广义有限差分法在含阻抗边界空腔声学分析中的应用

声学分析在噪声控制、室内隔音等工程计算中有着重要的作用.由于现实生活中的声学模型往往伴随着吸声材料,因此分析含阻抗边界条件的声学问题显得十分必要.广义有限差分法是一种新型区域型无网格数值离散方法,该方法基于多元函数泰勒级数展开式和加权最小二乘拟合,将控制方程中未知参量的各阶偏导数表示为相邻节点函数值的线性组合.本文首次将广义有限差分法应用于含阻抗边界条件空腔声学问题的分析中,建立了空腔声场问题的广义有限差分法数值离散格式.与传统算法相比,所建立的数值模型具有无需网格剖分和数值积分、计算精度高、适用于大规模声学分析等优点.通过具有解析解的经典算例,研究了总节点数目和局部支撑点数目对数值结果的影响,得到了最大计算频率与节点间距之间关系的经验公式.此外,将广义有限差分法应用于无解析解的二维和三维复杂声学模型,并与COMSOL Multiphysics软件所得的有限元结果进行了比较分析.数值实验表明,该算法是一种高效、精确、稳定、收敛的数值模拟方法,在含阻抗边界空腔声学分析中具有广阔的应用前景.

基于物理信息神经网络的内部声场正反问题数值计算

针对频域内部声场正反问题的数值模拟,建立基于物理信息的神经网络架构。与基于数据驱动的神经网络不同,将声学问题的Helmholtz方程及其对应的边界条件引入神经网络,所建立的神经网络算法不仅能够反映训练数据样本的分布规律,而且也遵循由偏微分方程描述的物理定律。考虑到频域声学问题中含有复数部分,建立两种网络架构,并进行验证和比较分析。该方法无需网格划分和数值积分等繁琐的数值计算过程,可自由地处理不规则区域和非均匀分布情形。数值实验考察二维和三维复杂几何结构的声学正问题及反问题,结果表明所建立的物理信息神经网络算法具有较高的精确度、收敛性和鲁棒性。