时间

主要内容

基础入门与工具夯实

1. 结构声学基础与有限元基础
   1. 结构振动与声波辐射基本理论
   2. 有限元法核心思想与仿真流程简介
   3. HyperWorks/OptiStruct、COMSOL仿真软件平台介绍

案例实践：

1. 基于HyperWorks/OptiStruct的悬臂梁模态分析全流程
2. COMSOL声-固耦合初探

• 建立三维声学腔体与二维弹性板耦合模型
• 设置声-固耦合边界条件，分析弹性板振动对腔内声场的影响

声学超材料核心技术

1. 曲板类超材料设计与能带分析
   1. 声学超材料的分类与隔振机理
   2. 曲板类超材料的设计原理
   3. Bloch定理与周期性结构能带结构
   4. 有限周期模型与无限周期模型（能带结构）的关联与转换

案例实践：曲板超材料能带计算与带隙分析

• 在COMSOL中建立已发表论文的曲板超材料周期性单元模型
• 设置周期性边界条件（Floquet-Bloch边界条件），计算其能带结构
• 分析带隙特性，理解几何参数对带隙位置和宽度的影响

1. 宽频隔振与智能优化设计
   1. 梯度超材料与超胞法设计原理
   2. 智能优化算法（遗传算法、粒子群算法）原理及其在超材料设计中的应用

案例实践：COMSOL与MATLAB联动的遗传算法优化

1. 基础仿真：建立参数化声子晶体模型，计算基础能带。
2. 智能优化：通过LiveLink for MATLAB，设置遗传算法优化带隙宽度。
3. 基于上述模型，设计一种梯度变化的超材料（如曲板高度梯度变化）

AI赋能的声振优化

1. AI代理模型技术理论与实战
   1. AI增强设计的核心：为何需要代理模型？
   2. 代理模型原理：Kriging模型、神经网络模型及其适用场景
   3. 代理模型精度评估指标：如R²（决定系数）、RMSE（均方根误差）等

案例实践：超材料/结构参数的神经网络代理模型构建

目标：实现从仿真数据到快速预测模型的转化

• 脚本驱动COMSOL软件参数化扫描关键设计变量，自动生成训练数据集
• 利用Scikit-learn等训练神经网络代理模型，预测声振性能
• 验证代理模型的精度与可靠性

1. 基于AI代理模型的轻量化与多目标优化
   1. 多目标优化算法（如遗传算法）原理及其在工程优化中的优势。
   2. 基于代理模型的全局优化工作流：如何快速寻优。

案例实践：汽车摆臂结构轻量化与减振多目标优化

目标：掌握AI驱动优化全流程,定义设计变量、优化目标（轻量化、减振）与约束条件。

• 调用已训练的代理模型，结合遗传算法进行多目标优化求解。
• 结果后处理，获得并分析帕累托前沿。

顶刊复现与智能检测

1. 顶刊论文复现：梯度超表面弯振波抑制
   1. 超表面对弹性波前调控的物理机制。
   2. 梯度超表面的设计维度：介绍如何通过调控单元的形状、取向或尺寸梯度来实现对波前的特定调控。
   3. 复现论文《Composite Structures》核心思想与技巧

案例实践：复现梯度超表面模型

目标：深度训练复杂模型构建、边界条件设置与精准复现的能力

• 聚焦如何将论文中的文字与示意图转化为可计算的有限元模型
• 详解复杂边界条件与网格划分的实操技巧
• 复现梯度超表面对弯曲波的调控效果，并与论文结果对比

1. AI+声信号识别—智能检测技术
   1. 声信号检测与声源识别、定位基本理论
   2. 基于深度学习的机械声识别、定位诊断流程（信号处理、特征提取、分类）

案例实践：声信号测试与Python智能诊断

• 声信号测试分析：
  1. 使用信号测试分析软件处理收集的交通声信号，进行频谱分析等处理。
  2. 进行梅尔频谱分析，制作相关数据集
• 构建AI诊断模型：在Python中使用scikit-learn等库
  1. 数据准备：加载包10种交通声的数据集
  2. 特征工程：从信号中提取时域、频域特征、梅尔频谱等
  3. 模型训练：构建并训练一个卷积神经网络模型
  4. 模型评估：使用测试集评估模型对不同声类型的分类、定位准确率