一种声屏障设计方法及系统与流程

本发明涉及铁路声屏障，更具体地说，它涉及一种声屏障设计方法及系统。

背景技术：

1、噪声污染，已被研究证实为世界七大环境公害之一。随着现代交通的快速发展，铁路和公路附近的居民正面临日益严重的环境噪声干扰。这对他们的生理和心理健康产生了显著影响。为了应对这一问题，政府相关部门已经制定了噪声标准和调控措施。以铁路沿线居民区常见的噪声问题为例，调控手段主要包括：在声源处采取消声措施，如使用弹性消声车轮、埋入式轨道和重型焊接长轨等。在噪声传播路径中实施隔声措施，如设置声屏障以阻挡噪声向建筑物传播。以及在声接收点应用吸声或阻声技术，如吸声幕墙、消声地毯和隔声窗等。通过对比三种方法所需的技术要求可知，声源处降噪难以实施和精准控制、接收端降噪往往过于被动。且二者成本均较高。那么切断传播路径是最切实可行的，即在铁路沿线的噪声敏感处设置声屏障，从而阻隔噪声的传播。

2、然而，目前的铁路声屏障通常采用以吸声介质为主的插板式或整体式声屏障，虽然传统的声屏障结构在一定程度上实现了降噪效果，但它们并未触及噪声传播的核心问题，即噪声的本质在于弹性波与环境介质之间的相互耦合作用。传统的吸声材料在抑制弹性波或声波的传播本质上存在困难，这导致其在降噪应用中受到局限，具体表现为降噪频段狭窄和降噪效果不佳的问题。

3、有基于此，本技术提供一种声屏障设计方法及系统，解决上述问题。

技术实现思路

1、本技术的目的是提供一种声屏障设计方法及系统，解决现有声屏障设计降噪频段窄、降噪效果不佳的问题；将亥姆赫兹共振腔结构和声学虹吸超材料结构相结合设计铁路用的声屏障，拓展降噪频段，通过深度学习技术与遗传算法结合，综合考虑降噪量、通风量和结构重量优化声屏障结构参数。

2、本技术提供一种声屏障设计方法，取声屏障需要控制的噪声频率范围和声屏障需要优化的结构参数；通过随机迭代函数生成符合噪声频率范围的多组结构参数，并根据所述结构参数进行声学有限元计算，得到对应的降噪曲线和噪声频率范围内的声传输降低值，将多组结构参数和对应的降噪曲线、噪声频率范围内的声传输降低值作为训练数据；将所述训练数据输入超材料dnn深度学习模型进行训练，得到训练好的超材料dnn深度学习模型，所述超材料dnn深度学习模型以结构参数为输入，以降噪曲线和噪声频率范围内的声传输降低值为输出；创建一组随机的结构参数作为初始种群，以声传输降低值、通风量和结构重量的加权值作为适应度函数，其中所述声传输降低值通过训练好的超材料dnn深度学习模型计算得到，通过遗传算法进行迭代计算，得到最优的结构参数作为优化后的声屏障结构参数；其中，所述声屏障，包括：亥姆赫兹共振腔结构、声学虹吸超材料结构和连接件，所述亥姆赫兹共振腔结构和所述声学虹吸超材料结构通过所述连接件固定，形成双层结构，所述亥姆赫兹共振腔结构包括表面开口和内嵌腔体，所述表面开口以及内嵌腔体形成亥姆霍兹共振腔，所述声学虹吸超材料结构包括多个突起的谐振腔体结构，所述谐振腔体结构用于与亥姆霍兹共振腔配合，拓展所述亥姆赫兹共振腔的降噪频段。

3、采用上述技术方案，在声屏障结构方面，通过亥姆赫兹共振腔结构和基于声学虹吸效应的声学虹吸超材料结构设计双层结构的声屏障，该结构的声屏障综合利用亥姆赫兹共振腔结构在500hz到4000hz较好的降噪能力和声学虹吸超材料结构在500hz以下的降噪能力，实现了噪声在低频到高频的宽频控制。另外，在声屏障结构参数设计方法，基于已知的噪声频率分布，可以针对特定的噪声来源逆向分析声屏障结构参数，从而取得最佳的降噪效果；具体地，在声屏障结构参数分析方面，通过构建超材料dnn深度学习模型代替传统的声学有限元计算，可在输入声屏障结构参数后快速计算噪声频率范围内的声传输降低值，以便声屏障结构参数分析；通过声传输降低值、通风量和结构重量的加权值作为遗传算法的适应度函数，在声屏障结构参数的选择上综合考虑降噪量、通风量和结构重量，有助于工程设计实践；通过层次分析法和熵权法进行组合赋权，得到更为准确的指标权重，有利于结构参数的精准分析；最后通过遗传算法迭代计算最优的结构参数，简化参数寻优过程。

4、在一种可能的实施方式中，所述亥姆赫兹共振腔结构置于靠近声源的一侧，所述声学虹吸超材料结构置于远离声源的一侧。

5、在一种可能的实施方式中，所述连接件包括两个立柱结构，两个所述立柱结构相对的表面均设置有两个凹槽，两个所述凹槽用于卡合亥姆赫兹共振腔结构和声学虹吸超材料结构。

6、在一种可能的实施方式中，所述适应度函数为：

7、of＝αa+βv+γw

8、其中，of为适应度函数，a代表声传输降低值，v代表声屏障的通风量，w代表声屏障的重量，α、β和γ则代表了三个指标各自的组合权重。

9、在一种可能的实施方式中，所述声传输降低值、通风量和结构重量的组合权重通过如下步骤得到：通过层次分析法得到声传输降低值、通风量和结构重量的主观权重；通过熵权法得到声传输降低值、通风量和结构重量的客观权重；通过组合赋权法，基于主观权重和客观权重计算声传输降低值、通风量和结构重量的组合权重。

10、在一种可能的实施方式中，通过层次分析法得到声传输降低值、通风量和结构重量的主观权重，包括：基于专家经验法构造模糊判断矩阵，所述模糊判断矩阵用于表示声传输降低值、通风量和结构重量的重要性；基于一致性指标法对所述模糊判断矩阵进行修正，得到通过一致性检验的判断矩阵；基于判断矩阵计算声传输降低值、通风量和结构重量的权重，作为主观权重。

11、在一种可能的实施方式中，通过熵权法得到声传输降低值、通风量和结构重量的客观权重，包括：收集多个样本的声传输降低值、通风量和结构重量，将所述声传输降低值、通风量和结构重量作为指标进行归一化处理，构造输入矩阵x＝[xij]，xij为第i个样本的第j个指标数值；根据所述输入矩阵计算第j项指标下第i个样本所占比重，作为相对熵计算的概率；根据相对熵计算的概率计算每个指标的信息熵和信息效用值，并归一化得到每个指标的熵权，作为客观权重。

12、在一种可能的实施方式中，所述组合权重为：

13、w＝αβ+(1-α)δ

14、其中，w为组合权重，β为主观权重，δ为客观权重，α是层次分析法的到的权重在组合权重中所占的比例。

15、在一种可能的实施方式中，层次分析法得到的权重在组合权重中所占的比例为0.4。

16、本技术还提供一种声屏障设计系统，用于实现如上述的一种声屏障设计方法，包括：参数获取模块，用于获取声屏障需要控制的噪声频率范围和声屏障需要优化的结构参数；训练数据准备模块，用于通过随机迭代函数生成符合噪声频率范围的多组结构参数，并根据所述结构参数进行声学有限元计算，得到对应的降噪曲线和噪声频率范围内的声传输降低值，将多组结构参数和对应的降噪曲线、噪声频率范围内的声传输降低值作为训练数据；模型训练模块，用于将所述训练数据输入超材料dnn深度学习模型进行训练，得到训练好的超材料dnn深度学习模型，所述超材料dnn深度学习模型以结构参数为输入，以降噪曲线和噪声频率范围内的声传输降低值为输出；结构参数优化模块，用于创建一组随机的结构参数作为初始种群，以声传输降低值、通风量和结构重量的加权值作为适应度函数，其中所述声传输降低值通过训练好的超材料dnn深度学习模型计算得到，通过遗传算法进行迭代计算，得到最优的结构参数作为优化后的声屏障结构参数。

17、与现有技术相比，本技术具有以下有益效果：本技术在声屏障结构方法，采用了亥姆赫兹共振腔结构和基于声学虹吸效应的声学虹吸超材料结构的双层声屏障设计方法，该结构模式综合利用亥姆赫兹共振腔结构在500hz到4000hz较好的降噪能力和声学虹吸超材料结构在500hz以下的降噪能力，实现了噪声在低频到高频的宽频控制；本技术在声屏障结构参数设计方面，针对特定的噪声来源，在已知噪声的频率分布的情况下，综合考虑降噪量、通风量和结构重量，逆向定制声屏障设计参数，从而取得最好的降噪效果，有助于工程设计实践。