【技术实现步骤摘要】
基于条件式生成对抗网络的吸声覆盖层优化设计方法
[0001]本专利技术涉及吸声覆盖层优化设计
,具体为基于条件式生成对抗网络的吸声覆盖层优化设计方法
。
技术介绍
[0002]由于低频声波的波长较长,需要增加吸声覆盖层的厚度来实现低频
、
宽带和强吸声的吸声目标,因此,不利于实际应用
。
尽管传统的多孔介质材料,如多孔金属纤维和泡沫海绵等,由于它们具有良好的吸声特性,已被广泛应用于潜艇隐身
、
航空吸声
、
汽车隔音等领域,但存在最低有效吸声频率较高等缺点
。
吸声覆盖层复合结构的一个显着特征是空腔的局域共振,通过不同的腔体结构组合可以实现较低的吸收频率和较宽的吸声频带,从而在获得良好的吸声性能方面具有广阔的应用前景
。
[0003]对包含规则空腔的吸声覆盖层设计,如圆柱体
、
圆锥体
、
椭圆柱体及其组合等,是早期研究的重点,采用的研究方法主要有:
1、
通过研究无限长粘弹性圆柱管中轴对称波的传播模式和衰减,获得圆柱管外径与内径比
、
损耗因子和材料参数对相速度的影响
。2、
对嵌入局部共振散射体的各种粘弹性聚合物板吸声实验测量,参考
Mie
散射矩阵研究低频吸收的物理机制
。3、
对吸声覆盖层的低频吸声机理研究,数值计算吸声覆盖层的声学性能
。
此外,遗传算法用于计算组合腔体的最
【技术保护点】
【技术特征摘要】
1.
一种基于条件式生成对抗网络的吸声覆盖层优化设计方法,其特征在于:该设计方法基于条件式生成对抗网络
(cGAN)
模型,
cGAN
模型包含一个生成器网络和一个鉴别器网络;其中,生成器将期望的吸声系数作为条件输入,并尝试生成不同于真实材料结构参数的样本输出,鉴别器则将生成的材料结构参数与真实的目标结构参数区分开来;该优化设计方法包括以下两个主要步骤:步骤一,使用数据集训练模型;步骤二,使用经过训练的生成器网络生成新设计
。2.
根据权利要求1所述的一种基于条件式生成对抗网络的吸声覆盖层优化设计方法,其特征在于:所述生成器网络通过使用基于
U
‑
Net
架构的编码和解码模型来设计吸声系数,从而生成材料结构参数
。3.
根据权利要求1所述的一种基于条件式生成对抗网络的吸声覆盖层优化设计方法,其特征在于:所述生成器是以吸声系数为条件与高斯分布合并后作为输入,其中,生成器的编码器网络包含三个卷积层,每个卷积层后面跟着一个批归一化层和一个
ReLU
层,生成器的解码器网络包含三个转置卷积层,每个转置卷积层后面跟着一个批归一化层和一个
ReLU
层,编码器和解码器形成一个对称的
U
‑
Net
网络
。4.
根据权利要求3所述的一种基于条件式生成对抗网络的吸声覆盖层优化设计方法,其特征在于:为了防止深度卷积神经网络的过拟合,残差连接卷积层和相应的转置卷积层
。5.
根据权利要求1所述的一种基于条件式生成对抗网络的吸声覆盖层优化设计方法,其特征在于:所述步骤一中的数据集由
86400
组材料和结构参数以及相应的吸声系数组成,该数据集通过二维有限元仿真模型构造
。6.
根据权利要求1所述的一种基于条件式生成对抗网络的吸声覆盖层优化设计方法,其特征...
【专利技术属性】
技术研发人员:孙一平,
申请(专利权)人:贵州开放大学贵州职业技术学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。