pvdf压电薄膜传感器的应用,【iot毕设】机智云物联网平台 arduino开发板 呼吸检测系统 -爱游戏平台

苗坤旺离型膜

1.pvdf压电效应

材料的压电效应是指某些晶体在受到外力作用(如压力或拉力)时,会产生电荷的分离和电势的变化。这种现象被称为压电效应,表现为晶体表面的电荷密度和电势随机分布,这种现象又被称为自发电势。相反,当在压电晶体上施加电场时,晶体会发生形变,这种现象被称为反向压电效应。

聚偏二氟乙烯( pvdf) 压电薄膜作为一种高分子传感材料,在水声探测、声学成像、声学材料测量、触觉感知、医疗检测等领域均有着广泛的应用。与压电陶瓷材料相比,pvdf压电薄膜的特性阻抗与水介质接近,适合作为透声水听器的敏感材料。

我接下来关于pvdf压电特性的研究是为了制作水听器及其阵列。主要应用pvdf的d33模式,及其在厚度方向上的应变-电荷模式。

2.comsol研究

这里我们选择三维建模,进行声-压电相互作用的频域研究。

?

?

3.comsol几何建模

我们首先在全局定义中设定好建模的参数。

?

在几何建模中,我们可以通过这些参数进行设置从而得到这样一个模型(这里做的比较简单因为刚刚开始,主要是在空气域中构建了一个三明治类型的pvdf传感器,用银浆做电极)

在几何建模完成后我们可以预定义一些区域和边界

例如这里我定义的导电区域,我选择了银浆电极层

辐射边界选择所有几何体的相邻外部边界

?

?4.材料选择

关于材料的选择,这里由于分析的理论模型尽可能与实际测试相符合,我这里不给定具体数据,大家可以自行设置。

? ? ? ??

跟据预定义的区域去选择材料即可

5.comsol物理场设置

这里我们做的仿真实在空气中对pvdf进行声场的声压耦合,所以会涉及到一下几个场

?这里主要讲解下压力声学这个场的设置

我们主要添加一个垂直于pvdf表面的入射压力场,

以下是入射压力场的设置,这里的未知参数都在前面给出的参数定义中。

因为我这里最终想要得到的是声波作用下,pvdf产生的电荷,但是这里是没有办法直接得到电荷值的,所以我们选择测量电压,这样只需要在静电场的设置需中添加接地和终端输出到电路就可以测量了。

注意这里终端类型选择电路。?然后我们在电路中接上电压表就可以测量了

6.网格划分

由于我们这次仿真做的研究相对较为简单,因此网格可以直接由自由四面体生成即可。

7.结果

最终我们可以得到在40hz下100pa声压对pvdf的应力影响

同时通过电压探针可以得到pvdf产生的电势

8.总结

由于本人也处于学习阶段,仅供参考用于本人复习使用,后续会继续更新相关这方面的仿真学习,有相关研究兴趣的朋友欢迎交流

?

?

?

?

?

摘要:本文基于arduino开发板,设计了基于压电原理的呼吸检测系统。系统采用柔性聚偏氟乙烯(polyvinylidene fluoride,pvdf)压电薄膜传感器采集呼吸信号,实现了无接触式检测到呼吸信号。该传感器不仅可以避免使用者在使用时的尴尬,也减少了使用者的看病时间和费用,同时还可以更加紧凑有效的使用医护资源。设计过程中将数据传入云端,为使用者及时查看提供方便。

0 引 言

作为人体重要的生命活动之一,呼吸对于维持身体正常的生理代谢至关重要。随着生活水平的提高,人们对呼吸信号等生理信号的关注度也增加,提前检测并积极防治呼吸相关问题变得越来越重要。因此,对人体呼吸信号状况进行检测具有极其重要的意义。在一些特殊场合,例如大面积烧伤患者,传统的贴片式传感器与皮肤直接接触的方法可能不适用于实时监护。

此外,非接触式呼吸检测在军事和医学领域也具有特殊的意义。呼吸分析在肺部疾病的诊断和管理中发挥着重要作用。目前,人们对医疗方面的需求更加倾向于方便、快捷和精准,而不仅仅是在身体不适时才在医院进行检测。因此,呼吸监测设备的使用方便、价格合理和安全性高等特点成为使用者的首选要求。

1 呼吸检测原理

人体呼吸是全身组织细胞传送氧气并排出二氧化碳气体的过程。如图1所示,呼吸过程总体包括外呼吸、气体在血液中运输以及内呼吸3个基本环节。根据资料数据表明,人体呼吸信号的频率范围约为 0.2~0.8 hz, 人体的一次胸部起伏就代表了一次呼吸,呼吸频率是人体每分钟呼吸的次数。

?

图1 人体的呼吸过程示意图

压电效应(压电原理)是某些电介质在沿某个方向上,受到外在挤压力作用下而变形时,其内部发生的极化现象。同时,在其两个相对表面上出现极性相反的电荷信号。当外在挤压力去除以后,若能恢复到不带电的状态,则称此为正压电效应。相反,当在电介质的极化方向上添加一个电场力,若电场去除后,电介质的变形随之消失,则称为逆压电效应。

2 系统设计

本设计利用压电薄膜传感器采集人体呼吸信号,经过电荷放大模块以及arduino开发板,将最终得到的电压值显示在lcd屏上;并通过labview显示波形变化,可以完成呼吸的实时监测;通过wifi模块上传数据,实现对人体呼吸信号的稳定测量。基于压电原理的呼吸检测系统总体架构如图2所示。

图2 呼吸检测系统整体架构

arduino开发板是本次设计的核心。与其它压电传感器相比,pvdf压电薄膜传感器具有良好的静态特性,且具有较强的灵敏度,应用在呼吸信号的测量中具有很大的优势。

传感器电路使用pvdf压电传感器,用于呼吸信号的采集。由于人体呼吸信号较微小,直接测量可能数值不太准确且不易于观察,在电路中也可能伴有干扰信号影响测量数值。因此,本设计采用电荷放大电路,将收集的呼吸信号通过传感器转换为合适的电信号,并将放大后的电信号传给开发板。

2.1 系统硬件设计

系统的硬件方案设计如图3所示。电源主要是给单片机供电,通过usb线连接实现。主控制器是整个呼吸检测系统中最重要的一部分,采用arduino开发板实现。人体的呼吸信号是通过人体在呼吸时腹部或胸腔有规律的运动,对压电薄膜传感器产生一个挤压力来获得。呼吸信号采集模块将采集到的信号传送给arduino开发板,处理后的数字量显示在lcd显示屏上,wifi模块将采集到的呼吸信号上传至云端。

2.1.1 主控芯片

arduino作为智能系统的底层控制芯片,下位机程序可通过arduino ide烧录完成。arduino可通过两种不同方式供电,一是利用usb与串口连接供电,一是利用usb与串口连接供电,二是通过vin、gnd外接稳压5 v工作电源。相比于只有单独的一块芯片的at89c51单片机,arduino开发版则相当于一个单片机系统,不需要其它电路也可工作。此外,at89c51单片机引脚较多,芯片接线多,需要单独的程序软件才可烧写,而arduino开发版不需要单独的烧录器,只需要usb线就可以完成下载,轻松上手,易懂易学。

所以arduino开发板在电子产品制作中有较大的优势,更易于上手操作,在程序的烧录中也较为方便。更为重要的是其自带的模数转换功能,可以直接将采集到的数据转换为数字量,方便数据的后续处理。

图3 系统硬件总体框图

2.1.2 eps8266wifi模组

为了满足设计要求,wifi选用的是atk-esp8266模块,其主要优势是能耗很低,且非常适合电池供电。设计中采用atk-esp8266模块将采集到的呼吸信号数据上传到云端。

2.1.3 电荷放大电路模块

电荷放大电路等效电路如图4所示。电荷放大电路是一种输出电压与输入电荷成比例关系的测量放大电路。此次设计采用的压电传感器,可将一些测量数据转换成电荷信号输出(如本设计中传感器将采集的压力信号转换为电荷信号输出),再通过电荷放大电路输出放大的电压信号。图5为电荷放大模块原理图,其中展示了各电容、电阻的具体取值。

图4 电荷放大电路等效电路图

图5 电荷放大模块原理图

2.2 系统软件设计

系统的软件方案设计如图6所示。利用arduino软件程序代码进行器件的初始化、以及lcd显示屏显示管理等,并将编译无误后的程序烧录进对应的硬件部分。本设计主要是针对呼吸检测系统进行调试,其是为了呼吸检测系统而存在的。

图6 呼吸检测系统软件整体框架

2.3 实物搭建

arduino模块与lcd1602屏的引脚连接方法有两种:一是两个模块的引脚直接连接,但这种方法在使用过程中会出现引脚不够用的问题;二是两个模块通过面板来转接,其优点是有利于引脚的使用以及接线的美观。arduino模块与lcd1602模块的连接如图7所示。在系统调试时,若能在显示模块显示初始化的字符串,则说明lcd写入数据。

在实验过程中,利用母线、公线将压电薄膜传感器、电荷放大电路模块、arduino开发板等实物按照引脚连接起来。所有接线以及供电无误后,将程序代码下载到实物中进行数据的采集。tk-esp8266与arduino的连接示意如图8所示。

wifi模块配置成功后,连接其它硬件模块并用指尖拨动压电传感器,给压电传感器一个挤压力,压电传感器产生一个电荷量,arduino开发板将数据处理后通过wifi模块传至云端,这时会在移动端看到数据信号的变化。

图7 arduino模块与lcd1602模块的连接

图8 atk-esp8266与arduino的连接

3 上位机呼吸数据显示

labview是ni公司推出的上位机图形化编程软件,图形化编程方式简单易学,可以极大地提高编程效率。

3.1 上位机labview显示

如果某一信号达到傅里叶展开的条件,就可以用无限多个不同频率的正弦信号之和来进行描述,并且每一个正弦信号的频率、相位和幅值集组成了该信号的频谱。从图9~图11中可见,被测试者的呼吸信号波形图、呼吸信号幅度频谱及呼吸信号相位频谱。信号频谱图是对信号进行频域内的描述。

图9 呼吸信号显示图

从图9可以了解到被测试者的呼吸信号显示图,了解到被测试者在测试时间内的呼吸信号变化。实验过程中,将pvdf传感器贴于被测者腹部,经过电路处理,可以得到被测者的呼吸信号图。

图10 呼吸信号幅度频谱图

从图10可以了解到被测试者的呼吸信号幅度频谱图。正弦信号不同频率的幅值描述的图称为幅值频谱图。通过处理labview程序采集到的被测者呼吸信号,得到被测者的呼吸信号的幅度频谱图,观察被测者的呼吸信号。

图11为被测试者的呼吸信号幅度频谱图。正弦信号不同频率的相位描述图形称为相位频谱图。

图11 呼吸信号相位频谱图

3.2 机智云物联网平台

机智云是一个综合的物联网设计平台,为开发者提供了物联网设备的自助开发工具、设备远程操控管理、数据存储分析、第三方数据整合、硬件社交化等技术服务,也为智能硬件厂家提供一站式物联网开发和运维服务,缩短了智能硬件产品开发周期,快速实现智能化。

该平台还提供了丰富的自助开发工具和后台爱游戏官网登录入口的技术支持服务,帮助开发者轻松构建物联网设备应用程序和功能。同时,它还提供了设备远程操控管理功能,使用户能够通过云端与物联网设备进行通信和控制,实现远程监控和操作。

机智云物联网平台可以给虚拟设备到移动端的数据互现。移动端通过发送控制指令,经过云端处理将数据在虚拟设备中展现,虚拟设备也可以通过发送指令将数据体现在移动端。

图12展示了呼吸信号上传至云端的信号图。设计中将pvdf压电薄膜传感器贴于被测试者的腹部,数据采集模块经电路处理模块后,实时将数据传送至云端。

图12 呼吸信号上传云端图

4 结束语

基于压电原理的呼吸检测系统具有较为深远的研究意义,为了规避人体潜意识或者无意识的运动给呼吸检测系统带来的干扰,采取使用多块pvdf压电薄膜传感器同时采集呼吸信号,可以较好程度的实现呼吸信号的检测。

再加上各种电阻电容,实现了人体心率的计数及显示功能。此呼吸检测系统采用压电传感器实现人体呼吸信号的测量,能够保证对人体呼吸信号测量的精准性和简便性,且价格实惠,具有广阔的应用前景。

源代码: emd分离心跳呼吸算法复现code.

智能健康监测床垫整体实现

床垫式生理信号监测系统的框图见图 1,薄垫中安装 pvdf压电传感器, 可以捕捉人体呼吸和心跳的微弱振动信号, 输出相应的电荷信号。电荷放大器对传感器的输出信号进行放大, 并转化为电压信号。低通滤波器用于滤除工频干扰和高频噪声。考虑到不同个体的生理信号强度不同, 在电路上增加可以自动调节增益的电压放大器, 使得输出信号的幅度在合适的范围。mcu (microcontroller unit)对模拟前端的输出信号进行处理和分析, 得到呼吸率和心率的计算结果。

使用无创传感器采集仰卧状态下的心跳信号易受以下3 类干扰: 1) 基线漂移噪声; 2) 翻身,抖动及心情干扰,频率约5~ 20 hz; 3) 工频干扰( 50 hz) 或其他白噪声。滤波算法可从原数字信号中提取各信号频段,实现信号与噪声分离。使用压电传感器得到的非平稳信号波动不明显、能量小,常用寻峰方式较难准确取峰。

柔性传感器不仅是一项非凡的创新,在多种产品/爱游戏平台的解决方案中也都展现出广阔的发展前景。据麦姆斯咨询报道,医疗保健领域早采用该项技术,集成了柔性传感器的技术是远程监测和跟踪患者康复系统的组成部分。这种新型柔性传感器已被证实可通过良好的柔性与监测效果改善患者的治疗状况,从而得到更快速有效的康复。柔性传感器技术实时监测和跟踪骨科患者通过这项技术,无论是外科膝盖支架还是粘贴在皮肤上的装置,都可用于测量患者每秒数百次的动作细节。这使专业医疗人员和患者都能够实时掌握骨骼原位的发展情况。例如,在人工全膝关节置换术(tka,total knee arthroplasty)中康复的患者可以使用类似claris reflex这样的装置,让专业医疗人员可以远程监控患者术后恢复情况。该项爱游戏平台的解决方案使得治疗师在整个物理治疗过程中可提出对患者更有帮助的建议并随时调整治疗计划。

床垫实现呼吸监测为例,人体卧于床垫上时,数据采集单元中心音传感器开始进行参数采集,并将采集信息转化为电信号。经过放大电路,可以将电荷信号转化为电压信号,完成信号去噪后发送至a/d转换电路,并且将带有呼吸和心跳信号的混合电压信号进行去噪,分离出呼吸信号和心跳信号。电压信号经过a/d转换电路转换成数字信号,然后通过串行通信的方式将数据传输在单片机处理单元中进行数字处理,同时通过显示单元将计算到的呼吸率等信息实时显示。当有窒息情况放生时,控制扬声器发出报警信号。 用户可以智能化实现生命活动的感知记录:采用高感度传感器探测心跳、呼吸、体动等基础生命活动信息元素;采用数据模型分析计算及滤波分析分离出心跳、呼吸及异常体动事件。用户可以智能化实现生命活动的危机值监视与报警:系统可以设定心脏搏动正常值,并提供数据监视功能,在超出设定范围后报警;系统可以设定呼吸次数正常值,并提供数据监视功能,在超出设定范围后报警;系统可以记录各种可分析测定的传感状态及生命活动状态,并提供数据监视功能,在超出设定范围后报警。通过本文章所述的床垫,用户可以智能化实现基础生命活动事件的分析:测定正常活动状态:例如卧床;测定非活动状态:例如离床(符合离床预设方案);测定特异性非活动状态:例如生命活动消失(符合特异性非活动状态数据预设方案);测定为异常活动状态:例如持续咳嗽、翻滚等测定异常活动状态:例如摔床(符合摔床数据预设方案);测定异常活动状态:例如夜间频繁离床等。 通过本文章所述的床垫,用户可以智能化实现基础生命活动事件特殊状态报警:服务器/云平台可设定各种测定状态的阀值,将提供各种测定状态的通报、警示及报警功能,例如:离床报警:对部分不能离床的患者定义报警要求,在系统检测到状态为离床时报警用于防坠床;生命活动消失报警。特殊活动记录:系统对数据进行分析处理,分析并记录可能存在的活动状态,如心率异常、离床、翻滚等;夜间活动记录:将重点捕捉夜间生命活动事件,可以为临床医疗分析提供协助 因此可以智能化实现生理状况的监测,并基于监测结果实现反馈报警或睡眠建议反馈,从而有助于用户了解自身睡眠情况并改善自身睡眠质量。在数据采集单元进行数据采集的过程中,所有传感器不是同时进行数据采集,从而降低了床垫的服务器/云平台的数据处理压力。同时,所述数据采集单元中各传感器仅根据单片机处理单元的控制命令实现数据采集,而不必一直维持工作状态从而增加各个传感器的使用寿命,并降低了床垫能耗,减少了不必要的用电量。因此,本文章所述的床垫,不仅适用于医院、护理中心等场所,还适用于家庭,应用广泛。

emd算法介绍

计算呼吸率的方法普遍为波形法,通过寻址呼吸波相邻的有效波峰和波谷计算周期,从而得到呼吸率。当前,诸多该领域研究集中在基于床垫式的生理信号监测系统,例如法国科学家j.molet在分析地震波时首先使用了小波变换。采用小波变换提取心跳及呼吸信号。小波是指具有一定的振幅、频率的震动波形。波形均值为零,幅值正负交替。而小波变换是这样一种变换:用不同频率的经过移位等变换的小波所形成的小波基来组成或分解时域信号。中心频率和带宽的比例不同决定了小波的差异。小波变换的过程和傅立叶变换十分相似。例如美国学者norden e.huang等人提出了一种在时域上的非平稳信号处理方法-经验模态分解算法,简称emd。任何复杂的数据序列都可以分解为有限个且通常是若干个固有模态函数(intrinsic mode function,简称imf)。这种方法具有很强的自适应和高效性,由于这种分解是基于数据时间尺度的局部特性,所以它适用于非线性和非稳定性的处理过程。固有模态函数的引出,使得瞬时频率的意义更加的突出。同时复杂数据序列的瞬时频率概念的引入,有效的避免了用杂散谐波来描述非线性和非稳定性信号的弊端。从信号处理的角度看,emd是将信号逐步从高频到低频分解的过程。它体现了多分辨率的特性。无论是概念上还是信号分析方法上,都是对非平稳性信号处理的一个创新的突破,开辟了新的思路。与小波变换相比,emd方法不需要选择基函数,而是针对于信号自身的特点,自适应的将信号分解成有限个频率从高到低的固有模态函数,同时不同的imf分量也反映了信号在不同的时间尺度上的特征。通过对每一个imf分量进行频谱分析和判断,再回到时域上分离和重构新生儿的呼吸及心跳信号,这样可以避免噪声和呼吸信号谐波等干扰。本文章装置也可以通过小波算法或emd算法实现用户呼吸率的统计。经过采样的信号为呼吸、心跳和体动等噪声的混合信号。信号含有不同频率的谐波分量,需进一步信号处理以获得准确的心跳、呼吸信号。采用emd算法将信号分解成有限个固有模态函数之和,按照呼吸率和心率的频带范围来进行对呼吸和心跳波形的重构。首先对呼吸和心跳的混合信号进行快速傅里叶变换(fast fourier transform,简称fft),找出最大谱峰对应的频率,从而估算出呼吸的和心跳的频带范围。再对同一信号进行emd,可以分解成若干个频率不同的谐波分量。有些谐波分量是呼吸或心跳信号的组成部分,通过对每个谐波分量进行fft,计算出在呼吸和心跳频率范围内的能量占某个谐波分量的比例。当该比例大于60%(经验参数)时,可以认为是呼吸和心跳的组成成分。对所有的谐波分量进行计算后,可以重构呼吸和心跳信号。在分别对呼吸和心跳信号进行fft,计算出最高谱峰对应的频率,即为呼吸率和心率。基于不同人的呼吸、心跳频率会有很大的差别,同一个人不同时间段的呼吸、心率也各不相同,特殊情况下,呼吸率可高达150次/分钟(2.5hz),这将与正常情况时的心率范围重合。因此通过设定固定的呼吸率和心率频带范围来进行呼吸信号和心跳信号分离往往无法准确地测量各种异常状况下的生理信息。由于在信号采集器采集的混合信号中心跳信号相对来说比较微弱,呼吸信号的能量最大。因此,首先对初始混合信号进行快速傅立叶变换,计算出能量最大的谱峰所对应的频率值,即为呼吸率的估计值fc。利用人体在同一时间内呼吸和心跳在频域范围内存在差异且心率一般要高于呼吸率的特点,选择以fc为中值、0.2hz范围内的频率为呼吸信号的频带范围,fc 0.2hz至3hz为心跳信号的频带范围。通过动态选取的呼吸及心跳信号的滤波频带,可更准确地计算实时呼吸率和心率,不受被测者异常生理状况影响。

算法具体实现(程序搭建环境,附源代码)

本床垫把采集的数据经过wifi和蓝牙上传到电脑中进行处理,我使用c /c语言进行了算法的复现,软件ide是vs2010中完成的,代码我也上传了,下边链接可以获取。

源代码: emd分离心跳呼吸算法复现code.

扩展阅读:

心率呼吸率等体征参数能够很好地反映人体的睡眠状况,在相关领域引起了较大关注。使用聚偏氟乙烯( polyvinylidenefluoride,pvdf) 压电薄膜传感器进行人体生理信号的采集具有较大优势。压电薄膜具有频响范围宽,材质柔软,抗干扰度强,使用年限长的特点,非常适用于人体生理信号的监测。

矫正基线漂移是信号处理的关键。基线漂移近似为低频成分,利用小波基sym8 对信号多尺度分解后对低频小波系数重构,即可得到基线漂移。在采样频率60 hz 下,低频分量a8 频宽为0~ 0. 12 hz,通过实验验证,对小波进行8 尺度分解即可去除基线漂移。

正常情况下心率为0. 9 ~ 2.5 hz,呼吸率为0.13 ~0.45 hz,噪声信号多为高频信号。呼吸和心跳信号由小波变换对应的低频部分构成。当分解层次变高时,去掉的低频成分越多,去噪效果虽更好,但失真度也在变大。经实验验证,对采样频率60 hz 的信号,采用sym8 小波基对小波9 阶分解即可。呼吸信号由6 阶小波重构信号去除基线漂移可得。心跳信号由3 阶与5 阶小波重构分量中间频段构成。图3 为由原始信号得到呼吸心跳原理。由于3 阶小波重构最多滤到3. 5 hz 以下,再通过简单的零相移低通滤波可将心率滤波至2.5 hz 以下。

时域寻峰算法

对时域呼吸心跳波形做寻峰处理,求出心率呼吸率:

1) 二阶差分寻峰判断心跳呼吸信号中单位时间内波峰数,并进行波谷检测与波形平均处理,处理后所得波峰数即为该时段内心跳或呼吸次数。

2) 由心率呼吸率有效范围设置阈值( 此处设为平均值) ,以阈值为基准,设定允许的偏移范围( 通过统计实验,取基准值的20 %) ,在平均值上下偏移量范围内的点认作有效波峰。求出信号中的有效波峰。

3) 对于伪峰值点采用两次筛选法,分别筛选出多采集的波峰及少采集的波峰点,进行删峰与补峰处理。

4) 计算呼吸率和心率。由fs = 60fs /( n2 - n1) 。其中n2,n1分别为相邻的两个峰值点所在位置,fs为硬件采样频率,fs为心率或呼吸率,即每分钟的心跳或呼吸次数。

分享
文章爱游戏平台的版权声明:除非注明,否则均为苗坤旺离型膜原创文章,转载或复制请以超链接形式并注明出处。

发表评论

快捷回复: 表情:
applausebadlaughcoffeefabulousfacepalmfecesfrownheyhainsidiouskeepfightingnoprobpigheadshockedslapsocialsweattolaughwatermelonwittywowyeahyellowdog
评论列表 (暂无评论,2人围观)

还没有评论,来说两句吧...

微信二维码
微信二维码
支付宝二维码
网站地图