基于多目标优化的高量程加速度传感器小型化设计

为了实现MEMS高量程压阻式加速度传感器的小型化,并提高其性能,提出一种多目标优化方法.将加速度传感器的性能、尺寸作为多目标函数,并将最优空间填充设计(OSF)和克里金(Kriging)代理模型相结合,构建目标函数与几何变量之间的函数关系.然后将精度较差的样本点作为细化点、不断更新代理模型,直至模型拟合精度满足指标要求.最后利用非支配排序遗传(NSGA-Ⅱ)算法进行多约束优化得到帕累托(Pareto)最优解集.优化结果表明,传感器的尺寸减小了29.33％,一阶谐振频率提高了27.94％,在100000 gn过载下的理论灵敏度提高了23.64％,且不会降低该高量程加速度传感器的抗过载能力,从而验证了该方法的有效性.