一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法技术

本发明专利技术公开了一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法，设计双层复合结构；确定影响开孔泡沫铝吸声能力的影响因素，确定多种不同复合结构在所述影响因素以及不同频率声源下的吸声系数，得到多种不同复合结构的所述影响因素以及吸声系数对应的数据集；将数据集划分出训练样本和测试样本；使用MATLAB的newgrnn函数创建广义回归神经网络，通过所述训练样本和测试样本对广义回归神经网络进行训练和测试，得到最终的广义回归神经网络；在预测时，将待预测复合结构的影响因素输入最终的广义回归神经网络，对该复合结构的吸声系数进行预测。本发明专利技术的方法能够快速预测出具有空腔的双层复合结构的吸声系数，无需进行繁重的实验来确定。

【技术实现步骤摘要】
一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法
本方法涉及吸声降噪领域，具体涉及一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法。
技术介绍
目前，解决噪音污染问题已经是人们迫在眉睫的事情。吸声材料或结构的吸声原理主要为共振吸声原理和多孔吸声原理。单一的吸声材料已经很难满足人们对吸声降噪的要求，因此复合结构的开发与应用越来越受到人们的重视，但对于复合结构的设计，大都采用测量其吸声系数来得出性能相对优异的复合结构的参数范围，但该方法工作量繁重并且测试结果误差较大，因此亟需一种过程简便、快速且预测结果准确的频吸声系数预测方法。
技术实现思路
本专利技术的目的在于针对上述存在的不足，本专利技术提供了一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法，通过本专利技术的方法能够快速预测出具有空腔的双层复合结构的吸声系数，能够采用模拟的方法更好的设计复合吸声结构，无需进行繁重的实验来确定，提高了性能优异的复合结构的设计效率。为实现本专利技术的目的，具体步骤如下：r>一种基于神经网络本文档来自技高网...

【技术保护点】
1.一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法，其特征在于，包括如下过程：/nS1，设计复合结构，所述复合结构包括依次平行设置的第一层开孔泡沫铝(1)、第二层开孔泡沫铝(2)和刚性墙(3)，第一层开孔泡沫铝(1)和第二层开孔泡沫铝(2)之间以及第二层开孔泡沫铝(2)与刚性墙(3)之间均设有背后空腔(4)；/nS2，采用不同厚度的第一层开孔泡沫铝(1)、不同厚度的第二层开孔泡沫铝(2)以及设置不同深度的背后空腔(4)，组合出多种不同的所述复合结构；/nS3，确定影响开孔泡沫铝吸声能力的影响因素，确定S2得到的多种不同复合结构在所述影响因素以及不同频率声源下的吸声系数，得到多种不...

【技术特征摘要】
1.一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法，其特征在于，包括如下过程：
S1，设计复合结构，所述复合结构包括依次平行设置的第一层开孔泡沫铝(1)、第二层开孔泡沫铝(2)和刚性墙(3)，第一层开孔泡沫铝(1)和第二层开孔泡沫铝(2)之间以及第二层开孔泡沫铝(2)与刚性墙(3)之间均设有背后空腔(4)；
S2，采用不同厚度的第一层开孔泡沫铝(1)、不同厚度的第二层开孔泡沫铝(2)以及设置不同深度的背后空腔(4)，组合出多种不同的所述复合结构；
S3，确定影响开孔泡沫铝吸声能力的影响因素，确定S2得到的多种不同复合结构在所述影响因素以及不同频率声源下的吸声系数，得到多种不同复合结构的所述影响因素以及吸声系数对应的数据集；
S4，将S3得到的数据集划分出训练样本和测试样本；
S5，使用MATLAB的newgrnn函数创建广义回归神经网络，通过所述训练样本和测试样本对广义回归神经网络进行训练和测试，得到最终的广义回归神经网络；
S6，在预测时，将待预测复合结构的影响因素输入S5得到的最终的广义回归神经网络，对该复合结构的吸声系数进行预测。


2.根据权利要求1所述的一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法，其特征在于，所述第一层开孔泡沫铝(1)的密度为0.856g/cm3，孔隙率为68.296％，孔径为90×10-6m，厚度为4-12mm。


3.根据权利要求1所述的一种基于神经网络的预测复合结构开孔泡沫铝的中频吸声系数的方法...

【专利技术属性】
技术研发人员：梁李斯，郭文龙，张宇，米嘉毓，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61