功率负荷试验下的扬声器寿命预测研究.pdfVIP

摘要

摘要

动圈扬声器广泛应用在各种音频设备中，但其电-声转换效率低，所以工作过程中

绝大部分电能转化为热能。随着当今时代数字音频设备的发展趋势向着小型化发展，

使得作为核心元件的扬声器也向着小体积、高功率的趋势发展，这就加重了动圈扬声

器单元在大信号驱动下的温度升高情况，使其更容易损坏。在大信号驱动时，动圈扬声

器会受到热和振动的复合应力，过高的应力会影响动圈扬声器的工作性能，产生功率

压缩现象等，甚至造成过热损坏等严重后果，影响扬声器使用寿命。因此，本文针对动

圈扬声器的可靠性问题，研究了大信号驱动时动圈扬声器在热应力、振动应力和热振

耦合三种载荷下的应力分布和失效模式分析，并对其进行疲劳寿命分析，同时针对扬

声器工作时电参量的变化情况，对其进行短期寿命预测。主要工作如下：

（1）基于有限元法的动圈扬声器疲劳寿命仿真和试验。通过动圈扬声器热模型和

低功率下的稳态温度场，确定扬声器热损坏上限功率，得到仿真和试验所需的载荷。使

用Solidworks建立动圈扬声器的三维有限元仿真模型，对模型进行涡流场和瞬态场分

析得到扬声器的涡流损耗和受力大小，对模型分别进行热分析和振动分析，得到模型

在热应力、振动应力和热振耦合三种载荷下的扬声器应力分布，并对其失效模式进行

了分析，再通过nCodeDesignlife对多场载荷耦合情况下的寿命进行分析。最后通过扬

声器可靠性寿命分析系统进行功率实验，结果表明，有限元法得出的结论可为动圈扬

声器的设计和优化提供参考。

（2）动圈扬声器短时寿命预测。构建双向长短时记忆（Bi-directionalLongShort-

TermMemory，简称BiLSTM）网络预测模型进行动圈扬声器电参量的短期预测研究，

并在此基础上加入了卷积神经网络（ConvolutionalNeuralNetworks，简称CNN）和序

列到序列模型（Sequence-to-Sequence，简称Seq2seq）。在粒子群优化算法（ParticleSwarm

Optimization，简称PSO）的基础上提出了基于随机惯性权重优化的粒子群优化算法

（RandominertiaweightParticleSwarmOptimization，简称RPSO）来优化Seq2seq模

型，分析比较了BiLSTM、CNN-BiLSTM、Seq2seq-BiLSTM、PSO-Seq2seq和RPSO-

Seq2seq五种预测模型的预测精度。同时根据扬声器电参量数据的特征，提出基于变分

模态分解（VariationalModeDecomposition，简称VMD）的VMD-RPSO-Seq2seq模型

预测方法，利用VMD提取原始电信号的时域曲线特征，通过中心频率法确定分解层

数，得到有关于电参量退化趋势的平滑特征子信号，试验结果表明VMD-RPSO-Seq2seq

模型具有更高的单步和多步预测精度。

关键词：动圈扬声器；有限元仿真；变分模态分解；Seq2seq模型；寿命预测

论文类型：应用研究

I

ABSTRACT

ABSTRACT

Themovingcoilloudspeakeriswidelyusedinvariousaudiodevices,butitselectro-acoustic

conversionefficiencyislow,somostoftheelectricenergyisconvertedintoheatenergy

duringtheworkingprocess.Withthetrendofminiaturizationinthedevelopmentofdigital

audioequ