(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210625065.X (22)申请日 2022.06.02 (71)申请人 厦门中创环保科技股份有限公司 地址 361000 福建省厦门市厦门火炬高新 区 （翔安） 产业区春光路1 178-1188号 (72)发明人 郑智宏　张隽榕　林鸿剑　伍玉全　 张静云　 (74)专利代理 机构 厦门市新 华专利商标代理有 限公司 3 5203 专利代理师 罗恒兰 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06F 119/10(2020.01) (54)发明名称 基于半监督对抗神经网络的气动噪声降噪 系统与方法 (57)摘要 本发明涉及一种基于半监督对抗神经网络 的气动噪声降噪系统及方法， 使用神经网络进行 降噪结构图的自主训练， 其只要输入 所需的初始 边界条件即可自动得出相较人工设计更优的降 噪结构图， 效果稳定， 周期短。 而且， 本发明基于 半监督的神经网络， 其在进行判别神经网络训练 时， 只需随机抽取少部分降噪结构图进行有限元 计算并以此训练神经网络， 使得整个系统的计算 量降低， 同时提升 了整体的训练速度。 权利要求书2页 说明书6页 附图4页 CN 115221775 A 2022.10.21 CN 115221775 A 1.一种基于半监督对抗神经网络的气动噪声降噪系统， 其特征在于： 所述降噪系统包 括： 初始结构输入模块， 用于输入预设目标产品的外部轮廓与确定结构的内部部件， 并将 其存储在系统中； 输入的外部轮廓包括带材质属 性的外部轮廓三维 图， 该外部轮廓三维 图 上设有流量入口、 流量出口； 所述内部部件包括位于风道的功能部件和运动部件， 输入的功 能部件包括带材质属性的功能部件三 维图； 输入的运动部件包括运动部件三 维图以及运行 参数； 初始结构限制条件输入模块， 用于输入预设目标产品所需的额外限制条件， 并将其存 储在系统中； 所述额外限制条件包括但不限于所需湍流计算模型、 气动噪声模型以及模型 初始参数、 生成结构使用的材 料、 生成结构复杂度与多重初始条件下的最终噪音上限值； 神经网络生成结构边界条件模块， 连接初始结构输入模块和初始接否限制条件输入模 块， 用于接 收预设目标产品的外部轮廓与确定结构的内部部件， 以及预设目标产品所需的 额外限制条件， 通过神经网络 输出边界条件特 征向量； 生成神经网络结构生成模块， 连接神经网络生成结构边界条件模块， 用于接收边界条 件特征向量， 该神经网络结构生成模块还用于输入随机噪音， 生成神经网络根据输入的随 机噪音以及边界条件特 征向量， 输出初始生成结构向量； 神经网络生成结构转化模块， 连接神经网络生成结构边界条件模块和生成网络神经网 络结构生成模块， 用于接 收边界条件特征向量与初始生成结构向量， 并通过神经网络判定 初始生成结构向量是否满足边界条件特征向量的要求， 若满足， 则输出降噪结构图； 若不满 足， 则终止； 判别神经网络生成结构评分模块， 连接神经网络生成结构转化模块， 用于接收降噪结 构图， 神经网络根据降噪结构图计算出相 应的评分； 并选择评分最高的降噪结构图作为最 终的降噪结构图进行输出； 神经网络生成结构简化模块， 连接神经网络生成结构转化模块， 用于定期 随机接收部 分降噪结构图， 神经网络根据所选取的降噪结构图， 输出简化降噪结构图； 有限元气动噪音模拟仿真模块， 连接神经网络生成结构简化模块， 用于接收简化降噪 结构图， 通过有限元分析 软件分析， 输出 该降噪结构在各初始条件下的实际噪音； 判别神经网络生成结构评分模块再训练模块， 连接有限元气噪音模拟仿真模块和判别 神经网络生成结构 评分模块， 用于接收被定期随机抽取的部分降噪结构图的各初始条件下 实际噪音、 以及其通过判别神经网络生成结构评分模块输出 的评分， 并结合当前判别神经 网络生成结构评分模块的网络权重， 训练判别神经网络生成结构评分模块的网络权重， 并 覆盖原先的网络 权重。 2.根据权利要求1所述的基于半监督对抗神经网络的气动噪声降噪系统， 其特征在于： 所述降噪系统还 包括： 生成神经网络结构生成模块再训练模块， 连接生成神经网络结构生成模块、 神经网络 生成结构转化模块以及判别神经网络生成结构 评分模块， 用于接收此次初始 生成结构向量 是否通过结构转化判定与若其通过判定时其的评分， 并结合当前生成神经网络结构生成模 块的网络 权重， 训练生成神经网络结构生成模块的网络 权重， 并覆盖原先的网络 权重。 3.一种基于半监督对抗神经网络的气动噪声降噪方法， 其特征在于： 所述降噪方法基权　利　要　求　书 1/2 页 2 CN 115221775 A 2于如权利要求1或2所述的降噪系统实现， 其包括训练部分和降噪结构图生成部分； 所述训练部分包括以下步骤： S11、 输入各类不同的初始条件目标产品的外 部轮廓与内部 部件以及额外限制条件； S12、 将输入的初始条件通过神经网络生成结构边界条件模块转化为可被神经网络识 别的边界条件特 征向量； S13、 将边界条件特征向量输入到生成神经网络结构生成模块中， 然后在这个模块中， 生成神经网络根据输入的边界条件特 征向量， 输出初始生成结构向量； S14、 将初始生成结构向量和边界条件特征向量输入到神经网络生成结构转化模块中， 该神经网络生成结构转化模块根据边界条件特征向量预先判定本次生成是否符合基本要 求， 若不符合， 则结束本次生成， 进行 下次生成， 若符合， 则输出降噪结构图； S15、 将降噪结构图输入到判别神经网络生成结构评分模块进行评分； S16、 重复步骤S1 1到S15， 直到所有的训练数据训练完成； S17、 定期随机抽取部分降噪结构图， 并将其通过神经网络生成结构简化模块简化其结 构， 得到简化降噪结构图， 避免有限元仿真计算 量过大； S18、 通过有限元分析软件分析简化降噪结构图， 获取简化降噪结构在各初始条件下的 实际噪音； S19、 根据被定期随机抽取的部分降噪结构图的各初始条件下实际噪音、 以及其通过判 别神经网络生成结构 评分模块输出的评 分， 并结合当前判别神经网络生成结构 评分模块的 网络权重， 训练判别神经网络生成结构评分模块的网络 权重， 并覆盖原先的网络 权重； 降噪结构图生成部分： S21、 输入的预设目标产品外 部轮廓与内部 部件以及额外限制条件； S22、 通过神经网络生成结构边界条件模块将输入的预设目标产品外部轮廓与内部部 件以及额外限制条件， 转 化为可被神经网络识别的边界条件特 征向量； S23、 将边界条件特征向量输入到生成神经网络结构生成模块中， 然后在该生成神经网 络结构生成模块中， 生成神经网络会根据输入， 输出初始生成结构向量； S24、 将生成好的初始生成结构向量输入到神经网络生成结构转化模块中， 该神经网络 生成结构转化模块根据边界条件特征向量预先判定本次初始 生成结构向量是否符合要求， 若不符合， 则结束本次生成， 进行 下次生成， 若符合， 则输出降噪结构图； S25、 将降噪结构图输入到判别神经网络生成结构评分模块进行评分。 S26、 重复S22到S25， 直至重复次数满足设定次数， 输出评分最高的降噪结构图作为最 终降噪结构图。权　利　要　求　书 2/2 页 3 CN 115221775 A 3