Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Shape Optimisation of Multi-Chamber Acoustical Plenums Using BEM, Neural Networks, and GA Method

Tytuł:
Shape Optimisation of Multi-Chamber Acoustical Plenums Using BEM, Neural Networks, and GA Method
Autorzy:
Chang, Y.-C.
Cheng, H.-C.
Chiu, M.-C.
Chien, Y.-H.
Powiązania:
https://bibliotekanauki.pl/articles/177780.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
boundary element method
plenum
centre-opening baffle
polynomial neural network model
group method of data handling
optimisation
genetic algorithm
Źródło:
Archives of Acoustics; 2016, 41, 1; 43-53
0137-5075
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Research on plenums partitioned with multiple baffles in the industrial field has been exhaustive. Most researchers have explored noise reduction effects based on the transfer matrix method and the boundary element method. However, maximum noise reduction of a plenum within a constrained space, which frequently occurs in engineering problems, has been neglected. Therefore, the optimum design of multi-chamber plenums becomes essential. In this paper, two kinds of multi-chamber plenums (Case I: a two-chamber plenum that is partitioned with a centre-opening baffle; Case II: a three-chamber plenum that is partitioned with two centre-opening baffles) within a fixed space are assessed. In order to speed up the assessment of optimal plenums hybridized with multiple partitioned baffles, a simplified objective function (OBJ) is established by linking the boundary element model (BEM, developed using SYSNOISE) with a polynomial neural network fit with a series of real data – input design data (baffle dimensions) and output data approximated by BEM data in advance. To assess optimal plenums, a genetic algorithm (GA) is applied. The results reveal that the maximum value of the transmission loss (TL) can be improved at the desired frequencies. Consequently, the algorithm proposed in this study can provide an efficient way to develop optimal multi-chamber plenums for industry.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies