驻极体分析
理论与物理
驻极体是什么
老师，驻极体是什么？
能永久保持电荷的电介质。相当于磁铁的电气版本。用于电容麦克风、空气过滤器、能量收集。
主要通过电晕放电向氟系聚合物（PTFE、FEP）注入电荷来制造。可实现数十年的电荷保持。
总结
- 能永久保持电荷的电介质 — 电气版的永久磁铁
- 电容麦克风 — 驻极体最大的应用
- 用FEM计算电场分布 — 将表面电荷密度作为Neumann边界条件给出
驻极体的发现——江口元太郎在1920年代制造了电的“化石”
驻极体是一种具有永久电极化特性的材料，由日本的江口元太郎于1919年首次通过向蜂蜡和巴西棕榈蜡的混合物施加强电场并冷却而制成。这种可称为“电的化石”的材料在1960年代引发了麦克风的革命，如今智能手机、助听器的麦克风几乎都是驻极体型。在FEM分析中，需要一种特殊的公式化方法，将驻极体的永久极化作为P（极化矢量）纳入材料常数中。
各项的物理意义
- 电场项 $\nabla \times \mathbf{E} = -\partial \mathbf{B}/\partial t$：法拉第电磁感应定律。随时间变化的磁通密度产生电动势。【日常示例】自行车的发电机（磨电灯）通过旋转磁铁在附近的线圈中产生电压——这是磁场随时间变化会感应出电场这一定律的直接应用。IH电磁炉也基于相同原理，高频磁场的变化在锅底感应出涡流，通过焦耳热加热。
- 磁场项 $\nabla \times \mathbf{H} = \mathbf{J} + \partial \mathbf{D}/\partial t$：安培-麦克斯韦定律。电流和位移电流产生磁场。【日常示例】电线通电时周围会产生磁场——这就是安培定律。电磁铁根据此原理工作，通过线圈通电产生强磁场。智能手机的扬声器也应用了此定律：电流→磁场→振膜的力。在高频（GHz频段天线等）情况下，位移电流 $\partial D/\partial t$ 不可忽略，它描述了电磁波的辐射。
- 高斯定律 $\nabla \cdot \mathbf{D} = \rho_v$：表明电荷是电通量的发散源。【日常示例】用垫板摩擦头发后，静电会使头发竖起——带电的垫板（电荷）向外辐射出电力线，对轻质的头发施加力。电容器设计中，利用此定律计算电极间的电场分布。ESD（静电放电）对策也基于高斯定律的电场分析。
- 磁通守恒 $\nabla \cdot \mathbf{B} = 0$：表示不存在磁单极子。【日常示例】将条形磁铁切成两半，也无法得到只有N极或只有S极的磁铁——N极和S极总是成对出现。这意味着磁力线描绘的是“无始无终的闭合回路”。在数值分析中，为了满足此条件，采用矢量势 $\mathbf{B} = \nabla \times \mathbf{A}$ 的公式化方法，自动保证磁通守恒。
假设条件与适用范围
- 线性材料假设：磁导率、介电常数不依赖于磁场、电场强度（饱和区域需要非线性B-H曲线）
- 准静态近似（低频）：可忽略位移电流项（$\omega \varepsilon \ll \sigma$）。涡流分析中常用
- 2D假设（截面分析）：电流方向均匀且可忽略边缘效应时有效
- 各向同性假设：对于各向异性材料（如硅钢板的轧制方向等），需要定义方向特性
- 不适用的案例：等离子体（电离气体）、超导体、非线性光学材料需要额外的本构关系
数值解法与实现
FEM中的驻极体
将驻极体表面的表面电荷密度$\sigma_s$设为Neumann边界条件。内部极化作为体电荷密度$\rho_p = -\nabla \cdot \mathbf{P}$处理。
总结
- 将表面电荷$\sigma_s$设为Neumann边界条件
- 内部极化作为体电荷密度处理
驻极体FEM的公式化——极化矢量P的纳入方法
驻极体的FEM公式化中，通常将永久极化P转换为等效的电荷密度（体电荷密度ρ_pol=-∇·P、表面电荷密度σ_pol=P·n）并添加到泊松方程中。商用工具中实现了自动进行此转换的材料模型，但使用自定义材料时，需要手动计算ρ_pol和σ_pol并作为边界条件给出。当驻极体层与空气层的介电常数比很大时，如果界面附近的网格不够密，电场集中区域的精度会下降。
边单元（Nedelec单元）
专用于电磁场分析的单元。自动保证切向分量的连续性，排除伪模式。是3D高频分析的标准。
节点单元
用于标量势公式化。在静磁场的标量势法或静电场分析中有效。
FEM vs BEM（边界元法）
FEM: 对应非线性材料、非均匀介质。BEM: 能自然处理无限域（开域问题）。混合FEM-BEM也有效。
非线性收敛（磁饱和）
用牛顿-拉弗森法处理B-H曲线的非线性。残差标准: $||R||/||R_0|| < 10^{-4}$ 是通用的。
频域分析
通过时间谐波假设归结为稳态问题。需要进行复数运算，但宽带特性需通过时域分析获取。
时域的时间步长
需要最高频率成分的1/20以下的时间步长。隐式时间积分中也可使用更大的步长，但需注意精度。
频域与时域的选用
频域分析类似于“将收音机调谐到特定频率”——能高效计算单一频率下的响应。时域分析类似于“同时录制所有频道”——能再现包含所有频率成分的瞬态现象，但计算成本高。
实践指南
实务
MEMS麦克风、振动发电装置（驻极体式能量收集器）的设计。
检查清单
- [ ] 电荷密度值是否基于实测（PTFE: 约1〜10 mC/m²）
- [ ] 气隙网格是否足够
- [ ] 静电力（麦克斯韦应力张量）的计算是否正确
N95口罩的驻极体纤维——利用静电捕获病毒的CAE机制
N95口罩的过滤层是驻极体无纺布，纤维永久带电，通过静电吸引力捕获PM2.5和病毒飞沫。在COVID-19大流行期间，曾流传“用微波炉消毒口罩会消除静电，使其不再是N95”的信息，这基于驻极体纤维的极化会因热而消失的事实。通过FEM分析纤维间的电场分布与颗粒捕获率的关系，下一代过滤器的设计优化正在推进。
分析流程的比喻
电机的电磁场分析感觉上类似于“给吉他调音”。调整弦的粗细（线圈匝数）和琴桥位置（磁铁配置），以引出最美妙的音色（高效的扭矩特性）。改变一个参数，整体的平衡就会改变——所以参数化研究很重要。
初学者容易陷入的误区
“空气区域？为什么要用网格划分空气？”——这是几乎所有初次接触电磁场分析的人都会产生的疑问。答案是“因为磁力线也会扩散到铁芯之外”。如果分析区域紧贴铁芯，无处可去的磁通会“撞上”墙壁反射，产生实际中不可能出现的磁通集中。想象一下房间太小，球不断弹到墙壁的状态。
边界条件的思考方式
远场边界条件看似不起眼但极其重要。需要在数值上表达“从这里开始是无限广阔的空间”。如果设置错误，磁通就会像遇到“看不见的墙壁”一样被弹回。
软件比较
工具
COMSOL（MEMS+AC/DC耦合）最为适合。Ansys Mechanical的MEMS功能也支持。没有专用工具。
驻极体分析工具——COMSOL的Electrostatics Module是标准
驻极体分析通常使用COMSOL Multiphysics的Electrostatics Module作为行业标准，它实现了处理永久极化的专用材料公式化。在MEMS麦克风的驻极体层设计中，使用COMSOL进行参数化研究不可或缺，已确立了以极化强度、厚度、背极板形状为变量进行灵敏度分析的设计流程。另一方面，有些情况下也可以作为纯静电场问题用Ansys Mechanical分析，从利用现有许可证的角度出发也会被选择。
选型时最重要的三个问题
- “要解决什么问题”：所需的物理模型、单元类型是否支持驻极体分析。例如，流体方面是否有LES支持，结构方面接触、大变形的处理能力会成为差异点。
- “谁来使用”：如果是新手团队，适合GUI完善的工具；如果是经验者，适合脚本驱动的灵活工具。类似于汽车的自动挡（GUI）和手动挡（脚本）的区别。
- “未来要扩展到什么程度”：着眼于未来的分析规模扩大（HPC支持）、向其他部门推广、与其他工具的联动进行选择，有助于长期降低成本。
尖端技术
尖端
- MEMS能量收集器 — 振动引起电容变化→发电。IoT传感器的自供电电源
- SiO₂/Si₃N₄叠层驻极体 — 采用MEMS兼容工艺制造。电荷稳定性提高
MEMS麦克风的下一代——PVDF薄膜驻极体开启的新灵敏度频段
使用聚偏氟乙烯（PVDF）系压电、热电聚合物的MEMS麦克风，相比传统的SiO2驻极体可获得10倍以上的极化强度，因此有望实现超小型高灵敏度。特别是在20Hz以下的超低频（次声波）检测方面的应用正在研究中，有望扩展到火山活动、海啸的早期检测传感器。这种PVDF系驻极体的电-机耦合FEM分析需要压电FEM和静电FEM两方面的知识，对分析技术的高度化提出了要求。
故障排除
故障
- 输出电压低于设计值 → 驻极体电荷量衰减。确认温度历史
- 静电力计算依赖于网格 → 麦克斯韦应力张量对网格敏感。虚功法（能量法）更稳定
驻极体分析的“电位分布异常”——边界条件设置错误
驻极体FEM分析中常见的故障是，由于永久极化的边界条件设置错误导致电位分布异常。如果在驻极体层的边界上没有明确给出极化产生的表面电荷密度（σ_pol=P·n），或者没有使用能自动纳入的公式化方法，电场分布就无法准确计算。“仿真值只有实测值一半”的情况，很可能是极化强度设定值错误或边界条件缺失造成的。
当觉得“分析结果不符”时
- 先深呼吸——慌张地随机更改设置，会使问题更加复杂
- 创建最小可复现案例——用最简单的形式复现驻极体分析的问题。“减法式调试”最有效率
- 每次只改变一个变量再执行——同时进行多项更改，会不知道哪个起了作用。遵循与科学实验相同的“对照实验”原则
- 回归物理本质——如果计算结果出现“物体逆着重力漂浮”等非物理现象，就要怀疑输入数据的根本性错误
なった
詳しく
報告