利用自适应超材料实现宽带声学信号检测

声学检测在复杂工况下的灵敏度与带宽矛盾问题，通过自调谐机制与彩虹捕获效应协同优化，构建出具备10kHz宽带、35dB高信噪比的动态传感器系统，成功实现航空发动机早期弱信号故障诊断。

　　

整体视角

在故障检测场景中，声波检测具有基础性重要性，因为声波是主要的信号载体。然而，早期故障诊断常常面临挑战，例如由于复杂的传输路径导致信号衰弱，以及多源振动信号的混叠现象。以往的方法通常需要在灵敏度和带宽之间进行权衡。在这项研究中，我们设计了一种基于自调谐和声学彩虹效应的灵敏、宽带、实时传感器。彩虹效应能够放大声压，从而提高灵敏度，而自调谐机制则克服了静态设计的带宽限制。这种自适应设计实现了频率灵活的信号增强，能够在不牺牲灵敏度的前提下精确识别故障。

亮点

• 通过梯度自调谐机制，实现了15 dB的声压宽带频率增益

• 该自适应超材料是通过感知-反馈闭环控制实现的

• 该超材料声学传感器已在航空发动机的弱信号检测中进行了测试

总结

早期故障诊断需要在高温高压等极端环境中进行非接触式弱信号检测。然而，现有的声学传感器在灵敏度和带宽方面存在矛盾。我们设计了一种基于自调谐和声学彩虹效应的灵敏、宽带、实时传感器。通过优化超材料，提高了特定频率下的声压，从而赋予传感器宽带性能。我们制造了一种自适应超材料声学传感器（AMAS），以验证声压增强现象和声学传感性能。AMAS具有高灵敏度（信噪比[SNR] = 35 dB）和宽频带（高达10 kHz），有助于精确检测微弱声信号。信噪比提高了约15.0 dB，表明目标信号质量得到了改善。该系统在恶劣条件下的非接触式早期航空发动机故障诊断中得到了验证，显示出其在机械健康监测和环境声学检测方面的潜力。

图形摘要