摘要：为了解决研究碳基扬声器性能的物理模型复杂、计算量大、忽略一些影响因素导致理论结果不够准确的问题,研究了碳基扬声器的深度学习模型。介绍了碳基扬声器发声原理,并将碳基薄膜与其衬底的密度、热导率、比热容,以及热声效应过程中的输入交流电压有效值、输入交流电频率和测量距离作为输入特征,碳基扬声器的声压级作为输出特征,建立了XGBoost模型和基于dropout的反向传播(BP)神经网络模型。对这两个模型进行优化,发现当XGBoost模型的单个基学习器的深度为3、基学习器数量为523时,模型精度达到最高;当BP神经网络模型隐藏层数量为2、神经元数量为10时,模型精度达到最高。使用还原氧化石墨烯(rGO)、多壁碳纳米管(MWCNT)、激光划刻石墨烯(LSG)薄膜制备碳基扬声器,从表面微结构上观察到rGO薄膜的晶体质量最好;设计实验对三种碳基扬声器进行声压级测试,发现rGO薄膜制备的扬声器的声压级也最大。最后,将测试得到的数据划分出预测集,代入两种深度学习模型中分别进行求解,并将结果与解析热声模型结果进行对比,发现XGBoost模型在预测LSG薄膜扬声器输出声压级时,预测值和测量值的相对误差不超过2%,其预测精度和稳定性比BP神经网络模型和解析热声模型都要好,展现出更加优异的准确性和适应性。该研究为预测多类特征传感器的非线性输出结果提供了一种高精度、高适应性的方案。

摘要：为了提升电容式微电子机械系统(MEMS)微波功率检测芯片的性能,针对典型的单悬臂梁结构,建立悬臂梁负载模型。根据有限元仿真验证结果,等效受力位置设置在悬臂梁与信号线交叠电容内侧边缘时,悬臂梁形变情况拟合度最高,相对误差仅11.42%。利用该模型分析了电容式MEMS微波功率检测芯片的过载功率、灵敏度以及温度特性等。实验结果表明,检测芯片在X波段范围内的回波损耗均小于-10 dB;在输入信号频率为10 GHz条件下,检测芯片的灵敏度为62.54 fF/W,而悬臂梁负载模型的灵敏度预测值为51.91 fF/W,与测试值相对误差仅为17.01%。因此,该理论模型对电容式MEMS悬臂梁微波功率检测芯片的设计具有一定的研究价值。