1.一种微纳目标声波操纵方法，其特征在于，包括：
监测所述微纳目标的实时位置，结合所述微纳目标的目标位置，生成所需振动频率，根据所需振动频率对所述微纳目标进行声波操纵；
其中，生成所需振动频率的过程包括：
识别所述微纳目标在声波发出前和发出后的实时位置，得到声波对所述微纳目标的影响；
将声波对所述微纳目标的影响中的离散数据信号转化为平板上微纳目标运动的声波位移场；
根据目标位置对应的有效Chladni图形和所述微纳目标运动的声波位移场，得到所需振动频率；
声波位移场的获得过程包括：
将微纳目标所在平面的长和宽进行n等分，在任意一个给定的位置点X，基于跨度内的数据点，使用加权线性最小二乘回归拟合得到二次多项式回归曲线，二次多项式的权重Wi为：

式中：Pi是空间中X附近的数据点，d(x)是空间中X到最远数据点的距离；
对Chladni图形进行仿真，得到所述Chladni图形的有效声波频率；
仿真中，对单极点声源在平板上的响应具体描述为：

式中：l表示方形板的边长，n1,n2,为任意正整数,p(x,y)表示单极点的响应坐标，F0表示声源的振幅，表示共振波数，k表示共振模态的特征值，以及x',y'分别表示对x和y的求导结果。
2.根据权利要求1所述的一种微纳目标声波操纵方法，其特征在于，基于Faster R-CNN算法，识别所述微纳目标，并得到声波对所述微纳目标的影响。
3.根据权利要求1所述的一种微纳目标声波操纵方法，其特征在于，将微纳目标放置于硅板上方，所述硅板下方固定有压电陶瓷声波驱动器，所述压电陶瓷声波驱动器接收并按所需振动频率发出声波，驱动所述硅板振动，对所述微纳目标进行声波操纵。
4.根据权利要求3所述的一种微纳目标声波操纵方法，其特征在于，所述硅板下方固定有多个压电陶瓷声波驱动器，用于协同驱动所述硅板，实现3D操纵。

技术领域
[0001]本发明涉及微物体操纵技术领域，更具体的说是涉及一种微纳目标声波操纵方法及声波操纵平台。
背景技术
[0002]微纳机器人用于操纵微纳元件，目前，主要操纵方法包括电场操纵、磁场操纵、光学镊子和声波操纵，其中，基于电场和磁场的微目标操纵局限于具有电磁特性的目标，而光镊技术由于波长限制了其操纵尺寸并且存在影响和损坏微元件的可能；相比较而言，声波操纵具有一定的优势，包括操控颗粒不限于具备磁，电的微粒，可以操控多种材料属性的微粒；而且波长范围大，频率范围可达MHz，操控颗粒尺寸可以达到纳米级别到厘米级别；同时，声波场具有无接触和传播距离远的独特优势，可以在固体，液体，气体中传播，适用于不同环境的微目标操控。
[0003]虽然，声波操纵作为一种新型的微目标控制手段，在微型芯片的组装、液态材料的无接触控制以及细胞等组织的培养等方面已具备了一定的研究成果；但目前传统声波操纵方法硬件结构复杂，操纵精度低，往往需要多个驱动器来控制单个或少量目标的运动，而且局限于平面操纵，操纵存在机械化等问题。
[0004]当下作为比较前沿的声学操纵方式，仍然处于理论突破和研究阶段，且仍然有许多技术问题亟需突破。
发明内容
[0005]有鉴于此，本发明提供了一种微纳目标声波操纵方法及声波操纵平台，以结合人工智能技术，至少部分解决上述技术问题。
[0006]为了实现上述目的，本发明采用如下技术方案：
[0007]一种微纳目标声波操纵方法，包括：
[0008]监测所述微纳目标的实时位置，结合所述微纳目标的目标位置，生成所需振动频率，根据所需振动频率对所述微纳目标进行声波操纵；
[0009]其中，生成所需振动频率的过程包括：
[0010]识别所述微纳目标在声波发出前和发出后的实时位置，得到声波对所述微纳目标的影响；
[0011]将声波对所述微纳目标的影响中，离散的数据信号转化为平板上微纳目标运动的声波位移场；
[0012]根据所述微纳目标目标位置对应的有效Chladni图形和所述微纳目标运动的声波位移场，得到所需振动频率。
[0013]可选的，基于Faster R-CNN算法，识别所述微纳目标，并得到声波对所述微纳目标的影响。
[0014]可选的，声波位移场的转化过程包括：
[0015]将所述硅板的长和宽进行n等分，在任意一个给定的位置点X，基于跨度内的数据点，使用加权线性最小二乘回归拟合得到二次多项式回归曲线，所述二次多项式的权重Wi为：
[0016]
[0017]式中：pi是空间中X附近的数据点，d(x)是空间中X到最远数据点的距离。
[0018]可选的，对Chladni图形进行仿真，得到所述Chladni图形的有效声波频率；
[0019]仿真中，对单极点声源在平板上的响应具体描述为：
[0020]
[0021]式中：l表示方形板的边长，n1,n2,为任意正整数,p(x,y)表示单极点的响应坐标，F0表示声源的振幅，表示共振波数，k表示共振模态的特征值，以及x',y'分别表示对x和y的求导结果。
[0022]可选的，将微纳目标放置于硅板上方，所述硅板下方固定有压电陶瓷声波驱动器，所述压电陶瓷声波驱动器接收并按所需振动频率发出声波，驱动所述硅板振动，对所述微纳目标进行声波操纵。
[0023]可选的，所述硅板下方固定有多个压电陶瓷声波驱动器，用于协同驱动所述硅板，实现3D操纵。
[0024]一种计算机存储介质，用于计算机可读存储，其特征在于，所述计算机存储介质上存储并执行如上所述的一种微纳目标声波操纵方法。
[0025]为优化上述技术方案，本申请还公开了一种微纳目标声波操纵平台，包括硅板，压电陶瓷声波驱动器、微摄像头、计算机和信号发生器；
[0026]所述压电陶瓷声波驱动器位于所述硅板下方，并与所述信号发生器的输出端连接，用于接收声波信号，驱动硅板振动；
[0027]所述硅板上方放置微纳目标，用于通过振动操纵所述微纳目标移动；
[0028]所述微摄像头，用于监控所述微纳目标的实时位置，并发送至计算机；
[0029]所述计算机，用于识别所述微纳目标在声波发出前和发出后的实时位置，得到声波对所述微纳目标的影响；将声波对所述微纳目标的影响中，离散的数据信号转化为平板上微纳目标运动的声波位移场；根据所述微纳目标位置对应的有效Chladni图形和所述微纳目标运动的声波位移场，得到所需振动频率，以及将所述所需振动频率发送至信号发生器；
[0030]所述信号发生器，用于根据所述所需振动频率产生声波。
[0031]可选的，所述信号发生器采用Labview图形化编程软件构建，并依次通过信号采集卡和信号放大器后连接至所述压电陶瓷声波驱动器。
[0032]经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种微纳目标声波操纵方法及声波操纵平台，通过研究声波的传播特性和薄板的振动特性，掌握Chladni板上粒子运动特性进而实现粒子运动控制。
[0033]具体的充分利用不同的激励频率，结合Faster R-CNN算法，采用局部加权回归散点法对薄板上微粒的移动情况进行精确建模，从而得到该频率下对应的微目标位移场；进一步利用这一物理效应，结合人工智能技术对微纳机器人的元器件进行组装操纵。
[0034]本发明结合人工智能技术，仅需采用一个声波驱动单元即可实现多个微纳目标的精确无接触控制，可有效简化声波操纵结构，提高操纵精度，同时可通过一个声波驱动单元同时控制多个微纳目标的精确控制，即对于平面多个微纳目标的操纵，本发明通过结合基于深度确定性策略梯度的强化学习方法，基于已有的声波位移场训练控制模型，使用单个声波驱动器同时控制平板上多个微纳粒子实现多微粒操纵的任务目标。
[0035]进一步，本发明可突破平面操纵的局限性，通过多声波驱动器协同的方式进行空间操纵，利用复合声场实现微目标在3D空间中的精确操纵，本发明可为军用微纳机器人的组装提供重要的工程技术支持。
[0036]本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0037]下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0038]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0039]图1为基于图像识别获取的声波影响示意图；其中，(a)为声波发生前的示意图，(b)为声波发生后的示意图，(c)为声波对微纳目标影响示意图；
[0040]图2为微纳目标的声波位移场；
[0041]图3为单体-多体微粒控制示意图；
[0042]图4为DDPG算法结构图；
[0043]图5为仿真结果对比图，(a)为实际Chladni图形，(b)为相同震动频率下仿真图形；
[0044]图6为Chladni图形的数据集；
[0045]图7为不同时刻单微粒控制示意图，其中(a)为T＝0s，(b)为T＝5s，(c)为T＝10s；
[0046]图8为不同时刻多微粒控制示意图，其中，(a)为T＝0s，(b)为T＝5s，(c)为T＝15s；
[0047]图9为多驱动器协同驱动薄板示意图；
[0048]图10为微纳目标声波操纵平台结构示意图。
具体实施方式
[0049]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]本发明中第一实施例，公开了一种微纳目标声波操纵方法，
[0051]首先将微纳目标放置于硅板上方，并在硅板下方固定压电陶瓷声波驱动器，
[0052]微纳目标声波操纵方法，包括：
[0053]监测所述微纳目标的实时位置，结合所述微纳目标的目标位置，生成所需振动频率，并发送至所述压电陶瓷声波驱动器，所述压电陶瓷声波驱动器按所需振动频率发出声波，驱动所述硅板振动，对所述微纳目标进行声波操纵；
[0054]其中，生成所需振动频率的过程包括：
[0055]识别所述微纳目标在声波发出前和发出后的实时位置，得到声波对所述微纳目标的影响；
[0056]将声波对所述微纳目标的影响中，离散的数据信号转化为平板上微纳目标运动的声波位移场；
[0057]根据所述微纳目标的目标位置对应的有效Chladni图形和所述微纳目标运动的声波位移场，得到所需振动频率。
[0058]下面对振动频率获取过程进行重点说明：
[0059]首选，识别所述微纳目标在声波发出前和发出后的实时位置，得到声波对所述微纳目标的影响；
[0060]本实施例中，基于Faster R-CNN对微纳目标进行运动识别；Faster R-CNN算法对微小物体比较敏感，选择该算法对平板上的粒子进行识别，并采用局部加权回归散点法对薄板上微粒的移动情况进行精确建模，可以得到该频率下对应的微纳目标位移场。
[0061]该算法由R-CNN和Fast R-CNN进一步改进而来，该网络通过两阶段加上RPN(区域建议网络)，实现高精度的检测功能，相比于其他一阶段的检测网络，两阶段的网络更加精准、更有利于解决多尺度、小目标的问题。
[0062]因此，本发明将采用Faster R-CNN技术，对声波信号在平板上微纳目标的运动影响进行分析。
[0063]首先使用VOC2007+2012训练集训练，VOC2007测试集测试mAP达到73.2％，目标检测的速度可以达到每秒5帧。技术上将RPN网络和Fast R-CNN网络结合到一起，将RPN获取到的proposal直接连到ROIpooling层，是一个CNN网络实现端到端目标检测的框架。训练过程分为4步：
[0064](a)使用在ImageNet上预训练的模型初始化RPN网络参数，微调RPN网络；
[0065](b)使用(a)中RPN网络提取region proposal训练Fast R-CNN网络，也用ImageNet上预训练的模型初始化该网络参数；
[0066](c)使用(b)的Fast R-CNN网络重新初始化RPN,固定卷积层进行微调，微调RPN网络；
[0067](d)固定(b)中Fast R-CNN的卷积层，使用(c)中RPN提取的region proposal对Fast R-CNN网络进行微调。
[0068]使用时，首先，将在Chladni平板上均匀放置大量微纳粒子作为带待观测目标，声波信号约持续500毫秒，记录声波信号发出前和发出后的粒子位置，采用Faster R-CNN技术进行图像识别，得到声波对微纳目标的影响。
[0069]其中，基于图像识别的声波影响获取过程图，如图1所示；
[0070]进一步，将声波对所述微纳目标的影响中，离散的数据信号转化为平板上微纳目标运动的声波位移场；
[0071]在得到声波对微纳粒子的运动影响后，本项目拟将离散的数据信号转化为平板上微目标运动的声波位移场。转化过程包括：
[0072]将所述硅板的长和宽进行n等分，在任意一个给定的位置点X，基于跨度内的数据点，使用加权线性最小二乘回归拟合得到二次多项式回归曲线，所述二次多项式的权重Wi为：
[0073]
[0074]式中：pi是空间中X附近的数据点，d(x)是空间中X到最远数据点的距离。
[0075]本实施例中，基于局部加权回归散点平滑法的声波场建模，局部加权回归散点平滑法是一种拟合散点数据得到平滑曲线的非参数统计方法，是查看二维变量之间的有力工具。LOESS不采用现成的数学函数作为模型，而是取一定比例的局部数据，在这部分子集中拟合多项式回归曲线，观察数据在局部展现出来的规律和趋势。
[0076]因此，在一种实施例中，首先将50×50毫米平板的长宽分别进行30等分便于数据的采集和统计，然后，在任意一个给定的位置点X，基于跨度内的数据点，使用加权线性最小二乘回归拟合一个二次多项式。
[0077]如图2所示，基于上述建模方法，即可得到声波在Chladni平板上对微纳粒子的位移场，通过对不同位移场的精确选择和调用，可控制平板上微目标的自主运动，实现微纳机器人的组装。
[0078]此外本发明，采用DDPG算法，根据所述微纳目标的目标位置对应的有效Chladni图形和所述微纳目标运动的声波位移场，得到所需振动频率。
[0079]如图3所示，单体的声波操纵原理较为简单实现起来也相对容易，假设点为粒子当前位置，为粒子的目标位置，红色箭头为某一频率声波将微纳物体操纵运动的方向，单体控制的优化目标可选为令最小的声波频率即可。
[0080]而多体微目标的控制则更加复杂，需要同时考虑多个微纳粒子的运动方向，难以在一个控制周期内满足所有微纳粒子的运动目标，因此需要从多微纳粒子的完整运动流程中进行优化。
[0081]针对该问题，如图4所示，本项目将采用基于深度确定性策略梯度的深度强化学习方法，同时操纵多粒子的精确运动。深度确定性策略梯度算法是使用深度学习技术、同时基于Actor—Critic算法的确定性策略算法。其中Actor和Critic使用深度神经网络来建立近似函数。该算法可以直接从Actor的策略生成确定的行为，因此，不需要依据行为的概率分布进行采样而被称为确定性策略。该算法在学习阶段通过在确定性的行为基础上增加一个噪声函数而实现在确定性行为周围的小范围内探索。此外，该算法还为Actor和Critic网络各备份了一套参数用来计算行为价值的期待值以更稳定地提升Critic的策略指导水平。使用备份参数的网络称为目标网络，其对应的参数每次更新的幅度很小。另一套参数对应的Actor和Critic则用来生成实际交互的行为以及计算相应的策略梯度，在一套参数每学习一次就更新一次，进而减少因近似数据的引导而发生不收敛。
[0082]本发明中，由于平板上的Chladni图形将跟随不同的Piezo震动频率变化，而Piezo震动频率的可选范围较大，必须在仿真中预先选取可用的Chladni图形，以便用于后期控制。因此本申请将通过求解Helmholtz方程进行图形的仿真，首先：
[0083]
[0084]式中：p是外界压力，ρc是介质密度，ω＝2πf是角频率，c为声速，Qm表示单极点声源。
[0085]理想的单极点声源可描述为：
[0086]Qm(ρ)＝F0·δ(ρ-ρ')
[0087]式中：ρ表示平面位置，ρ′表示单极点源的位置，F0表示点源的幅值。
[0088]假设G(x)为亥姆霍兹方程的格林函数，即
[0089]
[0090]则可以根据卷积G(x)*F0δ(x)得到方程(1)的解，即单极点声源在平面板上的响应：
[0091]
[0092]式中：l表示方形板的边长，n1,n2,为任意正整数,p(x,y)表示单极点的响应坐标，F0表示声源的振幅，表示共振波数，k表示共振模态的特征值，以及x',y'分别表示对x和y的求导结果。
[0093]结合以上推导过程，通过仿真结果可以获取可实现稳定Chladni图形的有效声波频率。
[0094]本申请进一步采用Comsol软件平台解算Helmholtz方程，如图5所示，
[0095]可以看出在相同震动频率下仿真图形与实际Chladni图形一致，验证了所提出建模方法的正确性。随后，如图6所示，本文采用Locally weighted scatterplot smoothing(LOESS)方法，将Chladni图形转化为MatLab中的声波力场数据集，用于仿真及实际实验，本文共记录了59个频率下的Chladni图形极其声波力场。
[0096]结合该数据集，本文进行了单微粒及多微粒的运动控制仿真实验，实验结果如图7-8所示，星号为目标点。仿真实验结果表明，所设计的控制器可同时实现多微粒的运动控制，确保多微粒同时到达预定目标。
[0097]本实施例，进一步公开了基于Chladni板的多驱动器协同3D操纵技术。
[0098]具体为在硅板下方固定有多个压电陶瓷声波驱动器，如图9所示，
[0099]用于协同驱动所述硅板，实现3D操纵；操纵过程包括：
[0100]结合牛顿运动学定理对硅板受迫振动下微粒的受力情况进行分析，建立薄板上微粒运动状态，轨迹和运动区域的数学模型；
[0101]分析在多个驱动器协同激励下产生的复合声场，
[0102]结合驱动信号驱动时间的精确控制，利用复合声场协同作用下的粒子空间运动特性，采用多声波驱动器协同实现3D空间操纵。
[0103]单一中心驱动的声场模型已经确定，通过改变模型中激励源的位置，便可以获得其他驱动单元对应的声场，当多个声源同时存在，便形成复合声场，通过控制不同激励声波的频率，振幅等信息可以实现微目标的运动控制。
[0104]本发明中第二实施例一种计算机存储介质，用于计算机可读存储，其中，所述计算机存储介质上存储并执行如上所述的一种微纳目标声波操纵方法
[0105]本发明中第三实施例公开了一种微纳目标声波操纵平台，包括硅板，压电陶瓷声波驱动器、微摄像头、计算机和信号发生器；
[0106]所述压电陶瓷声波驱动器位于所述硅板下方，并与所述信号发生器的输出端连接，用于接收声波信号，驱动硅板振动；
[0107]所述硅板上方放置微纳目标，用于通过振动操纵所述微纳目标移动；
[0108]所述微摄像头，用于监控所述微纳目标的实时位置，并发送至计算机；
[0109]所述计算机，用于识别所述微纳目标在声波发出前和发出后的实时位置，得到声波对所述微纳目标的影响；将声波对所述微纳目标的影响中，离散的数据信号转化为平板上微纳目标运动的声波位移场；采用DDPG算法，根据所述微纳目标的目标位置对应的有效Chladni图形和所述微纳目标运动的声波位移场，得到所需振动频率，以及将所述所需振动频率发送至信号发生器；
[0110]所述信号发生器，用于根据所述所需振动频率产生声波。信号发生器采用Labview图形化编程软件构建，并依次通过信号采集卡和信号放大器后连接至所述压电陶瓷声波驱动器。具体如下图10所示；
[0111]其中，计算机中内置Chladni图形仿真、Matlab控制仿真、图像处理模块以及振动控制模块的相关软件程序；
[0112]本实施例中硅板为一块5cm×5cm,0.625mm厚的微型薄硅板，压电驱动器的型号为(pst150/2×3/5)，底部固定在一个双轴手动滑块上，滑块用来保持薄板的水平。
[0113]压电驱动器由正弦波信号发生器和信号放大器驱动，激励薄板。正弦声波信号发生器采用LabView搭建，由NI数据采集卡NI-USB6363接收，将信号传送至压电驱动器。在薄板正上方安装一个阵列相机，用于采集薄板的振动模式以及微纳粒子的实时位置，并采用Python搭建视觉反馈程序，收集微纳目标的实时位置，并将其传送至Matlab程序，基于预先所训练的模型，进行下一步的声波频率选取。
[0114]进一步，该平台的工作过程包括：
[0115]S1：通过求解Helmholtz方程，并采用Comsol软件对某固定声波频率下的平板上的克拉德尼图形进行仿真，为微粒的运动控制提供理论支持；
[0116]S2：通过计算机所构建的Labview信号发生器发出正弦声波数字信号；
[0117]S3：声波数字信号经信号采集卡和信号放大器转换为模拟电压信号；
[0118]S4：电压信号作用于Piezo声波驱动器，继而驱动硅薄板产生振动，控制微粒的位移；
[0119]S5：由高速摄像机实时地在计算机上输出微粒的运动图像；
[0120]S6：基于Faster R-CNN算法建立图像识别系统，并将其转化为Matlab中的声波位移场数据集，该算法还将对高速摄像机拍摄的硅薄板上的微粒图像位置进行实时辨识，用于控制反馈。
[0121]S7：采用强化学习方法DDPG作为控制策略，实现微粒连续动作的空间控制。
[0122]其中，薄板的固有频率通过根据其几何模型，在Comsol二维结构力学-板模块下建模获取。且结构力学中的控制方程是：
[0123]
[0124]其中，表示惯性力，是粘性力，Ku是弹性力，f(t)表示载荷，M、C、K分别是质量矩阵，阻尼矩阵和刚度矩阵，u表示中面位移。
[0125]频域形式表示为：
[0126](-ω2M+iωC+K)u＝f
[0127]特别地，当C＝0,f＝0时，表示薄板的无阻尼振动。
[0128]设置薄板几何：5cm X 5cm X 0.625mm的方形薄板
[0129]材料选择为：硅
[0130]参数设定：密度2329kg/m3,杨氏模量170x 109Pa,泊松率为0.28。
[0131]研究类型(配置求解器)选择特征频率分析,便可以仿真计算出系统的特征频率以及对应的特征模态。
[0132]本实施例搭建的声波操纵平台，采用单个Piezo声学驱动器，在Chladni平板上采用声波实时控制微粒，并基于Faster R-CNN及DDPG算法，实现了微粒的无接触精确控制，同时设计了Chladni图形仿真、Matlab控制仿真、图像处理模块以及振动控制模块的相关软件程序。最终，声波操纵平台可以实现无接触的粒子精确控制，为复杂的微目标的无接触控制提供了一种创新性的解决方案。该平台作为实验平台，具有强互动、低成本、可复制、规模化的优势，用以探索声波操纵微机器人的运动规律。
[0133]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0134]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。