典型文献
基于机器学习的声表面波温度传感器快速优化设计
文献摘要：
目的 为提高声表面波谐振器(SAWR)性能,制造高性能声表面波(SAW)温度传感器.方法 通过FEM/BEM理论,建立SAW温度传感器精确仿真优化模型,基于此模型对敏感基片的欧拉角进行大步长优化;同时,结合仿真数据并利用多项式回归模型对敏感基片的欧拉角进行小步长快速优化.结果 文中提出的FEM/BEM仿真模型与机器学习相结合优化设计方法不仅能够实现SAWR的精确模拟,而且可大幅提高优化效率.优化结果与实际器件的中心频率相对误差为0.4％,Q值相对误差为1.2％.文中提出的FEM/BEM仿真模型与机器学习相结合优化设计方法与纯FEM/BEM方法相比,单个切型计算速度提高了2000多倍.结论 所设计的优化系统可用于谐振器敏感基片切型的快速优化设计,可缩短高性能SAW温度传感器的开发周期.
文献关键词：
声表面波;机器学习;多项式回归;温度传感器
中图分类号：
作者姓名：
杨自由;范彦平;张晓焱
作者机构：
上海理工大学 光电信息与计算机工程学院 上海 200093
文献出处：
引用格式：
[1]杨自由;范彦平;张晓焱-.基于机器学习的声表面波温度传感器快速优化设计)[J].包装工程,2022(15):241-246
A类：
SAWR
B类：
基于机器学习,温度传感器,快速优化设计,高声,声表面波谐振器,FEM,BEM,仿真优化,基片,欧拉角,大步长,仿真数据,多项式回归模型,小步,优化设计方法,高优,优化效率,中心频率,计算速度,多倍,优化系统,开发周期
AB值：
0.226038
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
