壓電纖維複材為新興的智慧型結構,雖然應用層面相當廣,但對於材 料性質的掌握仍不足,因此利用其共振頻率的特性反求材料係數,以獲得 完整的結構材料性質。本章以等效模型及實驗量測的材料常數為依據,採 用有限元素軟體 ANSYS 結合 IMSL 函式厙進行材料係數反算,並探討反算 參數的收歛性及影響。
4.1 壓電纖維複材之材料係數反算
利用壓電纖維複材軸向振動的共振頻率,進行材料係數反算。材料係 數的反算是以最佳化程式,搜尋滿足實驗量測值與模型預測最小平方差的 材料係數。本文以有限元素軟體 ANSYS 模擬脫層實驗的共振頻率,並利 用 IMSL 函式厙中的最佳化副程式”BCONF”搜尋最可能的材料係數。
4.1.1 建立反算分析模型
由脫層試片軸向共振頻率的解析解可知,共振頻率與壓電纖維複材的 脫層長度有關,分析時,只需依不同脫層比例建立分析模型,不需以完整 尺寸結構進行模擬,可降低分析時的困難度與運算量。當脫層長度太短時,
容易造成共振特徵不明顯,因此選用脫層比例 40% 的第一共振頻率進行分 析。ANSYS 的模擬採用 SOLID 5,3 元素,分析一長 52 mm 寬 9 mm 厚 0.4 mm 的結構,如圖 4.1 所示,所需元素為 14336。已知的材料性質則採用上一章 的反算參數表 3-6 所列,進行模態分析(modal analysis)。為了模擬壓電纖維 複材黏貼於鋁板上的軸向振動情況,將分析模型一端(x3=0 處)固定,並設 定軸向位移固定於結構上下表面(x2=0、0.4mm),對應的第一模態共振模態 如圖 4.2 所示。
4.1.2 需反算的材料係數
”BCONF”採用準牛頓法(quasi-Newton method)為運算法則,準牛頓法 為改進牛頓法的缺點所建立,以下介紹其基本運作過程:
這搜尋方向稱為牛頓方向(Newton’s direction)。如果函數本身為二次式,則 牛頓法可於ㄧ次迭代便找到函數的最小值。考慮一個下降搜尋方向如
k k fk
S M ,其中矩陣Mk稱為 Metric,若Mk I,則搜尋方向為梯度方 向或最陡下降方向;當M H1 ,則為牛頓方向,所以梯度方向與牛頓方
向為一般搜尋方向的兩個極限,如果sk是一個下降方向,則
T T
k k k k k 0
f f f
s M (4.3)
即矩陣Mk必須是正定(positive define)矩陣。但是牛頓法每次迭代的 Hessian 矩陣的反矩陣不一定是正定矩陣,可能為奇異矩陣(singular matrix),造成 數值問題。準牛頓法則是將每次迭代的Mk再加上一個更新矩陣(updating matrix)所得,如Mk1 Mk Dk, Mk I,其中Dk為對稱矩陣。利用前幾次 迭代的一次微分資訊,建構一個近似於原目標函數的 Hessian 矩陣之反矩陣 的 metric,定義出一個接近牛頓方向的搜尋方向,即為準牛頓法的基本概 念。
Object Predict Experiment
i
d15、ε33T 當作反算的依據,於10%誤差範圍內尋求一組最佳值,各參數 13.0171kHz,並將需反算的 5 個係數在偏離目標值±10%的範圍內,以隨機 亂數產生 10 組起始點,觀察其收斂情況。如表 4-1 所列,10 組起始點最後
如圖 4.4 所示,最佳化程序經 2 次迭代後即可收歛到最佳值。表 4.2 所 列為最佳化的結果,由表可知反算後的最佳值與等效模型的參數值,誤差 約為 7%以內。進一步尚需考慮收歛值對應的目標函數值是否為全域最小 值(global minimum),在此討論
s 、
11Es 、
12Es 、
44E d15、ε33T 各變數對於目標函數 的收斂性及影響程度:(1) 單變數探討:
為了方便說明,先將各參數予以正規化,在最佳化收斂值中,先固定 其餘 4 個變數,觀察偏離 10% 、20%、30%的單一變數能否收斂至期望 的最佳值,結果整理於表 4-3。由表可知,在變動範圍內的
s 及
11E ε33T 皆收斂 至原來的最佳化值,s 、
12Es 的收斂值則分別偏移到原最佳化值的 0.5%
44E 、 。圖 4.55 至圖 4.9 分別為5%
s 、
11Es 、
12Es 、
44E d15、ε33T 單變數對應的目標函 數曲線,由各曲線的斜率觀察收斂速度ε33T s
11Es
12E s 。圖
44E 4.8 所示的壓 電係數d15之目標函數曲線則出現發散現象,造成目標函數最低值出現在誤 差範圍的上界,推測壓電係數d15可能影響其他參數s 、
11Es 、
12Es 、
44E εT33造成 共振頻率的偏移。(2) 壓電係數 d15對其他參數的影響性:
壓電係數d15於單變數測試時發生發散情況,因此考慮d15對
s 、
11Es 、
12E44
s 、
E ε33T 的影響性,將d15與其他四個參數個別搭配,如(s ,
11E d15)、(s ,
12E d15)、(
s ,
44E d15)、(ε33T ,d15),在原最佳化收斂值的 10% 誤差範圍內,代入反算程 式,測試收斂性。圖 4.10 至圖 4.13 為上述參數組合對應的目標函數曲面及 等高線圖,當s 、
11Es 、
12E ε33T 固定於原最佳化收斂值時,隨著壓電係數d15變 化,出現多個區域極小值(local minimum),(s ,
44E d15)組合對應的目標函數極 小值甚至偏移至原最佳化收斂值的 4% 左右,並伴隨d15變化,出現數個區域最小值。上述的目標函數最小值皆出現於d15的上下邊界處。表 4-4 所列
所示,四個變數的收斂結果更加理想,僅花費 5 次迭代即收斂。