买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:南京工业大学
摘要:本发明涉及一种利用加权KNN算法设计薄膜声学超材料MAM的方法。首先,根据局域共振理论和力学特性,结合以往的MAM单胞,进行创新设计,引入多态反共振模式,实现隔声带宽的拓宽和隔声量的提高;其次,对单胞的声传递损失STL、多态反共振模式进行分析;对建立的MAM单胞,进行隔声性能的单一影响因素分析,得到各项因素对隔声性能的影响;之后,进行隔声性能的多因素分析,选择对隔声性能影响较大的因素进行正交试验,找到最优方案,明确影响隔声性能的各因素的主次顺序;然后,使用层次分析法,通过构建判断矩阵,层次总排序,确定影响隔声性能的各因素的具体权重;最后,将数据集根据隔声性能分为3类,使用加权KNN算法分类模型进行分类预测,并采用K‑Fold交叉验证获得超参数KNN算法中的k值的准确率曲线,得到分类准确率最高的k值,证明结合加权KNN算法实现MAM性能预测的可行性。
主权项:1.一种利用加权KNN算法设计薄膜声学超材料MAM的方法,其特征在于,首先,根据局域共振理论和力学特性,结合以往的MAM单胞,进行创新设计,引入多态反共振模式,实现隔声带宽的拓宽和隔声量的提高;其次,对单胞的声传递损失STL、多态反共振模式进行分析;对建立的MAM单胞,进行隔声性能的单一影响因素分析,得到各项因素对隔声性能的影响;之后,进行隔声性能的多因素分析,选择对隔声性能影响较大的因素进行正交试验,找到最优方案,明确影响隔声性能的各因素的主次顺序;然后,使用层次分析法,通过构建判断矩阵,层次总排序,确定影响隔声性能的各因素的具体权重;最后,将数据集根据隔声性能分为3类,使用加权KNN算法分类模型进行分类预测,并采用K-Fold交叉验证获得超参数KNN算法中的k值的准确率曲线,得到分类准确率最高的k值,证明结合加权KNN算法实现MAM性能预测的可行性,该方法包括下列步骤:1MAM单胞设计。MAM属于局域共振材料,单胞是由薄膜和质量块组成,当声波传播到单胞时,振动使弹性薄膜发生形变,在恢复形变的过程中产生一个固有频率,当声波频率与共振单元的固有频率接近时,共振单元与声波产生强烈的耦合作用,出现带隙,消耗声能。MAM的外部由一层刚性体连接,实现了局域化共振。根据力学特性,对称的十字摆臂结构能实现多种反向对称的振动模式。使用多个谐振器以合理的方式分布在MAM单胞中,能实现多态反共振模式;2声传递损失STL、反共振模式分析。声透射系数τ表示隔声结构的隔声性能,用透射声功率wt和入射声功率w之比、透射声波的声强It和入射声波的声强I之比或者透射声压pt和入射声压p的之比表示,声透射系数τ的计算公式如下: 由于声透射系数τ值很小,所以采用声传递损失来体现MAM的隔声性能,记为STL,单位为dB,声透射系数STL的计算公式如下: 通过COMSOLMultiphysics有限元软件进行建模仿真得到振型和声传递损失STL曲线,分析隔声带宽、隔声峰值、反共振模式;3隔声性能单一影响因素分析。薄膜和谐振器的相关参数影响着MAM的振动固有频率。STL带宽下限由MAM总体的等效参数特性决定,STL带宽上限由谐振器所在的子单胞的等效参数特性决定。基于所建立的MAM单胞的仿真模型,通过隔声带宽、隔声峰值研究薄膜厚度、薄膜预应力、摆臂厚度、谐振器质量长度、宽度和高度对其隔声性能的影响;4多因素分析,正交试验明确影响各因素的主次顺序。对隔声性能影响较大的因素进行正交试验,考查指标设定为STL曲线波峰周围隔声量大于20dB的归一化带宽δN,δN的计算公式如下: 其中fe1为起始频率,fs1为终止频率,fb为峰值频率。选择合适的正交表进行设计,用Lntc表示,其中L为正交表的代号,n为试验次数,t为因素的水平数,c为因素的最多个数。确定试验方案,通过COMSOLMultiphysics有限元软件进行仿真结果,分析试验结果,计算均差,确定最优方案,计算极差,明确影响各因素的主次顺序;5层次分析法赋予因素权重。根据正交试验的各因素的主次顺序,运用层次分析法给不同的因素均赋予相应的权重。建立层次结构模型,构建各个层次的判断矩阵,进行层次单排序并检验其一致性。最后进行层次总排序,并检验其一致性。得到方案层中的各个因素对目标层的权重;6加权KNN算法实现分类预测。对于未知类别的待测样本,首先在训练集求得与待测样本距离最近距离欧氏距离的k个已知类别的样本,然后统计k个训练样本所属类别所出现的次数,其中出现次数最多的类别为待测样本的类别。任意两个样本xi和xj加权距离的计算公式: n为样本数据的维度。将样本数据集进行K-Fold交叉验证,将全部样本划分成K个大小相等的样本子集,依次遍历这K个子集,每次把当前子集作为验证集,其余所有样本作为训练集,进行加权KNN模型的训练和准确率评估,最后,把K次评估的平均值作为最终的评估指标,得到效果最佳的分类模型。
全文数据:
权利要求:
百度查询: 南京工业大学 一种利用加权KNN算法设计薄膜声学超材料的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。