一种基于机器学习的声屏障设计方法

摘要

本发明公开了一种基于机器学习的声屏障设计方法。为了解决现有技术通过增加厚度来提高隔声性能的效果不理想，性价比低的问题；本发明包括以下步骤：S1：以声学超材料为对象，选取声屏障的基础优化模型；构建适应所需声波频率之间的适应度函数；根据基础优化模型的各待优化参数构建若干初始构型；S2：使用有限元仿真软件对每一个遗传算法构型的适应度函数进行评估；筛选适应度函数较大的构型，保留作为下一代构型的母体；S3：重复步骤S2，直到两个相邻世代之间的适应度函数达到需求阈值，得到最佳声屏障设计方案。采用机器学习的方法，将隔声降噪需求抽象为适应度函数表示，从而实现最优声屏障的智能搜索，简单易操作。

权利要求

1.一种基于机器学习的声屏障设计方法，其特征在于，包括以下步骤：S1：以声学超材料为对象，选取声屏障的基础优化模型；构建适应所需声波频率之间的适应度函数；

S2：根据模型的各待优化参数采用遗传算法构建若干初始构型；

S3：使用有限元仿真软件对每一个遗传算法构型的适应度函数进行评估；筛选适应度函数较大的构型，保留作为下一代构型的母体；

S4：重复步骤S3，直到两个相邻世代之间的适应度函数达到需求阈值，得到最佳声屏障设计方案；

所述的声屏障的基础优化模型为双层的方形谐振腔，方形谐振腔包括第一方形腔和第二方形腔，第一方形腔和第二方形腔的中心相同，第二方形腔设置在第一方形腔中；第一方形腔和第二方形腔的边上分别设置有开口；

所述的待优化参数包括：

第一方形腔宽度W；宽度方向与声波方向相同；

第一方形腔长度L；长度方向与声波方向垂直；

第一方形腔厚度 ；

第二方形腔厚度 ；

第一方形腔开口宽度 ；

第二方形腔开口宽度 ；

第二方形腔开口的对边中心到第二方形腔中心的连线与第一方形腔开口中心到第二方形腔中心的连线所成的角度 ；

第二方形腔开口的对边中心到第二方形腔中心的连线与第二方形腔开口中心到第二方形腔中心的连线所成的角度 。

2.根据权利要求1所述的一种基于机器学习的声屏障设计方法，其特征在于，所述的声屏障的基础优化模型为亥姆霍兹共振腔。

3.根据权利要求1所述的一种基于机器学习的声屏障设计方法，其特征在于，所述的适应度函数为声波频率在 之间的平均隔声损失值：其中，Q为适应度函数；

TL为不同频率处声学超材料的传输损失。

4.根据权利要求1所述的一种基于机器学习的声屏障设计方法，其特征在于，所述的需求阈值为 。

说明书

一种基于机器学习的声屏障设计方法

技术领域

[0001] 本发明涉及一种隔声降噪领域，尤其涉及一种基于机器学习的声屏障设计方法。

背景技术

[0002] 近年来，噪音污染已成为严重影响人类健康的第二大环境污染。典型的噪声抑制方法主要包括传输路径中隔声和接收端隔声，可以分为被动隔声和主动隔声两种。

[0003] 主动方法先检测原始声源并产生与之相反的声波，使得它与原始声源抵消，这种方法在大多数情况下都是有效的，即使对于低频声音也是有效的，例如目前广受欢迎的降噪耳机。大多数主动降噪系统都很复杂，需要消耗相当大的电力。相反，被动方法相对来说更容易实现，性能也更稳定，而且成本更低。

[0004] 在被动方法中，声屏障或隔声墙是噪声场所常用的隔音方法。传统的声屏障往往采用墙或建筑板材，其隔声效果依赖质量定律经验公式，即：墙或其他建筑板材的隔声量与其表面密度(单位面积的质量)、声音频率的对数成正比，用公式可表示为R＝20log(f·ρs)‑47.2；式中：R为声音正入射时墙的隔声量；ρs为面密度；f为声波频率。

[0005] 质量定律说明，当墙的材料和声音频率确定后，为增加其隔声量，唯一的办法是增加墙的厚度，厚度增加一倍，单位面积质量即增加一倍，隔声量增加6dB；该定律还表明，低频的隔声比高频的隔声要困难。实际工程经验表明，靠增加厚度所能获得的隔声量的增加比理论值低，厚度加倍，隔声量大约只增加4.5dB。例如，一种在中国专利文献上公开的“一种高隔声量的隔音墙体”，其公告号CN210597759U，墙内板设置于第一层纵向龙骨与第二层纵向龙骨之间，并通过螺钉固定于第二层纵向龙骨上；第一层纵向龙骨以及第二层纵向龙骨上的相邻两个单个纵向龙骨之间均填充50～70mm厚的玻璃棉，第一层纵向龙骨与第二层纵向龙骨的外侧粘接减震垫，第一墙板与第二墙板以及第三墙板与第四墙板分别被螺钉整体固定于第一层纵向龙骨与第二层纵向龙骨的外侧。该方案增强隔声效果需要增强厚度，增加厚度以增加的隔声效果不理想。

[0006] 声学超材料是近年来人工结构材料的重要研究方向，在隔声降噪领域发挥着重要的作用。声学超材料可以用于操纵声学能量的传播，实现声学隐身、负折射、亚波长成像和声音衰减等等。经过特殊设计的声学超材料的隔声效果往往优于常规材料，当噪声频率确定时，常规材料隔声墙的效果往往低于声学超材料。

[0007] 在声学超材料常见的谐振结构中，亥姆霍兹谐振器(HR)是最典型的一种，目前已被广泛研究，用于实现低频带隙的噪声衰减。然而，这种类型的谐振器仅在其窄频带的单谐振峰处有效。为了拓宽其作用频段，研究人员用加长颈或螺旋颈代替传统的HR直颈，来改善其在有限空间内的低频噪声衰减性能，然而这种方法不具备普适性，因此，开发出一种通用的自动化设计方法来构建指定频段的声屏障是非常必要的。

发明内容

[0008] 本发明主要解决现有技术通过增加厚度来提高隔声性能的效果不理想，性价比低的问题；提供一种基于机器学习的声屏障设计方法，采用机器学习的方法，以声学超材料为设计对象，将隔声降噪需求抽象为适应度函数表示，从而实现最优声屏障的智能搜索，简单易操作。

[0009] 本发明的上述技术问题主要是通过下述技术方案得以解决的：

[0010] 一种基于机器学习的声屏障设计方法，包括以下步骤：

[0011] S1：以声学超材料为对象，选取声屏障的基础优化模型；构建适应所需声波频率之间的适应度函数；

[0012] S2：根据模型的各待优化参数采用遗传算法构建若干初始构型；

[0013] S3：使用有限元仿真软件对每一个遗传算法构型的适应度函数进行评估；筛选适应度函数较大的构型，保留作为下一代构型的母体；

[0014] S4：重复步骤S3，直到两个相邻世代之间的适应度函数达到需求阈值，得到最佳声屏障设计方案。

[0015] 本方案采用机器学习的方法，以声学超材料为设计对象，将隔声降噪需求抽象为适应度函数表示，从而实现最优声屏障的智能搜索，简单易操作。

[0016] 作为优选，所述的声屏障的基础优化模型为亥姆霍兹共振腔。在声学超材料常见的谐振结构中，亥姆霍兹谐振器(HR)是最典型的一种，目前已被广泛研究，用于实现低频带隙的噪声衰减。

[0017] 作为优选，所述的声屏障的基础优化模型为双层的方形谐振腔，方形谐振腔包括第一方形腔和第二方形腔，第一方形腔和第二方形腔的中心相同，第二方形腔设置在第一方形腔中；第一方形腔和第二方形腔的边上分别设置有开口。空间利用率高，安装便捷。

[0018] 作为优选，所述的待优化参数包括：

[0019] 第一方形腔宽度W；宽度方向与声波方向相同；

[0020] 第一方形腔长度L；长度方向与声波方向垂直；

[0021] 第一方形腔厚度t1；

[0022] 第二方形腔厚度t2；

[0023] 第一方形腔开口宽度d1；

[0024] 第二方形腔开口宽度d2；

[0025] 第二方形腔开口的对边中心到第二方形腔中心的连线与第一方形腔开口中心到第二方形腔中心的连线所成的角度α1；

[0026] 第二方形腔开口的对边中心到第二方形腔中心的连线与第二方形腔开口中心到第二方形腔中心的连线所成的角度α2。

[0027] 遗传算法根据各待优化参数构建若干初始构型。其中初始构型的规模取决于设计变量的数量；因此，根据经验法则，设计变量越多，初始构型的规模就越大。

[0028] 作为优选，所述的适应度函数为声波频率在fmin～fmax之间的平均隔声损失值：

[0029]

[0030] 其中，Q为适应度函数；

[0031] TL为不同频率处声学超材料的传输损失。

[0032] 例如，fmin为300Hz；fmax为1300Hz。评估不同频率之间的适应度函数，选取最优设计。

[0033] 本发明的有益效果是：

[0034] 1.采用机器学习的方法，以声学超材料为设计对象，将隔声降噪需求抽象为适应度函数表示，从而实现最优声屏障的智能搜索，简单易操作。

[0035] 2.不需要增加厚度来提高隔声效果，减少体积，节约成本，性价比高。

[0036] 3.针对指定的声波频率区间计算设计，提升隔声效果。

附图说明

[0037] 图1是本发明的声屏障的基础优化模型结构示意图。

[0038] 图2是本发明的最优化隔声设计与等同隔声效果的实心墙对比示意图。

[0039] 图3是本发明优化后的声屏障对应的传递损失曲线图。

具体实施方式

[0040] 下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

[0041] 实施例：

[0042] 本实施例的一种基于机器学习的声屏障设计方法，包括以下步骤：

[0043] S1：以声学超材料为对象，选取声屏障的基础优化模型；构建适应所需声波频率之间的适应度函数。

[0044] S2：根据模型的各待优化参数采用遗传算法构建若干初始构型。

[0045] 声屏障的基础优化模型为亥姆霍兹共振腔，也可以采用质量‑膜谐振单元，弹簧质量单元等。

[0046] 在本实施例中，声屏障的基础优化模型为亥姆霍兹共振腔，为提高空间利用率，安装便捷，具体采用如图1所示的双层的方形谐振腔。

[0047] 方形谐振腔包括第一方形腔和第二方形腔，第一方形腔和第二方形腔的中心相同，第二方形腔设置在第一方形腔中；第一方形腔和第二方形腔的边上分别设置有开口。

[0048] 在本实施例中，定义与声波相同的方向为宽度方向，定义与声波垂直的方向为长度。双层的方形谐振腔的待优化参数包括：

[0049] 第一方形腔宽度W；

[0050] 第一方形腔长度L；

[0051] 第一方形腔厚度t1；

[0052] 第二方形腔厚度t2；

[0053] 第一方形腔开口宽度d1；

[0054] 第二方形腔开口宽度d2；

[0055] 第二方形腔开口的对边中心到第二方形腔中心的连线与第一方形腔开口中心到第二方形腔中心的连线所成的角度α1；

[0056] 第二方形腔开口的对边中心到第二方形腔中心的连线与第二方形腔开口中心到第二方形腔中心的连线所成的角度α2。

[0057] 遗传算法根据各待优化参数构建若干初始构型。其中初始构型的规模取决于设计变量的数量；因此，根据经验法则，设计变量越多，初始构型的规模就越大。

[0058] 适应度函数为声波频率在fmin～fmax之间的平均隔声损失值：

[0059]

[0060] 其中，Q为适应度函数；

[0061] TL为不同频率处声学超材料的传输损失。

[0062] 在本实施例中，fmin为300Hz；fmax为1300Hz。评估不同频率之间的适应度函数，选取最优设计。

[0063] S3：使用有限元仿真软件对每一个遗传算法构型的适应度函数进行评估；筛选适应度函数较大的构型，保留作为下一代构型的母体。

[0064] 通过比较，筛选适应度函数较大的构型作为下一代构型的母体，在本实施例中，选取适应度函数按大小排列处于前50％的构型。

[0065] S4：重复步骤S3，直到两个相邻世代之间的适应度函数达到需求阈值，得到最佳声屏障设计方案。

[0066] 需求阈值根据要求的优化精度设定，在本实施例中，需求阈值为10‑10～10‑8；当两‑10 ‑8个相邻世代之间的适应度函数差在10 ～10 范围内时，获得优化后的声屏障设计方案。

[0067] 本实施例中，所用的有限元评估软件为COMSOL Multiphysics，它可以通过TMLiveLink  for 轻松地与遗传算法(GA)模型结合。在本实施例中，设定了种群的个数为300，杂交概率(CrossoverFraction)为0.8，最大迭代次数为100，最优单元组成的声屏障对应的传递损失曲线如图3所示，可以看出该声屏障在300Hz到1300Hz之间的平均隔声损失可以达到56.767dB。

[0068] 如图2所示，A点为优化后的声屏障；B点为面密度与优化后的声屏障相同的平板；C点为隔声效果与优化后的声屏障相同的平板。

[0069] 本实施例优化后的声屏障如图2中A点处的模型所示，其第一方形腔宽度w为98.848mm；第一方形腔长度L为110.1mm；第一方形腔厚度t1为3.15mm；第二方形腔厚度t2为
3.44mm；第一方形腔开口宽度d1为36.26mm；第二方形腔开口宽度d2为50.03mm。

[0070] 如图2中的B点，与优化后的声屏障等同面密度的实心声屏障厚度为15.67mm，其声压降低大约6.5分贝。

[0071] 图2中的C点，与优化后的声屏障相同隔声效果的平板与优化后的声屏障存在大约6.1倍的重量差。

[0072] 可见本方案不需要增加厚度来提高隔声效果，减少体积，节约成本，性价比高。针对指定的声波频率区间计算设计，提升隔声效果。

[0073] 本实施例的方案采用机器学习的方法，以声学超材料为设计对象，将隔声降噪需求抽象为适应度函数表示，从而实现最优声屏障的智能搜索，简单易操作。

[0074] 应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。