Page 124 - 《应用声学》2020年第6期

918 2020 年 11 月

涉及选择、交叉和变异环节 [12] 。以下结合后文研究
2 隔声门隔声性能分析建模
内容简要介绍遗传算法的应用。
首先算法在嵌入式质量的相关参数的取值范 2.1 混响室建模
围内进行取值，生成具有一定个体数的初始种群，
按照国际标准 ISO 10140 的要求建立了两个相
种群中的个体表示各相关参数(即本文的输入参数)
邻混响室的有限元模型以计算隔声门的隔声量。由
取值后组成的特定解，而个体组成的种群为在各输
于低频时声波的波长较长，要获得准确的结果需要
入参数范围内取不同值时组成的特定解的集合。有
具有更大空间的混响室。为了保证结果准确的同时
了初始种群，算法会根据适应度函数计算出每个解
分析模型又不至于太大，确定两个混响室的尺寸如
集所对应的适应度，上述适应度函数即为后文的设
表 1所示。
计目标 (见3.3节)。大自然中，具有生存优势的种群
或种群中的个体更容易繁衍下去。同样，遗传算法 表 1 混响室尺寸
根据适应度对所有的可能解 (种群中的个体) 进行 Table 1 Dimensions of the reverberation room
选择，并按照适应度越高、选择概率越大的原则，从 长度/m 宽度/m 高度/m
种群中选择两个个体作为父方和母方。选择算法一 声源室 20.2 17.3 13
般使用Roulette Wheel算法：假设有n个个体，他们 接收室 18 15.4 11.6

所对应的适应度值分别为 f 1 , f 2 , f 3 , · · · , f n ，则第 i
为了增强室内的低频散射声场，在声源室和接
个个体被选中的概率为
收室顶部以及四面墙上随机布置了4 种不同直径的
f i
P i = × 100%, (5) 半球形体 [13] 。与其他形状相比，使用半球形体后
f 1 + f 2 + · · · + f n
式(5)中，i = 1, 2, · · · , n。 室内的散射声场会更加均匀。最终的混响室模型如
选择出两个个体后就要交叉生成新个体，记这 图 1所示。
两个个体为 Parent1 和Parent2，生成两个新个体为 2.2 声源和测点位置的确定
Offspring1和Offspring2： 按照 ISO 10140-5 的附录 D 提出的建议在声源

Offspring1 室中选取合适的位置布置声源。在低频段，室内
的声场并不是完全散射的，隔声量的计算结果受
= a × Parent1 + (1 − a) × Parent2,
声源位置的影响很大，本文结合 ISO 10140-5 提出
Offspring2
的要求选取了 38 个不同的声源位置来提高计算精
= (1 − a) × Parent1 + a × Parent2, (6)
度，各声源间距离不少于 1 m，声源中心距离各墙
式(6)中，a为交叉概率。 面距离均大于 0.7 m，任意两个声源确定的平面都
生成新的个体后，继续考虑变异对该个体的 不与墙面平行且所有声源都不在声源室的对称面
影响： 上。模型中所有声源均为全向声源，单个声源如

C = P + (UpperBound-LowerBound) × δ, (7) 图2所示。
式(7)中，UpperBound为取值上限，LowerBound为

取值下限，C 为变异后的个体，P 为变异前的个体，δ
为由多项式分布计算得出的小量。
对初始种群中的个体重复进行上述选择、交
叉和变异过程直至生成的新个体数达到用户设置
的每次迭代个体总数。再将上述生成的所有新个
体组成新的种群，对这个新种群进行选择、交叉和
变异生成下一个种群，重复上述过程直至生成的
种群代数达到设置的种群迭代数。本文设置初始
种群中的个体数为 8500 个，每次迭代个体总数为 图 2 全向声源
5500个。 Fig. 2 Omnidirectional sound source