基于神经网络的压电能量收集器性能预估模型

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。     

悬臂梁式PVDF压电风能发电装置的优化设计

为了能够提高单一PVDF压电悬臂梁发电装置的输出特性,提出了改变其悬臂梁刚度的设计。建立了悬臂梁式PVDF压电风能发电装置参数化有限元模型,以风能发电装置输出电压最大化为目标,分别利用序列二次规划算法和自适应模拟退火算法进行了优化设计。基于优化设计的结果,制作了压电风能发电装置样机,并进行了实验,结果表明,当风速在4~14 m/s范围内,优化后的输出电压值均高于优化前以及单一PVDF结构,同时优化后的最大输出功率为优化前最大输出功率的4倍。