基于GA-BP神经网络模型的石墨烯发声器研究

为了解决传统石墨烯发声器物理模型计算量大、精度不高的问题,提出了一种基于GA遗传算法的BP神经网络模型,该算法模型具有更高的精度和适应性。首先,介绍了石墨烯热声发声原理以及实验设计,建立了GA-BP神经网络模型。其次,对模型的参数进行了调节,并对比了基于dropout、基于正则化、基于正则化和GA遗传算法的三种神经网络模型。随后在模型中输入石墨烯发声器的正弦激励幅值、频率以及测量距离,使用GA遗传算法对隐藏层的权值和偏置进行全局寻优,将寻优结果代入BP神经网络,最终预测出给定条件下的声压级。结果表明,在均使用正则化的条件下,BP神经网络预测准确度为98.05%,均方差为0.23;GA-BP神经网络预测准确度达到98.62%,均方差仅为0.14。优化后精准度提高了0.57%,均方差降低了41.36%,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准度、高适应性的方案。

基于激光划刻的石墨烯发声器的研究

本文研究了一种基于激光划刻的石墨烯发声器。为了研究不同结构石墨烯发声器对输出性能的影响,本文设计了实心、粗网、中网、细网四种结构的石墨烯发声器。首先,建立了实心结构和网状结构的热声转换模型;然后,给出了激光划刻石墨烯的制备流程和扫描电镜表征;最后,实验测试了四种结构的石墨烯发声器的输出性能。实验结果表明,实心结构的输出性能最佳,在输入功率为0.78 W、麦克风距离为5 cm、激励频率为20 kHz的条件下,声压级达到40.68 dB。研究发现在0~0.78 W的范围内,输入功率每增加0.1 W,理论声压级平均提高2.58 dB,实验声压级平均提高2.48 dB,与理论模型基本符合。基于激光划刻的石墨烯发声器具有成本低、制备简单、声学性能好等优势,在生物、医疗、可穿戴电子设备等领域具有广泛的应用前景。