[发明专利]多孔材料吸声性能预测方法、装置、电子设备和存储介质

权利要求书

1.一种多孔材料吸声性能预测方法，其特征在于，所述方法包括：

获取代表多孔材料拓扑结构的图像，并对其进行预处理，得到训练样本和测试样本；

构建多孔材料吸声性能预测网络；所述多孔材料吸声性能预测网络包括多个依次连接的ResNet模块；所述ResNet模块包括两个卷积层、两个批量归一化层和两个Relu层，每个ResNet块都利用跳跃连接来提高网络性能；将代表多孔材料拓扑结构的图像输入到多个依次连接的ResNet模块中得到更高维度的特征图，并将最后一个ResNet模块输出的特征图采用sigmoid函数归一化处理，得到多孔材料吸声系数预测值；

利用所述训练样本对所述多孔材料吸声性能预测网络进行训练，并利用测试样本进行测试以确定训练好的预测网络的预测精度，测试通过后最终得到多孔材料吸声性能预测模型；

将待测多孔材料横截面图像输入到所述多孔材料吸声性能预测模型中，得到多孔材料吸声系数预测值。

2.根据权利要求1所述的方法，其特征在于，利用所述训练样本对所述多孔材料吸声性能预测网络进行训练，并利用测试样本进行测试以确定训练好的预测网络的预测精度，测试通过后最终得到多孔材料吸声性能预测模型，包括：

采用L1损失作为多孔材料吸声性能预测网络的损失函数；

将所述训练样本输入到所述多孔材料吸声性能预测网络中进行训练，得到预测多孔材料吸声系数值；

根据所述预测多孔材料吸声系数值、所述损失函数以及所述测试样本，对多孔材料吸声性能预测网络进行反向训练，得到多孔材料吸声性能预测模型。

3.根据权利要求2所述的方法，其特征在于，多孔材料吸声性能预测网络包括75个ResNet模块；

将所述训练样本输入到所述多孔材料吸声性能预测网络中进行训练，得到预测多孔材料吸声系数值，包括：

将所述训练样本输入到第一个ResNet块中，得到第一特征图；

将第一特征图输入到第二个ResNet块中，得到第二特征图，依次类推，将前一个ResNet块的输出输入到后一个ResNet块中，得到第七十五特征图；

将第七十五特征图采用sigmoid函数进行归一化处理，得到预测多孔材料吸声系数值。

4.根据权利要求3所述的方法，其特征在于，将所述训练样本输入到第一个ResNet模块中，得到第一特征图，包括：

将所述训练样本输入到第一个ResNet模块的第一个卷积层中进行特征提取，并将提取得到的特征图输入到第一个ResNet模块的第一个批标准化层中，将得到的批标准化处理结果输入到第一个ResNet模块的第一个Relu层中，得到卷积批标准化特征图；

将所述卷积批标准化特征图输入到第一个ResNet模块的第二个卷积层中进行特征提取，并将提取得到的特征图输入到第一个ResNet模块的第二个批标准化层中，得到第一卷积批标准化特征图；

将输入的所述训练样本与所述第一卷积批标准化特征图进行跳跃连接，并将得到的结果输入到第一个ResNet模块的第二个Relu层中，得到第一特征图。

5.根据权利要求1所述的方法，其特征在于，获取代表多孔材料拓扑结构的图像，并对其进行预处理，得到训练样本和测试样本，包括：

设置64×64空矩阵；

将散射体在随机位置嵌入到多孔介质中，将多孔介质的一些像素变为散射体的像素；

对散射体内部的像素以20％的概率反转的图像应用了扰动算子，并采用邻接滤波器改善模式的拓扑结构，得到训练样本和测试样本。