一种基于神经网络的超声悬浮三维操纵控制方法及系统与流程

本发明涉及一种超声悬浮三维操纵控制方法及系统，特别涉及一种基于神经网络的超声悬浮三维操纵控制方法及系统。

背景技术：

目前，1866年，德国科学家孔特首先报道了谐振管中的声波能够悬浮起灰尘颗粒的实验现象。随后在1962年gor’kov提出声辐射力的时间平均势，为计算声辐射力提供了一种简便的方法。在理论的指导下，第一台用于单个微液滴动力学研究的声悬浮装置面世。在随后的几十年间，声悬浮技术逐渐发展，现已广泛应用于细胞操纵、无容器处理、制作微液滴等领域。值得一提的是，相比于光镊采用的可见或者红外光，声波波长更长，因而产生的束缚力比光镊高5个数量级，且声波能够更好的穿透物体，实现在生物体内的定向操控，并且其安全性和无损性更高、可实现悬浮的介质种类更加广泛。因此，对“声镊”技术进行进一步的发展和改造创新是未来社会科技发展的必然趋势。然而，目前大多数进展虽使被悬浮物以极高的稳定性束缚于声势阱中并加以精准的操纵，但都因全是采用正向设计的思路达到操纵的目的而带有一定的局限性，即已知振子相位分布正向推知声场分布，无法满足生产活动中操纵轨迹实时变更带来的相应相位分布的变化的需求。

技术实现要素：

本发明为解决公知技术中存在的技术问题而提供一种能够操纵轨迹实时变更的基于神经网络的超声悬浮三维操纵控制方法及系统。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于神经网络的超声悬浮三维操纵控制方法，该方法包括：用matlab软件生成若干组随机的相位分布数据，并生成与相位分布数据一一对应的声势阱深度分布数据，收集相位分布数据及声势阱深度分布数据并建立训练样本集；构建神经网络模型并进行训练；设置预操纵的路径并将其分解成x、y、z向的单位路径，构建实现所述单位路径移动的声势阱深度分布矩阵，使所述声势阱深度分布矩阵满足：令待操纵点附近产生梯度且待操纵点的势阱深度最大；将所述声势阱深度分布矩阵同时输入至三个训练完成的所述神经网络模型中；三个所述神经网络模型各输出一个相位控制矩阵，分别对应x、y、z三个方向的超声波相控阵列的相位控制。

进一步地，所述神经网络模型基于u-net神经网络模型构建，所述神经网络模型包括两部分：前半部分包括卷积层和池化层，用于对输入信息进行特征提取，并降低输入矩阵的维度；后半部分包括反向卷积层，用于对数据特征进行展开，并增加输出矩阵的维度。

进一步地，所述神经网络模型的训练方法包括：取所述训练样本集中的一部分数据作为训练集，取所述训练样本集中的一部分数据作为验证集；将训练集内的数据输入至所述神经网络模型中进行训练，在每轮训练之后用验证集内的数据进行验证并计算损失；将验证时损失最低的已训练的神经网络模型作为训练完成的神经网络模型。

进一步地，用matlab软件生成随机的相位分布数据及其对应的声势阱深度分布数据的方法包括：利用rand函数产生随机的相位分布矩阵，将该相位分布矩阵输入matlab软件计算声压场，再由声压场计算出声势阱深度分布矩阵，从而得到随机的相位分布数据及其对应的声势阱深度分布数据。

进一步地，所述神经网络模型训练时，损失函数采用均方误差损失函数，并采用梯度下降的动量方法对所述神经网络模型的参数进行优化。

进一步地，构建实现所述单位路径移动的声势阱深度分布矩阵的方法包括：令每一个振子发出的声波在该点处的波程一致，即声聚焦，使得待悬浮点处对应的声势达到峰值，从而得到一个声势矩阵；将该声势矩阵乘以-1从而使待悬浮点处声势阱深度最大，就得到了目标矩阵，计算不同高度下声聚焦时的声势矩阵再乘以-1，则生成声势阱深度分布矩阵。

本发明还提供了一种基于神经网络的超声悬浮三维操纵控制系统，包括作为上位机的人工智能系统和作为下位机的驱动系统；所述人工智能系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法步骤；所述驱动系统包括控制模块及其驱动的超声波相控阵列模块；所述处理器输出相位控制矩阵至所述控制模块；所述控制模块生成驱动信号，来驱动所述超声波相控阵列模块产生声场。

进一步地，所述控制模块为基于数字寄存器信号的控制模块或基于模拟震荡信号的控制模块；其中：

所述基于数字寄存器信号的控制模块包括控制板与驱动板a，所述处理器输出控制矩阵至所述控制板，所述控制板产生方波信号至所述驱动板a；所述驱动板a，其为所述控制板供电，其将方波信号进行功率放大，其输出的电压峰峰值达到超声振子的最佳工作值后输出至所述超声波相控阵列模块；

所述基于模拟震荡信号的控制模块包含总控板、控制电路单元及驱动板b；所述控制电路单元包括选通器、延迟计时器及信号发生器；所述处理器输出控制矩阵至所述总控板；所述总控板，其通过所述选通器选定所述延迟计时器，其将延迟时间写入所述延迟计时器中的数据寄存器中，其发出信号启动所述延迟计时器，所述延迟计时器当延迟时间到时发出信号启动所述信号发生器；所述信号发生器开始生成方波信号并输出至所述驱动板b，所述驱动板b将收到的方波信号进行功率放大并输出到所述超声波相控阵列模块。

进一步地，所述超声波相控阵列模块为双凹面超声波相控阵列模块或平面超声波相控阵列模块。

进一步地，所述双凹面超声波相控阵列模块由36-256个的超声振子组成，所述超声振子直径为6～15mm。

本发明具有的优点和积极效果是：所述一种超声悬浮三维操纵控制方法提供了一种基于人工智能神经网络的反向路径计算及控制方法，即只需已知待操纵移动路径对应的声场分布，通过人工智能神经网络计算，直接得出振子相位分布，提高了超声操纵的实际应用价值，避免了繁琐的一对一特定建模计算过程。所述一种超声悬浮三维操纵控制系统，其中采用双凹面超声波相控阵列模块时，在系统元件组成简单、成本较低的情况下可借助双凹面结构实现对微粒的横向纵向可控稳定移动；采用平面超声波相控阵列模块时，在超声波相控阵列结构简单、无特定曲面结构的情况下可实现三个方向上沿特定路径三维移动微粒，从装置角度立体实现了超声悬浮与操纵。

附图说明

图1是本发明的工作流程示意图；

图2是本发明的一种采用双凹面超声波相控阵列模块时的工作流程示意图；

图3是本发明中的arduino模块的uno型集成电路与ls98n集成电路的一种接线图；

图4是本发明的一种双凹面超声波相控阵列模块的超声波振子布置及接线示意图；

图5是本发明的一种采用平面超声波相控阵列模块时的工作流程示意图；

图6是本发明的一种控制电路单元工作原理示意图；

图7是本发明的一种选通器电路接线图；

图8是本发明的一种延迟计时器工作接线图；

图9是本发明的一种双凹面超声波相控阵列模块的超声振子支撑结构中的单侧结构示意图；

图10是本发明的一种平面超声波相控阵列模块的超声振子支撑结构的俯视图；

图11是本发明的一种平面超声波相控阵列模块的超声振子支撑结构的主视图的半剖视图；

图12是本发明的一种采用双凹面超声波相控阵列模块时的工作小球横向加速度随时间的关系测试图；

图13是本发明的一种采用双凹面超声波相控阵列模块时的工作小球纵向加速度随时间的关系测试图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：

请参见图1至图13，一种基于神经网络的超声悬浮三维操纵控制方法，该方法包括：用matlab软件生成若干组随机的相位分布数据，并生成与相位分布数据一一对应的声势阱深度分布数据，收集相位分布数据及声势阱深度分布数据并建立训练样本集；构建神经网络模型并进行训练；用训练样本集中的相位分布数据及对应的声势阱深度分布数据对该神经网络模型进行训练、验证，来优化神经网络模型参数，经多次训练并找到声场和相位之间的映射关系拟合最好的模型参数，得到完成训练的神经网络模型。

设置预操纵的路径并将其分解成x、y、z向的单位路径，构建实现所述单位路径移动的声势阱深度分布矩阵，使所述声势阱深度分布矩阵满足：令待操纵点附近产生势阱梯度且待操纵点的势阱深度最大；将所述声势阱深度分布矩阵同时输入至三个训练完成的所述神经网络模型中；三个所述神经网络模型各输出一个相位控制矩阵，分别对应x、y、z三个方向的超声波相控阵列的相位控制。比如，第一个所述神经网络模型输出的相位控制矩阵对应x方向的超声波相控阵列的相位控制；第二个所述神经网络模型输出的相位控制矩阵对应y方向的超声波相控阵列的相位控制；第三个所述神经网络模型输出的相位控制矩阵对应z方向的超声波相控阵列的相位控制；其中相位控制矩阵中的元素代表单个振子的相位信息。

优选地，所述神经网络模型基于u-net神经网络模型构建，所述神经网络模型包括两部分：前半部分包括卷积层和池化层，用于对输入信息进行特征提取，并降低输入矩阵的维度；后半部分包括反向卷积层，用于对数据特征进行展开，并增加输出矩阵的维度。

优选地，所述神经网络模型的训练方法包括：用matlab软件生成若干组随机的相位分布数据及与之一一对应的声势阱深度分布数据，收集两种关联数据并建立训练样本集；取所述训练样本集中的一部分数据作为训练集，取所述训练样本集中的一部分数据作为验证集；将训练集内的数据输入至所述神经网络模型中进行训练，在每轮训练之后用验证集内的数据进行验证并计算损失；将验证时损失最低的已训练的神经网络模型作为训练完成的神经网络模型。

优选地，用matlab软件生成随机的相位分布数据及其对应的声势阱深度分布数据的方法包括：利用rand函数产生随机的相位分布矩阵，将该相位分布矩阵输入matlab软件计算声压场，再由声压场计算出声势阱深度分布矩阵，从而得到随机的相位分布数据及其对应的声势阱深度分布数据。

优选地，所述神经网络模型训练时，损失函数采用均方误差损失函数，并采用梯度下降的动量方法对所述神经网络模型的参数进行优化。

优选地，构建实现所述单位路径移动的声势阱深度分布矩阵的方法包括：令每一个振子发出的声波在该点处的波程一致，即声聚焦，使得待悬浮点处对应的声势达到峰值，从而得到一个声势矩阵；将该声势矩阵乘以-1从而使待悬浮点处声势阱深度最大，就得到了目标矩阵，计算不同高度下声聚焦时的声势矩阵再乘以-1，则生成声势阱深度分布矩阵。

请参见图1，图1是本发明的工作流程示意图，图中，s100-s1400分别代表各个工作分步骤，下面结合图1对本发明的工作流程进行详细介绍：

s100表示收集随机相位序列；s200表示得到随机声场分布；s300表示训练神经网络；s400表示判断神经网络的损失函数是否极小；s500表示得到训练好的神经网络；s600表示输出目标的相位分布；s700表示硬件驱动输出信号；s800表示超声阵列发出特定信号实现操纵；s900表示判断此处是否是操纵物体的终点；s1000表示声操纵结束；s1100选取声操纵位置；s1200表示转化为声场切片图；s1300表示声场信息输入神经网络；s1400表示执行下一次声操纵步骤。

使用计算机训练神经网络，搭建一个u-net神经网络，共分为两部分，前半部分通过卷积层和池化层来对输入信息进行特征提取，将输入的矩阵降低维度。在后半部分再通过反向卷积进行数据特征的展开，提高处理的矩阵的维度，最终形成一个矩阵到矩阵之间的映射。

s100中的随机相位序列是指：用matlab软件进行振子的相位计算，在matlab中建立6*6～16*16振子阵列的模型，具体是6*6～16*16的矩阵，用矩阵元描述声源的位置。

s200中的随机声场分布是指：在matlab程序编程中，将初相位分布矩阵输入并计算声压场，再根据声压场给出声势阱深度，值得注意是在计算声压沿z方向的梯度时，选择两个相邻的作用面并分别计算各自的声压分布，最后用gradient()函数数值计算声压沿z方向的导数。这样就建立了相位分布到声势阱深度分布的计算关系。

利用rand()函数产生随机的相位分布矩阵，计算对应的势阱分布，如此重复得到的相位分布-势阱分布数据对，数据对将作为以下神经网络训练的学习样本。

s300中的训练神经网络是指：得到很多组声场与相位一一对应的数据对，声场分布矩阵大小由所需精度决定，相位分布用6*6*1～16*16*1大小的矩阵表示。使用这些数据作为u-net神经网络训练的基础数据集。u-net神经网络选用均方误差损失函数，优化器选用momentum优化器，引入了梯度下降的动量系统，可以避免训练过程中陷入局部最小值。

训练时，计算所得数据从输入层进入，通过u-net神经网络的处理，最终在输出层得到一个预测的输出，在训练刚开始，整个网络的参数都是随机生成，预测的结果与标准的输出差距较大，而损失函数就是量化这个差距的方式，在计算此时的损失函数之后，通过“梯度下降”的方式，调整整个网络的参数，使网络对输入-输出映射的拟合效果更好。

s400中的损失函数是否极小是指：随着训练的进行，损失函数会逐渐下降并最终接近一个值，表明此时网络可以在所有参与训练的数据上较好地拟合，结束数据训练的过程(s500)。

为防止“过拟合”，即在训练用数据上拟合效果过好，导致在非训练集上拟合效果不好的现象，预留一组不用于训练的验证集，并在每轮次训练之后计算在验证集上的损失函数，可得到验证集的损失函数值随着训练轮次的增加呈现一个降低再升高的趋势，找到在验证集上损失函数出现极小值的训练轮次，此时的模型即是对于声场和相位之间映射关系拟合最好的状态，可作为训练的输出模型。

在训练完成之后，可将任意一个预实现的声场分布作为输入数据，输入训练好的u-net神经网络模型输入层，可以在输出结果得到一个对应的相位分布。

s1100中的声操纵位置是指：实际使用过程中，选好预操纵的路径后，将其分成x,y,z方向的路径，x,y,z分量的路径都以相同的微小单元划分，微小单元的尺寸在0.1mm-1mm，分成相同数目的单位路径。

s1200中的声场切片图是指：构建能实现单位路径移动的声势阱深度分布的数值矩阵：令待操纵点附近产生一个大的梯度且待操纵点的势阱深度最大。由声势阱深度分布的数值矩阵形成声场的切片图。

构建实现所述单位路径移动的声势阱深度分布矩阵的方法具体可为：

1.令待悬浮点处对应的声势有一个峰值，方案：令每一个振子发出的声波在该点处的波程一致，即声聚焦。这在正向设计很容易实现。这时将得到一个声势矩阵。

2.将该声势矩阵整体取一个负号，即矩阵乘以-1，就得到了目标矩阵，该矩阵的特点是待操纵点附近有一个大的梯度且该点的势阱深度最大。

3.要想得到不同高度的目标矩阵，只要依次计算不同高度下声聚焦时的矩阵再取负号即可形成一个声场切片导入神经网络中。

s1300中的将声场输入神经网络是指：对应x,y,z三个分量就有三个势阱矩阵，将其同时输入给三个已训练好的神经网络，网络输出对应的三个相位分布，再将三个相位分布线性叠加成一个即可得到能实现任意方向单元路径对应下的相位分布。以1ns-1μs微秒为时间间隔输入不同的势阱矩阵(其他合理范围皆可，由具体硬件的响应精度有关，即设置的时间间隔要大于硬件执行程序命令的标准时间)，网络随机输出对应的相位，这样在实际中粒子就能沿着规划路径移动。

其中一个优选实施例中，上述步骤中的参数采用如下参数：

s100随机相位序列是指：用matlab软件进行振子的相位计算，在matlab中建立8*8振子阵列的模型，具体是8*8的矩阵，矩阵元描述声源的位置。

s300训练神经网络是指：得到很多组声场与相位的一一对应的数据对，声场分布由一个256*256*1大小的矩阵表示，相位分布用8*8*1大小的矩阵表示。使用这些数据作为u-net训练的基础数据集。u-net神经网络选用均方误差损失函数，优化器选用momentum，引入了梯度下降的动量系统，可以避免训练过程中陷入局部最小值。

s1100声操纵位置：实际使用过程中，选好预操纵的路径后，将其分成x,y,z方向的路径，x,y,z分量的路径都以相同的微小单元，微小单元的尺寸在1mm，分成相同数目的单位路径。

s1300将声场输入神经网络：对应x,y,z三个分量就有三个势阱矩阵，将其同时输入给三个已训练好的神经网络，网络输出对应的三个相位分布，再将三个相位分布线性叠加成一个即可得到能实现任意方向单元路径对应下的相位分布。以1μs为时间间隔输入不同的势阱矩阵(其他合理范围皆可，由具体硬件的响应精度有关，即设置的时间间隔要大于硬件执行程序命令的标准时间)，网络随机输出对应的相位，这样在实际中粒子就能沿着规划路径移动。

本发明还提供一种基于神经网络的超声悬浮三维操纵控制系统实施例，其包括作为上位机的人工智能系统和作为下位机的驱动系统；所述人工智能系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法步骤；所述驱动系统包括控制模块及其驱动的超声波相控阵列模块；所述处理器输出相位控制矩阵至所述控制模块；所述控制模块生成驱动信号，来驱动所述超声波相控阵列模块产生声场。所述处理器输出三个相位控制矩阵至所述控制模块；这三个相位控制矩阵分别对应x、y、z三个方向的超声波相控阵列的相位控制，相位控制矩阵中的元素代表单个振子的相位信息，所述处理器将相位控制矩阵中的元素串行地输入到所述控制模块中，所述控制模块对输入信号进行叠加处理，所述控制模块处理后输出驱动信号至超声波相控阵列模块，超声波相控阵列模块在驱动信号的作用下发出超声波产生声场。

超声波相控阵列模块是由若干个超声波振子组成的阵列单元。作为上位机的人工智能系统根据预设的悬浮目标的大小和位置，得到三个相位控制矩阵，分别对应x、y、z三个方向的阵列相位信息。相位控制矩阵中的元素对应表示单个振子的相位信息，将每个元素串行地输入到控制模块中。控制模块输出方波驱动信号驱动超声波相控阵列模块发出超声波使微粒悬浮于特定位置。

优选地，所述控制模块为基于数字寄存器信号的控制模块或基于模拟震荡信号的控制模块；其中：

所述基于数字寄存器信号的控制模块包括控制板与驱动板a，所述处理器将相位控制矩阵串行输出至所述控制板，所述控制板产生方波信号至所述驱动板a；所述驱动板a，其为所述控制板供电，其将方波信号进行功率放大，其输出的电压峰峰值达到超声波振子的最佳工作值后输出至所述超声波相控阵列模块。

所述基于模拟震荡信号的控制模块包含总控板、控制电路单元及驱动板b；所述控制电路单元包括选通器、延迟计时器及信号发生器；所述处理器将控制矩阵串行输出至所述总控板；所述总控板，其通过所述选通器选定所述延迟计时器，其将延迟时间写入所述延迟计时器中的数据寄存器中，其发出信号启动所述延迟计时器，所述延迟计时器当延迟时间到时发出信号启动所述信号发生器；所述信号发生器开始生成方波信号并输出至所述驱动板b，所述驱动板b将收到的方波信号进行功率放大并输出到所述超声波相控阵列模块。

优选地，所述超声波相控阵列模块为双凹面超声波相控阵列模块或平面超声波相控阵列模块。

双凹面超声波相控阵列模块中的其中一个凹面超声波相控阵列结构可参见图9，超声波振子在凹面上均布，从内至外依次排列成多个环形。

优选地，所述双凹面超声波相控阵列模块由36-256个的超声波振子组成，所述超声波振子直径为6～15mm。

所述基于数字寄存器信号的控制模块可用于双凹面超声波相控阵列模块。所述基于模拟震荡信号的控制模块可用于平面超声波相控阵列模块。

下面分别以双凹面超声波相控阵列模块和平面超声波相控阵列模块为例来说明本发明的工作原理：

本发明的基于神经网络的超声悬浮三维操纵控制系统，其超声波相控阵列模块采用双凹面超声波相控阵列模块时的工作原理说明如下：

请参考图2，一种基于神经网络的超声悬浮三维操纵控制系统，其中包括作为上位机的人工智能系统、电源、控制板，驱动板a、双凹面超声波相控阵列模块及双凹面超声波相控阵列支撑装置，控制板及驱动板a，构成驱动超声波相控阵列模块的控制模块。

控制板收到来自作为上位机的人工智能系统的信号，处理后输出方波信号；其中控制板可包括arduino模块，arduino模块可作为信号发生器。驱动板a中包括放大电路，其将arduino模块发出的信号进行放大，然后输出给双凹面超声波相控阵列模块。

人工智能系统作为上位机，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，来实现上述基于神经网络的超声悬浮三维操纵控制方法。处理器输入预操纵路径，经神经网络处理，然后输出信号至控制板，控制板进一步处理，输出对应的驱动信号，经驱动板a对信号进行放大，然后输出至双凹面超声波相控阵列模块，使其工作。

电源可选用品牌为9v锂离子充电电池或稳压电源(实施例可分别选用倍量9v锂离子电池，电量550mah/mps-3303型号稳压电源，电压调节范围0-30v，输出电流0-3a)。

控制板中arduino模块用于电信号的产生，以及信号相位的控制。可选用arduino模块的uno型集成电路。

驱动板a可包括ls98n集成电路，ls98n集成电路可选用工作电压为5至35v，最大功率25w。给控制板提供一个5v的输出电压的同时，还将uno引脚发出的方波信号进行功率放大，并输出到双凹面超声阵列。

请参考图4及图9，双凹面超声波相控阵列支撑装置为球形凹面形状，其由pla聚乳酸使用3d打印制造，其尺寸范围为高度在120mm-130mm，宽度为90mm-95mm，优选，高度在125mm，宽度为95mm；凹面的球心位于离装置底面40-50mm高度处，在凹面上有直径10.5mm的凹槽36个,每个凹槽内依照超声波振子引脚位置有两个大小为1.2mm的小孔，用于插接超声波振子。

双凹面超声波相控阵列模块由36-256个超声波振子组成，超声波振子直径可为6-15mm，其特征参数可为：工作温度-40到85摄氏度，最大输入电压是20vpp，电容2550pf,频率40khz，声压级120db。每个振子工作电流0.017ma。用ab胶涂在5双凹面超声阵列支撑装置的凹槽处后，将超声波振子插入凹槽中，振子正极一律在远离凹面球心的一侧，振子管脚通过小孔外接到电路中。上、下阵列中所有超声波振子分别以并联方式接线。

接线方面请参考图3：电源给驱动板a中的ls98n集成电路供电，驱动板a可给控制板中的arduino模块uno板提供5v的工作电压。控制板中的arduino模块uno板的模拟输出口a0-a3与驱动板a中的ls98n集成电路dn1-dn4连接，驱动板a中的ls98n集成电路，将收到来自控制板中的arduino模块uno板输出的方波信号放大。控制板中的arduino模块uno板的数字管脚10和管脚11连通用于产生方波信号。在gnd管脚引线，与管脚2、3、4管脚连通后便可执行空指令进而调控振子相位，其中管脚3可使悬浮物上升，管脚4使悬浮物下降，管脚2是重设命令。随后将驱动板a中的ls98n集成电路的两路输出，分别连接双凹面超声波相控阵列模块上下阵列即可。

双凹面超声阵列用于产生相位可以变化的超声波在上下阵列中间的空间形成稳定的声场，悬浮目标在悬浮点受到的声辐射力最小，实现悬浮在特定的位置。

采用双凹面超声波相控阵列模块时，上述基于神经网络的超声悬浮三维操纵控制系统的工作步骤为：

(1)启动稳压电源，将电压设置在合适的数值以使超声阵列接收的信号的vpp可以达到最佳的位置。

(2)控制板中的arduino模块将信号传送给驱动板a，并且可以调节输出信号的相位以使空间中的声场发生变化。

(3)驱动板a将从控制板中的arduino模块输出的相位可调节的信号进行功率放大并且使电压峰峰值达到超声波振子的最佳工作值，输出到双曲面超声阵列；

(4)双曲面超声阵列发出相位相同但可以调节的超声波，在阵列中间形成稳定的声场，悬浮物在悬浮点受到的声悬浮力最小，从而将悬浮目标悬浮在特定的位置；

(5)通过改变arduino模块产生的信号的相位，实时改变悬浮物的位置，实现悬浮物的移动。

通过上位机的人工智能系统编程在振子信号的一个周期内声明并执行空读指令，即可改变给双凹面超声波相控阵列模块激励信号的延时时间，从而达到改变双凹面超声波相控阵列模块中的超声波振子发声信号初相位。

一种采用双凹面超声波相控阵列模块的基于神经网络的超声悬浮三维操纵控制系统的一个优选实施例中，超声悬浮三维操纵控制系统系统中的元器件或模块选用如下型号规格的元器件或模块：

电源：选用倍量9v锂离子电池，电量550mah或mps-3303型号稳压电源，电压调节范围0-30v，输出电流0-3a

双凹面超声波相控阵列支撑装置由pla聚乳酸使用3d打印制造，其尺寸范围为高度在125mm，宽度为95mm，凹面的球心位于离装置底面45mm高度处，在凹面上有直径10.5mm的凹槽36个,每个凹槽内依照61超声振子引脚位置有两个大小为1.2mm的小孔，用于插接超声振子。

双凹面超声波相控阵列模块由72个超声波振子组成。

该优选实施例可以实现处于声场的小球的各类参数如下表1：

表1处于声场的小球的各类参数

请参考图5、图6、图10、图11，本发明的基于神经网络的超声悬浮三维操纵控制系统，其超声波相控阵列模块采用平面超声波相控阵列模块时的工作原理说明如下：

一种基于神经网络的超声悬浮三维操纵控制系统，其包括作为上位机的人工智能系统、电源、总控板、控制电路单元、驱动板b、平面超声波相控阵列模块支撑装置以及平面超声波相控阵列模块等。总控板、控制电路单元、驱动板b构成驱动超声波相控阵列模块的控制模块。平面超声波相控阵列模块支撑装置可采用横截面为正方形的结构，在其上均布超声波振子。

人工智能系统作为上位机，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，来实现上述基于神经网络的超声悬浮三维操纵控制方法。处理器输入预操纵路径，经神经网络处理，然后输出信号得到控制矩阵，将控制矩阵信号按照矩阵元素位置排序变为串行信号传至总控板，总控板中的译码器按照输入信号顺序与对应控制电路之间的关系来进行选通，将控制信号写入对应控制电路单元，所有控制电路单元全部写入控制信号后，同时通电开启延迟计数。控制电路单元完成延迟后输出指定频率方波信号，输出对应的驱动信号至驱动板b,经驱动板b对信号进行放大，然后输出至平面超声波相控阵列模块，使其工作。

电源为整个电路供电，电源可选用品牌为9v锂离子充电电池或稳压电源，优选用倍量9v锂离子电池，电量550mah/mps-3303型号稳压电源，电压调节范围0-30v，输出电流0-3a。

控制电路单元可包括选通器、延迟计时器、信号发生器。，其中，选通器可选用74hc238与74hc138型集成电路，延迟计时器可选用intel8253芯片，信号发生器可选用40-80khz有源晶振与2mhz有源晶振。选通器的功能是：选定特定的延迟计时器，其产生相位延迟信号后，再输入其对应的相位信息。延迟计时器中的intel8253芯片通过计数实现相位延迟，使用同一延迟时钟信号。

请参见图6，控制电路单元可产生完全相同的独立延时40-80khz信号，其工作步骤为：

1)总控板通过选通器选定的延迟计时器，访问延迟计时器中的数据寄存器部分并写入延时时间。

2)延迟计时器中计数器启动工作，根据时钟信号开始倒数数据寄存器中的数字，直到0。到0后开始输出高电平，启动信号发生器。

3)信号发生器信号发生模块开始生成信号。

请参见图7，选通器电路：为了实现有线引脚对60-100块独立延时40-80khz信号发生模块的控制，我们将译码器拓展到了7线128位译码器，通过片选端cs对60-100个发生单元分时控制。

其实现特点为：将延时时间的写入和信号的延时发生分开，虽然延时时间的写入是分开的，但是信号的延时启动是基于同一启动信号的，确保了相位差的准确性。

驱动板b，可选用l298n电极驱动模块，用于将人工智能系统输出的时间位相分布信号通过驱动电路输出相位延迟信号并输出到平面超声波相控阵列模块，具有性能稳定，可承载信号频率高等，时间延迟效应短等优点。

平面超声波相控阵列模块，用于发出相位不同的超声波，在单面超声振子阵列上方形成特定的声场，悬浮目标在悬浮点受到的声辐射力最小，实现悬浮在特定的位置。所述平面超声波相控阵列模块可由60-100个直径为6～15mm的超声振子组成。

请参见图8，总控板，选用树莓派3b+控制板，其内设8253模块，用于接收人工智能系统的相位信息，并将该相位信息分发给控制电路单元。

采用平面超声波相控阵列模块时，上述基于神经网络的超声悬浮三维操纵控制系统的工作步骤为：

(1)启动作为上位机的人工智能系统，根据预设的悬浮目标的大小和位置，通过上位机计算出平面超声波相控阵列模块所需的相位信息，并将相位信息通过串口通讯发给总控板；

(2)总控板将相位信息分发给控制电路单元；

(3)控制电路单元根据收到的相位信息，控制电路单元中的选通器根据输入信息选定特定的延迟计时器，并将该延迟计时器对应的延迟信号送入，延迟计时器根据收到的延迟信号进行延迟，延迟结束后开启信号发生器，最终从不同的信号发生器引脚发出相位不同的方波信号，该方波信号的频率为40-80khz(其他超声频率范围皆可，不局限于本专利书所举的例子)；

(4)驱动板b将从信号发生器引脚发出的方波信号进行功率放大，并输出到平面超声波相控阵列模块；

(5)平面超声波相控阵列模块发出相位不同的超声波，在平面超声波相控阵列模块上方形成特定的声场，悬浮目标在悬浮点受到的声辐射力最小，从而将悬浮目标悬浮在特定的位置；

所述人工智能系统用于根据预设的悬浮目标的大小和位置，计算出平面超声波相控阵列模块所需的相位信息，并将相位信息发给总控板；所述总控板用于接收相位信息，并将该相位信息分发给控制电路单元；控制电路单元用于根据收到的相位信息，从各个引脚发出相位不同的方波信号；所述驱动板b用于将控制电路单元引脚发出的方波信号进行功率放大，并输出到平面超声波相控阵列模块；所述平面超声波相控阵列模块用于发出相位不同的超声波，在阵列上方形成特定的声场，悬浮目标在悬浮点受到的声辐射力最小，实现悬浮在特定的位置。

一种采用平面超声波相控阵列模块的基于神经网络的超声悬浮三维操纵控制系统的一个优选实施例中，超声悬浮三维操纵控制系统系统中的元器件或模块选用如下型号规格的元器件或模块：

选通器：为了实现有线引脚对64块独立延时40khz信号发生模块的控制，我们将38译码器拓展到了7线128位译码器，通过片选端cs对64个发生单元分时控制。

平面超声波相控阵列模块，由64个直径为10mm的超声振子组成。

(3)控制电路单元根据收到的相位信息，控制电路单元中的选通器根据输入信息选定特定的延迟计时器，并将该延迟计时器对应的延迟信号送入，延迟计时器根据收到的延迟信号进行延迟，延迟结束后开启信号发生器，最终从不同的信号发生器引脚发出相位不同的方波信号，该方波信号的频率为40khz。

以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。