人工神经网络和电阻抗谱法压电材料快速表征

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Comsol和Matlab联合仿真建立数据集,引入丢弃法避免模型过拟合,利用Pytorch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。