طراحی، ساخت و مدل ‌سازی تجربی سامانه تزریق قطره مبتنی بر پیزوالکتریک با استفاده از روش آماری

در این پژوهش، دستگاه تزریق قطره سیال مبتنی بر عملگر پیزوالکتریک طراحی و ساخته شده است، تا عملکرد این سامانه در تولید قطرات با حجم‌های مختلف ارزیابی شود. سامانه تزریق قطره، در بسیاری از کاربردهای زیستی و بیولوژیکی اهمیت دارد. این سیستم‌ها دارای عامل‌های قابل‌تنظیم متعددی هستند که پیش‌بینی حجم قطره تولید شده را دشوار می‌کند. برای تحلیل تاثیر مولفه‌های مختلف ورودی و پیش‌بینی حجم قطره، از روش طراحی آماری آزمایش‌ها با رویکرد پاسخ سطح استفاده شده است. در این تحقیق، پنج عامل اصلی شامل سه مولفه‌ مرتبط با سیگنال ورودی (زمان بالارفتن و پایین آمدن، زمان گشودگی و دامنه سیگنال)، فشار پشت سیال، و قطر نازل موردمطالعه قرار گرفتند. برای هر کدام از این مولفه‌ها، سطوح مختلفی در نظر گرفته شده و تاثیرات مستقل و تعاملی آن‌ها بر حجم قطره مورد بررسی قرار گرفته است. بررسی نتایج نشان داد که تمامی عامل‌ها دارای پی‌ولیو کمتر از 0.05 هستند که مبنی بر این است که این عوامل به طور معناداری بر حجم خروجی تاثیر دارند. همچنین مدل رگرسیون به‌دست‌آمده با ضریب تعیین 0.98، توانایی مناسبی در پیش‌بینی حجم قطره دارد. همچنین عملکرد معکوس مدل رگرسیون با استفاده از بهینه‌سازی پارامترها بررسی شد، که در مقایسه با نتایج تجربی، نشان از خطای کمتر از 5 درصد داشت. مدل به‌دست‌آمده بهینه‌سازی مولفه‌های طراحی و بهبود عملکرد سامانه را امکان‌پذیر می‌کند و به افزایش دقت و کارایی این نوع دستگاه‌ها در کاربردهای هدف، کمک شایانی می‌نماید

design, fabrication, and experimental modeling of a piezoelectric-based droplet injection system using statistical methods

in this study, a droplet injection system based on a piezoelectric actuator was designed and built to evaluate the system’s performance in producing droplets of varying volumes. droplet injection systems are crucial in many biological and biomedical applications. these systems contain numerous adjustable parameters, making it challenging to predict the resulting droplet volume. to analyze the influence of different input parameters and predict droplet volume, a statistical design of experiments approach was employed using response surface methodology. five main factors were investigated in this research, including three parameters related to the input signal (rise time, fall time, open time, and signal amplitude), back pressure, and nozzle diameter. different levels were considered for each parameter, and their independent and interactive effects on droplet volume were analyzed. the results indicated that all factors had a p-value of less than 0.05, confirming their significant impact on the output volume. the regression model obtained, with r2 of 0.98, showed strong predictive capability for droplet volume. furthermore, the inverse performance of the regression model was analyzed using parameter optimization, and a comparison with the experimental setup demonstrated an error of less than 5%. this model enables the optimization of design parameters and enhances the system’s performance, significantly improving the accuracy and efficiency of such devices in targeted applications.