基于等效电路模型的超声换能器智能优化设计方法
阅读说明：本技术 基于等效电路模型的超声换能器智能优化设计方法 (Intelligent optimization design method of ultrasonic transducer based on equivalent circuit model ) 是由 费春龙 赵建新 谌东东 李迪 刘治勇 于 2021-06-25 设计创作，主要内容包括：本发明公开了一种基于等效电路模型的超声换能器智能优化设计方法,通过获取超声换能器KLM等效电路模型及粒子群优化算法的初始化参数；将初始化参数输入性能指标优化函数中,利用粒子群优化算法得出优化的设计参数；将得出的优化的设计参数,输入超声换能器KLM等效电路模型中,预测性能指标。在超声换能器KLM等效电路模型的基础上,在粒子群优化算法框架下,提出一种高效的超声换能器设计参数的智能优化方法,为研制高性能超声换能器提供新的方法和途径。(The invention discloses an ultrasonic transducer intelligent optimization design method based on an equivalent circuit model, which comprises the steps of obtaining an ultrasonic transducer KLM equivalent circuit model and initialization parameters of a particle swarm optimization algorithm; inputting the initialization parameters into a performance index optimization function, and obtaining optimized design parameters by utilizing a particle swarm optimization algorithm; and inputting the obtained optimized design parameters into an ultrasonic transducer KLM equivalent circuit model to predict performance indexes. On the basis of an ultrasonic transducer KLM equivalent circuit model, an efficient intelligent optimization method for ultrasonic transducer design parameters is provided under a particle swarm optimization algorithm framework, and a new method and a new way are provided for developing a high-performance ultrasonic transducer.)
技术领域
本发明涉及超声换能器技术领域，尤其涉及一种基于等效电路模型的超声换能器智能优化设计方法。
背景技术
超声换能器具有成本低、效率高、使用方便、安全和无辐射等优点，在无损检测、医学成像和超声定位等领域得到了广泛的应用。超声换能器的中心频率、-6dB带宽、灵敏度等性能指标主要由其设计参数决定。而传统的超声换能器优化设计方法依赖人的经验，且效率比较低。因此，如何高效、准确地得到超声换能器的最优设计参数是一个挑战。
传统超声换能器的优化设计主要基于等效电路模型和有限元法，这些优化方法一般通过“试错法”得到最优的设计参数，其严重依赖于设计人员的经验，存在研发周期长、成本高的缺点。其中有限元法由于计算量大、耗时长而降低了超声换能器的设计效率。相反，KLM等效电路模型简单、准确、易用、计算量小，因此可与优化算法结合得到最优的超声换能器设计参数。传统的优化算法(牛顿法、拟牛顿法和共轭梯度法等)要求优化目标函数是可导的，但是实际的超声换能器性能指标的优化函数不能保证一定是可导的。因此，传统的优化算法不能保证优化结果的有效性和合理性。
发明内容
因此，本发明的目的在于提供一种基于等效电路模型的超声换能器智能优化设计方法。在超声换能器KLM等效电路模型的基础上，在粒子群优化算法框架下，提出一种高效的超声换能器设计参数的智能优化方法，为研制高性能超声换能器提供新的方法和途径。
为了实现上述目的，本发明的一种基于等效电路模型的超声换能器智能优化设计方法，包括：
S1、获取超声换能器KLM等效电路模型及粒子群优化算法的初始化参数；
S2、将初始化参数输入性能指标优化函数中，利用粒子群优化算法得出优化的设计参数；
S3、将得出的优化的设计参数，输入超声换能器KLM等效电路模型中，预测性能指标。
优选的，所述超声换能器KLM等效电路模型采用如下公式表示：
其中，Zin为超声换能器的输入阻抗，ω为角频率，C0为压电层的电容，X为压电层的电抗，Φ为变压器的匝数比，Zp为压电层和负载的总声阻抗，uf为超声换能器的输出电压，Zl为负载的声阻抗，il为流过负载的电流。
在上述任意一项实施例中优选的，所述粒子群优化算法采用如下公式：
其中，xi和vi分别表示第i个粒子的位置向量和速度向量，iter表示当前的迭代次数，w表示惯性权值，pi表示局部最优位置，pg表示全局最优位置，c1和c2是常数，r1和r2是[0，1]之间的随机数，wmax和wmin分别表示惯性权值的最大值和最小值。
在上述任意一项实施例中优选的，所述初始化参数包括：超声换能器KLM等效电路模型中根据超声换能器各部分材料测量得出的声速、密度、声阻抗和介电常数。
在上述任意一项实施例中优选的，所述初始化参数还包括：粒子群优化算法中预设的常量参数、惯性权重范围、最大迭代次数、群体数量、粒子位置范围及粒子速度范围。
在上述任意一项实施例中优选的，所述性能指标优化函数采用如下公式表示：
J＝α1JCF+α2JBW+……
其中：JCF和JBW分别表示中心频率和-6dB带宽目标，α1和α2分别表示中心频率和-6dB带宽目标的权重系数。根据不同的性能参数要求，此优化函数可以添加或改进目标。
在上述任意一项实施例中优选的，所述超声换能器的性能指标包括中心频率和-6dB带宽；所述中心频率和带宽采用如下公式进行计算：
式中：f1和f2表示超声换能器的回波振幅下降到-6dB时的较低和较高的频率。
在上述任意一项实施例中优选的，还包括根据得出的优化的设计参数，利用PiezoCAD软件对超声换能器进行仿真，根据仿真得出的性能参数与预测性能参数进行对比，根据对比结果对超声换能器KLM等效电路模型、粒子群优化算法或性能指标优化函数的参数进行修正。
本申请公开的基于等效电路模型的超声换能器智能优化设计方法，相比于现有技术至少具有以下有益效果：
1、本发明提供的基于等效电路模型的超声换能器智能优化设计方法，利用KLM等效电路模型描述超声换能器的设计参数与性能指标的关系，根据构建的性能指标优化函数，利用粒子群优化算法获得最优的设计参数，能够应用到超声换能器的优化设计中，为高效、准确地获得最优的超声换能器设计参数提供新思路；对超声换能器的优化设计具有重要的工程意义。
2、本发明提供的基于等效电路模型的超声换能器智能优化设计方法，通过对粒子群优化算法的多次迭代，得出确定的优化设计参数，利用超声换能器KLM等效电路模型，对优化的设计参数，进行预测，预测结果满足优化目标，说明该方法能高效、准确地优化超声换能器的设计参数。
附图说明
图1为本发明提供的基于等效电路模型的超声换能器智能优化设计方法的流程图；
图2为超声换能器的KLM等效电路模型；
图3(a)为优化的超声换能器的压电层厚度；
图3(b)为优化的超声换能器的匹配层厚度；
图4(a)为优化的超声换能器的中心频率；
图4(b)为优化的超声换能器的-6dB带宽；
图5(a)为PiezoCAD软件电阻抗和相位的仿真结果；
图5(b)为PiezoCAD软件时域脉冲/回波响应和归一化频谱的仿真结果；
图6(a)为根据优化参数研制的超声换能器的电阻抗和相位测试结果；
图6(b)为根据优化参数研制的超声换能器的时域脉冲/回波响应和归一化频谱。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
近年来，智能优化算法，特别是粒子群优化算法，具有结构简单，计算速度快，且不需要目标函数可导等优点，被广泛应用于复杂零部件的工艺优化、传感器和陀螺仪的优化设计，并取得了显著效果。
如图1所示，本发明提供的基于等效电路模型的超声换能器智能优化设计方法：
S1、获取超声换能器KLM等效电路模型及粒子群优化算法的初始化参数；
S2、将初始化参数输入性能指标优化函数中，利用粒子群优化算法得出优化的设计参数；
S3、将得出的优化的设计参数，输入超声换能器KLM等效电路模型中，预测性能指标。
在S1中，如图2所示，为超声换能器的KLM等效电路模型，其数学表达式可以表示为：
式中：C0为压电层的电容，t0为压电层的厚度，S为压电层的面积，为压电层的夹持介电常数，ω0为谐振频率，c为压电材料的纵波声速，Z0为压电层的声阻抗，ρ为压电材料的密度，Φ为变压器的匝数比，kt为压电材料的有效机电耦合系数，ω为角频率，X为压电层的电抗。
将初始化参数带入上式后，整理得出，超声换能器的输入阻抗Zin可以表示为：
式中：Zp1和Zp2分别表示以压电层厚度的中点为参考面，面向前声学端口和后声学端口的声传输线输入阻抗。
换能器的总传输矩阵可以表示为：
式中：N0为半厚度压电层的传输矩阵，N1为匹配层的传输矩阵。根据传输线理论，超声换能器的输出电压为：
式中：us为电源电压，Rs为50Ω，Zf为前负载的声阻抗。
超声换能器的性能参数包括中心频率CF和-6dB带宽BW可以表示为：
式中：f1和f2表示超声换能器的回波振幅下降到-6dB时的较低和较高的频率。
本实施案例设计的超声换能器所使用的材料及材料参数如表1所示。
表1材料及参数
在S2中，性能指标优化函数超声换能器性能指标优化函数可以表示为：
式中：CF为中心频率，BW为-6dB带宽，CFmax和CFmin分别表示中心频率的最大值和最小值，BWmax和BWmin分别表示-6dB带宽的最大值和最小值。
根据性能指标优化函数，利用粒子群优化算法优化超声换能器的设计参数；
粒子群优化算法可以描述为：
vi(t+1)＝w(iter)vi(t)+c1r1(pi-xi(t))+c2r2(pg-xi(t)) (8)
xi(t+1)＝xi(t)+vi(t+1) (9)
式中：xi和vi分别表示第i个粒子的位置向量和速度向量，iter表示当前的迭代次数，w表示惯性权值，pi表示局部最优位置，Pg表示全局最优位置，c1和c2是常数，r1和r2是[0，1]之间的随机数，wmax和wmin分别表示惯性权值的最大值和最小值。
在优化设计参数之前，初始化的参数如表2所示。
表2初始化的参数
优化的设计参数代入超声换能器KLM等效电路模型计算出输入阻抗和输出电压，然后由式(5--6)估算出超声换能器的中心频率和-6dB带宽。
在本申请的一个实施例中，按照上述的优化设计方法，对超声换能器的设计参数进行了优化。为了避免粒子群优化算法随机误差的影响，提出的超声换能器智能优化设计方法运行了30次。其中，经过30次优化的超声换能器设计参数如图3(a)和图3(b)所示，优化结果比较一致，说明优化的设计参数是合理的、有效的。优化的压电层和匹配层的厚度分别为255μm和102μm。优化的超声换能器性能指标如图4(a)和图4(b)所示，超声换能器的中心频率和-6dB带宽分别为6MHz和70％，满足设定的优化目标。
按照优化的设计参数，用PiezoCAD软件对超声换能器进行了仿真，结果如图5(a)和图5(b)所示，超声换能器的中心频率和-6dB带宽分别为5.99MHz和70.4％，基本满足优化目标。此外，按照优化的设计参数，研制出超声换能器并对其性能进行了实验测试，测试结果如图6(a)和图6(b)所示，超声换能器的中心频率和-6dB带宽分别为6.30MHz和68.25％，与设定的优化目标(中心频率和-6dB带宽分别为6MHz和70％)十分接近，这说明提出的方法能高效、准确地优化超声换能器的设计参数。
从上述结果可以发现，本发明提出的方法能够高效、精确地优化超声换能器的设计参数，达到实现目标性能参数的目的，为超声换能器的优化设计提供可靠的途径。
显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。