基于深度神经网络的超表面局部声场强度控制技术的研究
Huanlong Zhao1, Qiang Lv1, Zhen Huang1
1School of Electrical and Electronic Engineering, Wuhan Polytechnic University, Wuhan, 430048, China.
PloS one
|March 28, 2024
概括
本研究介绍了一种使用并行深度神经网络的反向设计方法,用于在潜艇应用中调节的超表面技术. 这种新的方法显著提高了用于水下声音场调制的超表面设计的效率.
科学领域:
- 声学 声学 在声学方面
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 超表面技术对于潜艇水下跟踪至关重要.
- 目前的结构到声场的超表面设计是低效和代的.
- 开发高效的设计方法是潜艇工程的一个关键挑战.
研究的目的:
- 通过使用平行深度神经网络,为元表面提出一个反向设计方法.
- 建立目标声场和地表物理结构之间的高效映射.
- 为了实现局部化的声场强度调制用于水下跟踪.
主要方法:
- 利用并行深度神经网络进行反向设计.
- 输入的全球和本地目标声音场特征.
- 输出的地表物理结构参数. 输出的地表物理结构参数.
- 在训练中使用基于辐射基础内核函数的内核损失函数.
主要成果:
- 成功建立了超表面设计的反向映射.
- 在局部目标范围内实现声场强度调制.
- 在目标范围内的92.9%的样本数据中,平均预测误差小于5dB.
结论:
- 拟议的反向设计方法显著提高了水下应用的超表面设计的效率.
- 深度神经网络为优化潜艇技术中复杂的声学功能提供了强大的工具.
- 该方法显示了对局部声场控制的高准确性和有效性.
