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