中有毒气体分布的全方位安全检测,以制定现场修复工作的决策及保障现场工作人员安全,结合嵌入式系统和物联网(IoT)技术,设计了基于μC/OS-II的移动式集成化有毒气体检测系统.系统对环境中诸如一氧化碳(CO)等多种有毒气体含量及采样点坐标进行实时检测,利用无线传输单元将数据上传至云平台以进一步分析.实验结果表明:本系统性能稳定、误差较小,检测数据浓度与实际数据浓度偏差均小于5％,系统集成化程度高,摆脱了固定检测的限制,利用移动平台搭载对高危污染现场气体分布进行全方位检测.
为了满足微型机器人应用的多样化需求并提升其可操作性,提出了一种小型化、模块化的双轴电磁作动器(EMA).首先,研究了所提EMA的设计结构和工作原理.然后,对EMA进行了有限元分析,并研究了产生的力矩和旋转角对其性能的影响.其次,使用两个EMA来生成一个微型四自由度串联机器人.最后,在正逆运动学之后采用开环控制器,并结合图像处理技术对机器人性能进行了测试.研究结果表明:该EMA在仿真时实现了100 mN·m的力矩,且在实测时实现了80 mN·m的力矩.此外,该EMA可以实现10°(≈0.2 rad)的旋转.
在脑电(EEG)信号分析方法中,时频分析方法综合考虑了信号的时间与频率两者的分辨率,同时改善了单纯时间域或频率域分析方法的短板.本实验使用S变换代替短时傅里叶变换将左右手运动想象脑电信号转换为二维时频图像形式,然后构建卷积神经网络—极限学习机(CNN-ELM)模型进行分类.在面对小样本训练数据时模型能力受到限制,提出一种数据增强方法,通过ACGAN对时频图像进行生成,有效丰富了训练样本数量.实验结果表明:CNN-ELM模型识别效果好,泛化能力强,进行数据增强后识别正确率得到了进一步的提升.
脑部区域的pH值是哺乳动物中枢神经系统(CNS)的重要环境参数,并与多种神经系统疾病相关.采用微机电系统(MEMS)工艺和电化学方法制造了由电化学电极点和电生理电极点组成的多功能密歇根探针.在多功能密歇根探针中,电生理电极点在1 kHz时具有10 kΩ的低阻抗,而电化学电极点则对pH值具有47 mV/pH的灵敏度.此多功能密歇根探针能够帮助揭示神经生理学和病理学的机制.
面向液体低流速测量应用需求,基于介质热传递工作原理,采用微电子机械系统(MEMS)加工技术制备了以玻璃为衬底的微纳热分布式流速传感器,加热和测温元件均采用铂电阻,传感器芯片尺寸仅为10 mm×10 mm,测温电阻与中心加热电阻的间距为0.8 mm,完成了芯片的封装及测试.通过实验测试,在室温条件下,传感器加热电阻为108.8Ω,测温电阻为525.2Ω,且测温电阻具有良好的温度—阻值线性度(R2≥0.9999),传感器适用量程为0～90 mm/s,在极低流速0～20 mm/s范围测试,有较好的输出曲线关系,
针对线径控制系统中存在时滞与扰动导致建模困难和控制精度低等问题,传统PID控制方式具有一定的局限性,在此基础上提出一种基于动态矩阵控制(DMC)和改进磷虾群(IKH)算法对控制系统进行优化的策略.首先DMC算法根据输入输出建立预测模型,预测调整输入量,IKH利用其输入量优化PID参数,最终得到逼近期望的线径值.通过MATLAB软件进行仿真,结合传统PID控制算法和原磷虾群(KH)优化PID控制算法的阶跃响应与抑制扰动能力进行对比.结果表明:带预测控制的IKH的PID算法具有超调量小、响应速度快以及抗干扰强
应用神经网络算法对环境状况进行研究是当前计算科学的热点.对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求.根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增加窥视孔的方式,提出相空间(PS)-LSTM预测模型.选取流域生态系统中重金属污染物作为预测对象,结合温度、日径流等因素共同构建多元混沌相空间,较为真实地还原出流域环境重金属含量实际状态.最后,应用PS-LSTM模型对其进行预测.实验结果表明:改进后的模型能提高类似流域复杂生态系统
人的语音具有一定的上下文相关性,传统语音识别模型对历史信息记忆能力不足,无法充分学习语音序列的相关性.根据人对机器人控制的语音特点,设计了一种基于双向长短时记忆(Bi-LSTM)网络的控制机器人的语音识别模型,并在自己制作的语音库中训练,优化了模型参数.实验结果表明:远端控制命令通过语音识别模型转化为控制命令,传送到机器人的人际交互系统,较好地完成了人对机器人发出的运动控制、状态反馈和环境监测的任务,控制机器人命令语音识别的准确率达到80％以上.