基于神经网络的压电能量收集器性能预估模型

作     者：张金 张健滔 宁艺文 瞿栋 ZHANG Jin;ZHANG Jiantao;NING Yiwen;QU Dong

作者机构：上海大学机电工程与自动化学院上海200072 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2023年第43卷第1期

页      面：172-178,204,205页

核心收录：

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0807[工学-动力工程及工程热物理] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

基　　金：国家自然科学基金资助项目(52175102) 上海市自然科学基金资助项目(18ZR1414300,13ZR1416900) 

主　　题：能量收集器 压电 人工神经网络 振动 性能预估 

摘      要：设计了一款双稳态聚偏氟乙烯(polyvinylidene fluoride,简称PVDF)梁压电振动能量收集器,并介绍了该款收集器结构特点和工作原理。为了解决传统理论模型预测与能量收集器实际输出性能的偏差,利用人工神经网络对其结构参数、激励频率和收集电能之间的非线性关系进行建模。基于误差反向传播训练的多层前馈网络建立了双稳态PVDF梁压电能量收集器的人工神经网络模型。以质量块质量、PVDF压电梁的压缩距离以及外激振力频率作为输入变量,收集器输出电压均方根(root mean square,简称RMS)值作为输出变量,采集了不同条件下压电能量收集器的实验数据。通过将仿真预测结果与实验结果对比,验证了所设计的人工神经网络能有效地预测压电能量收集器的输出特性,且无需复杂的收集器理论建模。