一种基于三维打印的低频吸声结构的机器学习优化方法

本发明公开了一种基于三维打印的低频吸声结构的机器学习优化方法，属于人工智能声学技术领域，低频吸声结构由光敏树脂材料经过光固化三维打印制备而成，包括侧缝、延伸空腔、圆形穿孔、谐振空腔、第一隔板、第二隔板和第三隔板，具有良好的扩展性，可以根据不同的噪声控制需求进行调整；通过机器学习优化方法，能够在保证小尺寸的前提下，快速调整结构参数应对噪声控制任务，从而在特定低频段获得显著的吸声效果；本申请采用基于多层感知机与遗传算法的机器学习方法，对低频吸声结构的几何参数进行优化，通过使用商业有限元求解器COMSOL Multiphysics进行模拟计算，进一步验证和优化结构的吸声性能。