毛細な材料の音響吸収をインシットで測定するためのデータ駆動の2マイクメソッド

科学分野:

• 音響学
• 材料科学
• データサイエンス

背景:

• 音の吸収の正確な推定は,建築の音響と素材の設計に不可欠です.
• 音響吸収係数を測定する伝統的な方法は,しばしば特定の実験室条件やサンプル幾何学を必要とします.
• 現場で設置された材料の音響性能を予測することは依然として課題です.

研究 の 目的:

• ニューラルネットワークを用いた無限多孔板の音響吸収係数を推定するためのデータ駆動方法を開発する.
• 数値シミュレーションと実験的測定の両方を用いてニューラルネットワークの予測精度を検証する.
• 毛細な材料の音響吸収係数の信頼性の高い推定を可能にします.

主な方法:

• 音響吸収係数を予測するために一次元収束神経ネットワーク (1D-CNN) が使用された.
• ネットワークは,有限な多孔質のサンプルの2つのマイクロフォン測定から導かれた複合値の転送関数を使用した.
• デラニ・ベズリー・ミキモデルに基づく境界要素モデル (BEM) の数値データは,トレーニングと検証に使用された.

主要な成果:

• ニューラルネットワークは様々な数値サンプルに対して 音響吸収係数の正確な予測を証明しました
• 繊維材料のサンプルを用いた実験的検証は,サンプルサイズとソースの高さが異なる場合でも,信頼性の高い性能を示した.
• 予測された正常発生音響吸収係数は,理論値と阻力管の測定値と密接に一致しました.

結論:

• 提案されたデータベースのアプローチは,サンプルが無限であるかのように,多孔性の材料のインサイト音響吸収係数を確実に予測します.
• ニューラルネットワークと組み合わせた2つのマイクの方法は,設置後の音響材料の評価に有望なツールを提供します.
• この方法は,音響材料の性能の現実的な運用状態の評価を容易にする.