一种空间声场的降噪预测方法及拟合优化管理

1.本发明涉及噪声控制及优化管理技术领域，尤其涉及一种空间声场的降噪预测方法及拟合优化管理。


背景技术：

2.三维空间的噪声主动控制可以实现低频噪声的全空间或局部区域的抵消，有强烈的应用需求。在自由声场中，完全抵消噪声在理论上是有可能的，其根据就是惠更斯原理，在实际可操作层面，空间降噪(包括自由声场和封闭声场)一般是以有限点位按总的辐射声功率或均方声压和最小为控制目标，因此即便是自由声场中，次级声源也无法完美复现入射声场，而且为了提高次级声场与入射声场的吻合性，目前的技术通过设置较多通道的次级声源阵列和复杂的误差传感器系统，并且通过自适应优化的方式使误差传感器位置处达到某种策略下的最优，以实现降噪。
3.而次级声源阵列对入射声监测传感器和残余声监测传感器有着复杂的影响与干扰，导致降噪系统整体难以高效工作，甚至导致系统不可用，因此目前全空间的降噪技术还很难进入实用阶段，根据公开的资料，目前这样的系统仅能在有限的实验室条件下工作，由于空间声场面临的影响因素众多，情况多样，实际工程的一些尝试中这类系统的空间降噪效果并不明显。
4.对于被动降噪源降噪(即噪声主动控制)、主动降噪以及减振降噪亟需需要提出一种空间声场的降噪预测方法及拟合优化管理，解决由于空间声场面临的影响因素众多，情况多样，实际工程的一些尝试中这类系统的空间降噪效果并不明显技术问题。


技术实现要素：

5.针对上述现有技术存在的问题，本发明提供一种空间声场的降噪预测方法及拟合优化管理，以解决上述提到的技术问题。
6.为了实现上述目的，本发明通过以下技术方案实现：一种空间声场的降噪预测方法及拟合优化管理，采用les-lstm混合计算模型对空间场内湍流边界层脉动压力引起的气动噪声进行预测；混合模型计算结果与地铁运动试验和传统的grach算法得到的结果吻合良好，尤其在200～500hz中频段时，计算精度更高；为地铁运动设计阶段，气动噪声全频段的高精度预测提供了实际应用模型；
7.通过混合模型各子系统对乘员室声学贡献量的分析，确定适宜贴附吸声材料的部位为左右侧围与顶棚。利用优化拉丁超立方试验设计，建立了能高精度、高效地反映优化目标与各层材料厚度参数之间关系的kriging近似模型；
8.采用arnn-三种方法的拟合优化优化算法，确定了各层吸声材料厚度的理想组合；
9.在采用混合模型进行数值仿真之前，须确定模型的输入激励，因此将cfd计算获得的表面脉动压力值转化为各结构子系统的平均压力谱，并将其作为力载荷施加至混合模型。当系统的确定性边界位移为零时，混响场所产生的力载荷满足以下统计学关系：
[0010][0011]
同时考虑到边界处的混响场载荷frev，边界处总的边界力为：
[0012]
f＝d
dir
q+f
rev
[0013]
fe子系统位移互谱矩阵为：
[0014][0015]
进一步优化地，根据子系统带宽δf内的振型数可对频率范围进行划分[14]:当n≤1时，定义为低频区；当1＜n＜5时，为中频区；当n≥5时，为高频区。依据模态相似原则划分车身表面结构子系统，以保证sea子系统拥有满足统计能量分析需求的较高模态密度(分析带宽内的模态数不低于5)，同时fe子系统在分析带宽内的模态数不高于5。根据以上原则，整车fe-sea混合模型共划分为162个子系统，其中sea平板子系统106个，sea曲面板子系统14个，sea声腔系统6个，fe子系统36个。各子系统通过点线面耦合连接，形成一个整体，最终实现各个相应结构之间的能量正常流动。
[0016]
进一步优化地，根据建立的近似模型，采用arnn-三种方法的拟合优化算法进行寻优，最终得到近似模型最优样本点组合(d1，d2，d3，d4)为(3.1，2.2，4.0，0.7)，对最优材料组合下的优化指标进行混合lstm仿真，其结果与采用近似模型获得的结果之间的误差在1％之内。
[0017]
进一步优化地，将arima与g-arch结合获得了预测数据data1，采用lstm算法获得了预测数据data2；将两份预测结果与历史真实值相比较，分别赋予两种数据不同的权值，使其均方误差最小，并将该权值用于未来数据的预测，得到最终的预测结果。
[0018]
进一步优化地，同时使用多个搜索点的信息，目前广泛应用于工程优化领域。非支配排序遗传算法(arnn-三种方法的拟合优化)是带精英策略的一种遗传算法，应用最为广泛，这种算法通过选择算子执行之前的非支配排序，避免了传统算法对权系数的依赖性，同时计算效率高且算法稳定性好。
[0019]
综上，本发明提供一种空间声场的降噪预测方法及拟合优化管理，优化目标与设计变量之间的响应性关系，选取设计空间范围中除设计方案以外的任意3组样本点，进行lstm算法计算，最后将得出的计算；
[0020]
结果同近似模型的结果进行对比，以此来验证近似模型的精度，在不同的设计变量组合下，通过arima与g-arch的结合方法建立的近似模型计算结果与仿真计算结果之间的相对误差都在3％以内，表明创建的近似模型能精确地反映响应结果与设计参数之间的关系，因此用其取代原优化目标进行全局优化是稳妥可靠的，
附图说明
[0021]
图1是本发明的lstm网络结构示意图；
[0022]
图2是本发明的arima与g-arch的判决方式示意图；
[0023]
图3是本发明的arnn拟合数据方案示意图；
[0024]
图4是本发明的arima与g-arch的拟合优化数据示意图；
[0025]
图5是本发明的lstm预测优化数据示意图；
具体实施方式
[0026]
下面结合附图对本发明做进一步说明。
[0027]
如图1-5所示，本发明是一种空间声场的降噪预测方法及拟合优化管理，采用les-lstm混合计算模型对空间场内湍流边界层脉动压力引起的气动噪声进行预测；混合模型计算结果与地铁运动试验和传统的grach算法得到的结果吻合良好，尤其在200～500hz中频段时，计算精度更高；为地铁运动设计阶段，气动噪声全频段的高精度预测提供了实际应用模型；
[0028]
通过混合模型各子系统对乘员室声学贡献量的分析，确定适宜贴附吸声材料的部位为左右侧围与顶棚。利用优化拉丁超立方试验设计，建立了能高精度、高效地反映优化目标与各层材料厚度参数之间关系的kriging近似模型；
[0029]
采用arnn-三种方法的拟合优化优化算法，确定了各层吸声材料厚度的理想组合；
[0030]
在采用混合模型进行数值仿真之前，须确定模型的输入激励，因此将cfd计算获得的表面脉动压力值转化为各结构子系统的平均压力谱，并将其作为力载荷施加至混合模型。当系统的确定性边界位移为零时，混响场所产生的力载荷满足以下统计学关系：
[0031][0032]
式中:e[
…
]为均值；e为子系统的统计能量响应；frev为子系统确定性边界处的混响场力载荷，可与其能量响应建立起一种统计性联系；h表示共轭；n为模态密度；ω为圆频率；im表示虚部；ddir为子系统的确定性边界处的动刚度矩阵。当车身板件的位移为q时，直接场在边界处产生的作用力为ddirq，同时考虑到边界处的混响场载荷frev，边界处总的边界力为：
[0033]
f＝d
dir
q+f
rev
[0034]
同时考虑到边界处的混响场载荷frev，边界处总的边界力为：
[0035]
f＝d
dir
q+f
rev
[0036]
fe子系统位移互谱矩阵为：
[0037][0038]
进一步优化地，根据子系统带宽δf内的振型数可对频率范围进行划分[14]:当n≤1时，定义为低频区；当1＜n＜5时，为中频区；当n≥5时，为高频区。依据模态相似原则划分车身表面结构子系统，以保证sea子系统拥有满足统计能量分析需求的较高模态密度(分析带宽内的模态数不低于5)，同时fe子系统在分析带宽内的模态数不高于5。根据以上原则，整车fe-sea混合模型共划分为162个子系统，其中sea平板子系统106个，sea曲面板子系统14个，sea声腔系统6个，fe子系统36个。各子系统通过点线面耦合连接，形成一个整体，最终实现各个相应结构之间的能量正常流动。
[0039]
进一步优化地，根据建立的近似模型，采用arnn-三种方法的拟合优化算法进行寻优，最终得到近似模型最优样本点组合(d1，d2，d3，d4)为(3.1，2.2，4.0，0.7)，对最优材料组合下的优化指标进行混合lstm仿真，其结果与采用近似模型获得的结果之间的误差在1％之内。
[0040]
进一步优化地，将arima与g-arch结合获得了预测数据data1，采用lstm算法获得了预测数据data2；将两份预测结果与历史真实值相比较，分别赋予两种数据不同的权值，使其均方误差最小，并将该权值用于未来数据的预测，得到最终的预测结果。
[0041]
进一步优化地，同时使用多个搜索点的信息，目前广泛应用于工程优化领域。非支配排序遗传算法(arnn-三种方法的拟合优化)是带精英策略的一种遗传算法，应用最为广泛，这种算法通过选择算子执行之前的非支配排序，避免了传统算法对权系数的依赖性，同时计算效率高且算法稳定性好。
[0042]
采用les-lstm混合计算模型对空间场内湍流边界层脉动压力引起的气动噪声进行预测；(1)混合模型计算结果与地铁运动试验和传统的grach算法得到的结果吻合良好，尤其在200～500hz中频段时，计算精度更高。为地铁运动设计阶段，气动噪声全频段的高精度预测提供了实际应用模型。(2)通过混合模型各子系统对乘员室声学贡献量的分析，确定适宜贴附吸声材料的部位为左右侧围与顶棚。利用优化拉丁超立方试验设计，建立了能高精度、高效地反映优化目标与各层材料厚度参数之间关系的kriging近似模型。(3)采用arnn-三种方法的拟合优化优化算法，确定了各层吸声材料厚度的理想组合。有效地提升了各优化目标，从而改善了声场空间环境，为对不同方法的降噪效果进行拟合评估，实时更新最优算法，也进一步减小时延应用提供了工程指导。