Multiscale poroacoustic modelling of fibrous acoustical materials using artificial intelligence

Abstract

This study proposes a methods for estimating the intrinsic parameters and sound absorption coefficient of single or multi-layered fibrous materials using artificial intelligence. In the first phase of this work, convolutional neural network models (CNNs) for estimating intrinsic parameters of a single fibrous layer from X-ray micro-computed tomography (CT) images are introduced. Two-dimensional micro-CT images and numerically obtained intrinsic parameters were used to train the CNNs; Stokes flow and potential flow were used to numerically obtain the intrinsic parameters using geometrical models extracted from the raw CT images. Then analogously to constructing a 3-D image of the fibrous material by stacking the 2-D slice images, the volumetric intrinsic parameters of the fibrous materials were calculated using the parameters of each 2-D image predicted by the trained CNN models. The intrinsic parameters of the fibrous volume predicted by the CNN models showed good agreement with the measured values. In addition, the sound absorption coefficient was calculated by applying both the predicted and measured intrinsic parameters to the semi-phenomenological sound propagation model and compared with the measured sound absorption coefficient. The results of the study confirm the feasibility of predicting intrinsic parameters of fibrous materials using a neural network model based on raw micro-CT images. In the second phase of this work, The feasibility of an artificial neural network (ANN) for the estimation of the sound absorption coefficient of a layered fibrous material is studied. The sound absorption coefficient of a four-layered fibrous material was estimated using a well-trained ANN model with only one intrinsic parameter: the static airflow resistivity (σ). The results indicated that the ANN model exhibits a good correlation between the estimated and measured absorption coefficient. The training data sets were built by carrying out experimental measurements using a two-microphone impedance measurement tube with 230 combinations of four-layered fibrous materials. The results of the ANN are compared in three different cases with the transfer matrix method (TMM), which is the conventional method of estimating the sound absorption coefficient of multi-layers using several intrinsic parameters. The sound propagation model in acoustical material for the TMM was used by two models proposed by Delany-Bazely and Johnson-Champoux-Allard. By comparing the estimated sound absorption coefficient from the ANN and TMM with measured values, it was demonstrated that the model developed in this work gives more accurate results within the defined conditions. The results were compared in the frequency range of 3000-6000 Hz, and the error of the ANN model was less than 1.67 %.

본 연구에서는 인공지능을 활용하여 단층 섬유형 음향재료의 전송 매개변수와 음향 물성, 다층 섬유형 음향재료의 음향 물성을 예측하는 기법에 대해 소개한다. 본 연구의 첫 장에서는, 합성곱 신경망 (Convolutional neural network)과 재료의 단층촬영 이미지를 이용하여 섬유형 재료의 전송 매개변수를 예측한다. 2차원의 단층촬영 이미지를 이용해 추출한 기하 모델을 이용한 유동해석으로 전송 매개변수를 구하고, 이미지와 전송 매개변수를 이용해 합성곱 신경망 모델을 구성하였다. 유동해석은 Stokes 유동과 Potential 유동을 이용해 수치해석적으로 수행되었다. 2차원의 이미지를 적층하여 3차원의 이미지를 구성하는 단층촬영 기법의 방법론에 착안하여, 각 2차원 이미지와 합성곱 신경망을 이용해 구한 전송 매개변수를 합성하여 3차원 섬유 재료의 매개변수를 구한다. 합성곱 신경망을 이용해 구한 섬유형 재료의 전송 매개변수는 측정을 통해 구한 값으로 검증하였고, 높은 정확성을 나타내었다. 마지막으로 예측한 전송 매개변수를 이용해 재료의 흡음률을 예측하고, 마찬가지로 측정 값과 비교 검증하였다. 본 장의 결과에서, 인공지능 기술과 단층촬영 이미지만으로 음향재료의 전송 매개변수를 구하는 것이 가능함을 확인하였다. 본 연구의 두 번째 장에서는, 인공지능을 활용하여 다층 구조 섬유 재료의 음향 물성을 예측하는 기법에 대해 다루었다. 정적 유동저항계수 하나의 전송 매개변수를 입력하는 인공신경망을 이용하여 4층 구조의 섬유형 재료의 흡음계수를 예측하는 모델을 개발하였고, 측정 값과 비교 및 검증한다. 인공신경망을 구성하기 위한 훈련 데이터로는 실험적으로 측정한 230개 4층 섬유재료의 흡음률을 이용하였다. 인공신경망의 범용성을 확인하기 위해 세 가지 케이스를 나누어 검증을 수행하였다. 이때 다층 음향재료의 음향 물성을 예측하는데 널리 사용되는 전달행렬법 (Transfer matrix method)의 예측값과, 관내법을 이용해 측정한 값을 통해 인공신경망의 성능을 검증하였고, 본 연구에서 정의된 시험편의 조건에서 인공신경망이 매우 우수한 예측 성능을 보임을 확인하였다.