优化具有梯度管状蜂窝芯的夹芯板以增强隔声损失

本研究提出了一种理论方法，用于评估面内取向下具有管状蜂窝芯的夹芯板的隔声损失（STL）。随后，通过实现非支配排序遗传算法 II（NSGA-II）对芯体几何参数进行优化，以在最小化夹芯板总质量和高度的同时最大化其 STL。夹芯板的声传响应由芯体的四个独立几何参数表征，即：芯体长度和高度方向上的管状蜂窝数量、管状蜂窝壁厚以及管状蜂窝半径。假设每个管状蜂窝具有相同的厚度，而每一行中的蜂窝半径各不相同。利用 Abaqus 脚本接口，基于指定的参数生成了具有管状蜂窝芯的夹芯板的结构声学有限元模型。研究设计在 50Hz 至 350Hz 的频率范围内获得，该范围涵盖了夹芯板的前几个共振区域。为了降低计算成本，采用了一种基于梯度提升决策树（GBDT）的机器学习技术来预测夹芯板的 STL。结果显示，GBDT 模型被成功训练。数据对比表明，在 95% 的情况下，GBRT 模型与有限元（FE）模型之间的偏差被限制在 -3.09% 至 2.7% 的范围内。训练集包含 500 个样本，并额外使用 150 个样本进行测试以保证结果的可靠性。在 STL 与频率曲线下面积相同的情况下，与参考面板相比，使用管状蜂窝优化后的面板在质量和高度上分别减少了 52% 和 23%。