[发明专利]一种结构耦合贴片主被动超材料隔振方法

说明书

本发明公开了一种结构耦合贴片主被动超材料隔振方法，属于超材料和减振降噪技术领域。该方法在超材料结构的周期性孔洞的板状结构上设置作动器，结合设备传感器和基座传感器分别给出的振源和基座的传感信号，采用智能控制算法控制作动器作动进行线谱主动控制，对振源同时进行线谱和宽频谱的优化振动控制。本发明能够减少二次噪声、提高对线谱振动的控制能力，在全频段提升对机电设备的积极隔振效果，降低设备向基座的振动传递。

技术领域

本发明涉及一种结构耦合贴片主被动超材料隔振方法，属于超材料和减振降噪技术领域。

背景技术

随着科技水平的提高，对设备振动噪声的隔离一方面要满足降低宽频的振动总级，另一方面也要考虑对线谱进行削峰。超材料隔振装置是一种利用超材料技术来设计得到的隔振器，其通过对材料关键物理尺寸上进行有序结构设计，其力学性能具有广阔的设计空间，在宽频谱隔振应用上具有较大潜力。更重要的特点是其刚度可以通过外部环境条件在进行控制，可结合主动控制进一步对线谱进行控制。针对机电设备积极隔振的主动控制，当前的技术手段依赖于预设模型，控制的线谱数量较少，存在二次噪声、线谱能量转移等此消彼长等问题，整体效果不佳。

发明内容

有鉴于此，本发明提供了一种结构耦合贴片主被动超材料隔振方法，能够减少二次噪声、提高对线谱振动的控制能力，在全频段提升对机电设备的积极隔振效果，降低设备向基座的振动传递。

一种结构耦合贴片主被动超材料隔振方法，该方法在超材料结构的周期性孔洞的板状结构上设置贴片式主动作动部件，结合设备传感器和基座传感器分别给出的振源和基座的传感信号，采用智能控制算法控制作动器作动进行线谱主动控制，对振源同时进行线谱和宽频谱的优化振动控制。

进一步地，所述智能控制算法采用深度强化学习网络DQN，以上一微小时间段的设备传感器为环境数据、以基座传感器在关注频段的最小加速度振级和最不显著线谱特征的综合指标作为奖励值，对作动器的输入信号行为进行训练，采用外部计算机或服务器对多个传感器进行并行训练以缩短深度强化学习网络的训练时间；训练后的DQN网络参数直接写入隔振器的控制程序；隔振器产品安装就位后，开放其深度网络中的最后两层进行短时间的迁移训练，固化控制参数后关闭训练通道即可交付使用；原部署的网络参数在后台进行备份，在后期如发生设备状态变更引发的控制偏差后，可重新开放迁移学习层进行迁移训练。

进一步地，所述超材料结构由人工设计的单胞周期性排列组合而成，单胞的结构形式和周期性排列的横纵数量根据使用情况而定，单胞的剖面形状为三角形、六边形、四边形、五边形或圆形；排列的行数和列数为1～20。

进一步地，所述超材料结构的制造基材采用橡胶、工程塑料、聚氨酯材料、木材、复合材料、钢、铁、钛或合金。

进一步地，所述贴片式主动作动部件采用磁致伸缩、电致伸缩、压电/逆压电、磁致伸缩、热致伸缩或形状记忆合金材料。

进一步地，所述超材料结构内所有可贴片位置连续布置或间隔布置，每个单胞内的布置数量根据使用需要配置。

进一步地，所述控制程序生成的控制模块集成在隔振器内部、外部或两个及以上隔振器组网互联。

进一步地，所述主动控制的传感信号来源于集成在隔振装置内部和外接的传感器。

进一步地，所述线谱的频率范围为1Hz-1kHz，线谱数量控制数量不小于1，不超过1000。

进一步地，所述主动控制的控制参数的确定包括人工设置、预先训练、现场训练、预先训练后现场训练、迁移学习、强化学习或调试。

有益效果：