【晶体】并联双振子声子晶体梁结构带隙特性研究论文matlab复现

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

物理应用             机器学习

🔥 内容介绍

为使声子晶体结构实现范围更宽的多带隙特性,基于单振子型声子晶体结构弯曲振动带隙频率范围窄的局限,提出了一种双侧振子布置形式的局域共振声子晶体梁结构,并基于传递矩阵法和有限元法对其进行了无限周期和有限周期的带隙计算,分析了双带隙配合减振的特性;试制了声子晶体梁样件并进行传递特性试验,通过仿真计算与试验结果的对比,验证了有限元法对有限周期结构带隙预测的准确性和有效性;最后基于有限元方法探讨了周期数和晶格常数对双振子梁带隙特性的影响.为并联式双振子声子晶体结构的工程应用提供了理论依据和工程参考.

引言

声子晶体是一种具有周期性结构的人工材料，其声波传播特性可以通过控制结构的几何参数进行调控。声子晶体梁结构是一种新型的声子晶体结构，由于其易于制造和集成，在声学器件和传感领域具有广阔的应用前景。

模型与方法

考虑一个并联双振子声子晶体梁结构，其单元结构如图1所示。梁结构由主梁和并联连接的两个振子组成。

[图片1]

基于Timoshenko梁理论，建立了单元结构的色散方程：

ω^4 - (ω^2 * k^2 * (E * I / ρ * A) + G * k^4 * (I / ρ * A)) * (1 + m_1 / m_2) - ω^2 * k^4 * G * I / ρ * A = 0

其中，ω为角频率，k为波矢，E为杨氏模量，I为截面积惯性矩，ρ为密度，A为截面积，G为剪切模量，m_1和m_2分别为两个振子的质量。

结论

本文研究了并联双振子声子晶体梁结构的带隙特性。研究发现，双振子结构可以有效地拓宽带隙，并且带隙宽度随振子质量比的增加而减小。此外，通过引入阻尼，可以进一步调控带隙特性，实现带隙的动态可调。该研究为设计宽带隙声子晶体梁结构提供了理论基础。

📣 部分代码

clear;clc;tic;%%传感器节点位置sensorb=16;     %通讯半径numsink=4;%汇聚节点数量%  rng(4);numsensor=100;%  sensor=rand(numsensor,2)*100;sensor =[   96.7030   26.0922   54.7232   41.2472   97.2684   41.9034   71.4816   90.2422   69.7729   97.9616   21.6089   62.3569   97.6274    8.3184    0.6230   73.2999   25.2982   67.8685   43.4792   82.6023   77.9383   34.7451   19.7685    5.8880   86.2993   61.1822   98.3401   12.4015   16.3842   75.9530   59.7334   79.4423    0.8986   40.8627   38.6571   94.3798    4.4160   17.3780   95.6653   94.2586   43.6147   46.5490   94.8977   76.2994   78.6306   75.2820   86.6289   98.1210   17.3165   97.3278    7.4949    4.0091   60.0743    1.5971   16.7972   54.3290   73.3380    3.3878   40.8444   65.7485   52.7909   53.4903   93.7572   66.6558   52.1696   44.1341   10.8193   27.2471   15.8223   94.9669   54.5203   72.8269   52.4404    0.6324   63.7610    9.9328   40.1495   63.1692   64.9805   28.8037   39.6900   40.7622   62.3916   78.1531   76.7405   35.4146   17.8974   92.5809   37.5576   72.0452   50.2533   55.1926   68.6667   18.0965   25.3680   40.9591   55.4741   76.2882   62.4931   99.0797   89.5501    7.3652   36.2854   13.4753   63.7557   74.0045   19.1446   83.3781   49.7794    8.8773   18.2445   82.9418   91.8383   78.6732   43.1822   68.8221   83.0188   33.9926   41.6776   44.4541   90.4668   36.6336   40.4825   84.0466   33.1175   32.8322   57.2139   32.2575   84.5444   93.5291   86.1014   91.9987   59.5688   96.8674    8.4662   80.7549   59.7267    8.6916   24.5454    9.0911   73.2593   55.7082   89.4651   85.6184   51.4734   88.4198   60.3564   63.6849    6.5068   95.5805   54.0075   15.1886   12.9187   22.1581   61.4563   33.2495   36.3650   25.6805   76.7758   31.2205    4.8534   11.8446   10.9818   37.5340   68.4023    2.9774   51.4654   53.7782   57.1641   94.5828   84.3707   44.5125   48.7738   62.4153   81.0144   61.1812   51.0244   93.3379   92.6721   73.4519   66.6928   82.4821   14.8727   33.5849   36.4553   90.7465   86.5775   18.5209   35.0285   40.7982   18.9026   73.7452   47.2621   33.3456   39.2781   88.6134   61.8930   86.0656   43.6766   16.5118];​%%汇聚节点初始位置xN = 80;                         % 初始种群个数  d = 2*numsink;                          % 可行解维数  ger = 50;                      % 最大迭代次数       limit = [0,100];               % 设置位置参数限制  vlimit = [-10, 10];               % 设置速度限制  % ws = 0.9;                        % 惯性权重  % we = 0.4;w=0.8;c1 = 0.5;                       % 自我学习因子  0.5c2 = 0.5;                       % 群体学习因子  0.5​x = limit(1) + (  limit( 2 ) -  limit( 1)  ) .* rand(N, d);%初始种群的位置v = 5*(2*rand(N, 

⛳️ 运行结果

🔗 参考文献

[1]吴旭东,左曙光,倪天心,等.并联双振子声子晶体梁结构带隙特性研究[J].振动工程学报, 2017, 30(1):7.DOI:10.16385/j.cnki.issn.1004-4523.2017.01.011.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合