1. 研究背景
该代码针对薄板结构在多频率激励下的振动能量密度分布预测 问题。传统数值方法（如有限元）计算成本高，而纯数据驱动方法可能违反物理规律。物理信息神经网络（PINN） 将控制方程作为损失项融入训练，可在少量数据下实现高精度预测。本代码面向弯曲波主导的薄板振动，考虑材料阻尼和群速度色散，建立从空间坐标（x,y）和频率（f）到能量密度（E）的代理模型。
2. 主要功能
- 读取或生成多个频率下的能量密度场数据（Excel或模拟数据）
- 构建并训练一个5层全连接神经网络，输入为归一化的(x, y, f)，输出为归一化能量密度
- 同时优化数据拟合损失 （MSE）和物理损失（基于波动方程的PDE残差）
- 提供训练过程监视器（损失曲线、学习率等）
- 在测试频率下预测能量密度空间分布，并与真实值对比（全局相对误差、切片对比、误差云图）
3. 算法步骤
- 参数定义：板长L=1m，厚度h=0.001m，材料参数（密度、弹性模量、泊松比、阻尼系数），频率范围100--1000Hz，网格100×100。
- 数据准备：循环读取各频率下能量密度Excel文件；若无文件则生成模拟数据（指数衰减×正弦振型）。数据归一化（空间除以L，频率除以最大频率，能量除以最大能量）。
- 网络构建 ：
dlnetwork含输入层(3)→全连接(64)→tanh→...→全连接(1)，共5个隐层。 - 训练配置：Adam优化器，初始学习率1e-3，2000轮，物理损失权重λ=0.001，梯度裁剪（L2范数阈值1.0）。
- 损失计算（modelLoss） ：
- 数据损失：
mse(pred, true) - 物理损失：基于弯曲波PDE推导残差，利用自动微分计算拉普拉斯算子，加权后取均方。
- 总损失 = 100L_data + λL_phys
- 数据损失：
- 监视与早停 ：使用
trainingProgressMonitor实时显示损失分量，支持手动停止。 - 预测与可视化：在测试频率（如600Hz）下生成100×100网格预测，输出原始数据、预测分布、绝对误差图及x=0.5m处切片对比，计算全局相对误差。
4. 技术路线
- 物理模型 ：薄板弯曲波能量密度满足输运方程（或近似Helmholtz型方程）。代码中PDE形式为：
A∇2E+BE=0A \nabla^2 E + B E = 0A∇2E+BE=0，其中
A=−cg2ηωA = -\frac{c_g^2}{\eta \omega}A=−ηωcg2，B=0.5ωB = 0.5\omegaB=0.5ω，
群速度 cg=2(Dω2ρs)1/4c_g = 2\left(\frac{D \omega^2}{\rho_s}\right)^{1/4}cg=2(ρsDω2)1/4，
弯曲刚度 D=Eh312(1−ν2)D = \frac{E h^3}{12(1-\nu^2)}D=12(1−ν2)Eh3，面密度 ρs=ρh\rho_s = \rho hρs=ρh，阻尼系数η\etaη，角频率 ω=2πf\omega=2\pi fω=2πf。 - 自动微分 ：利用
dlgradient计算能量密度对x,y的二阶导数，构造拉普拉斯算子。 - 梯度裁剪：防止物理损失项导致训练不稳定。
- 反归一化 ：预测结果乘以
mv.e恢复真实量纲。
5. 公式原理
- 控制方程 （稳态能量密度平衡，考虑阻尼耗散与扩散）：
−cg2ηω∇2E+ω2E=0-\frac{c_g^2}{\eta \omega} \nabla^2 E + \frac{\omega}{2} E = 0−ηωcg2∇2E+2ωE=0
来源于弯曲波能流散度与阻尼耗散平衡。系数推导基于薄板振动理论。 - 损失函数 ：
L=1N∑∥E^data−Edata∥2⏟数据项+λ1M∑(scale⋅[A∇2E^+BE^])2⏟物理项 \mathcal{L} = \underbrace{\frac{1}{N}\sum\| \hat{E}{\text{data}} - E{\text{data}} \|^2}{\text{数据项}} + \lambda \underbrace{\frac{1}{M}\sum\left( \text{scale}\cdot \left[A \nabla^2 \hat{E} + B \hat{E}\right]\right)^2}{\text{物理项}} L=数据项 N1∑∥E^data−Edata∥2+λ物理项 M1∑(scale⋅[A∇2E^+BE^])2
物理项乘以scale（系数倒数的均值）以平衡量级。
6. 参数设定
| 参数 | 值 | 含义 |
|---|---|---|
| L | 1 m | 板边长 |
| h | 0.001 m | 板厚 |
| ρ | 2700 kg/m³ | 铝合金密度 |
| E_mod | 70 GPa | 杨氏模量 |
| ν | 0.3 | 泊松比 |
| η_l | 0.5 | 阻尼损耗因子 |
| 频率范围 | 100💯1000 Hz | 10个频率 |
| 网格 | 100×100 | 空间离散点数 |
| 网络结构 | 3-64-64-64-64-64-1 | 5个隐层，tanh激活 |
| Epochs | 2000 | 训练轮次 |
| LR | 1e-3 | 学习率 |
| λ_phys | 0.001 | 物理损失权重 |
| 梯度裁剪阈值 | 1.0 | L2范数上限 |
7. 运行环境
- MATLAB版本：R2024b
- 数据文件 ：
energy_density_%dHz.xlsx（可选，若无则自动生成模拟数据）
8. 应用场景
- 航空航天：预测飞行器蒙皮、蜂窝板在宽频振动下的能量分布，优化阻尼减振设计。
- 机械工程：评估薄板结构（如汽车车身、船舶甲板）的振动疲劳寿命。
- 声振耦合：为统计能量分析（SEA）提供子结构能量密度输入。
- 数字孪生：结合少量传感器数据快速重构全场振动能量，用于状态监测。
数据说明
该文件为 100 Hz 激励频率 下薄板结构表面能量密度分布的数值结果，数据格式与代码中的读取逻辑完全匹配。
1. 数据形态
- 维度：100 行 × 100 列（对应空间网格 100×100）
- 实际物理坐标：
- x 方向：第 1 列到第 100 列 → 0 ~ 1 m（从左到右）
- y 方向：第 1 行到第 100 行 → 0 ~ 1 m（从上到下，注意
imagesc中 YDir 设为 normal 后与网格一致）
- 单位：J/m²（振动能量面密度）
2. 数值特征
- 取值范围：约 79.308 ~ 79.888（不同位置存在微小起伏）
- 空间分布：呈现出中间高、四周低 的近似对称模式
- 最大值位于中心区域（第 50--60 行/列附近）
- 向边界逐渐减小，且沿对角线方向变化更明显
- 动态范围：仅 ~0.58 J/m²（相对于平均值的微小波动），表明该频率下能量分布较均匀，未出现强局部化现象。
3. 物理意义
根据代码中的薄板弯曲波理论：
- 能量密度 E(x,y)E(x,y)E(x,y)满足稳态输运方程
-\\frac{c_g\^2}{\\eta \\omega} \\nabla\^2 E + \\frac{\\omega}{2} E = 0 - 在 100 Hz 低频段，弯曲波长较长，空间衰减平缓，因此数值变化小，符合物理预期。
- 数据可作为PINN 训练的真实标签，用于学习频率‑空间‑能量的映射关系。
4. 数据来源
该文件可通过有限元仿真 （如 COMSOL、Abaqus）或实验测量得到的二维场数据。代码中预期存在多个频率（100~1000 Hz）的类似文件，用于训练多频率预测模型。
5. 使用注意事项
- 读取时需确保文件位于当前工作目录，且命名严格为
energy_density_100Hz.xlsx。 - 若缺少文件，代码会自动生成模拟数据（指数衰减 × 正弦振型），但模拟数据的量级和真实数据差异较大（模拟数据峰值约 1，而实际数据约 80），因此使用真实数据训练效果更好。
- 建议在训练前检查该文件数值是否合理（无 NaN、无负值），并确认网格点数为 100×100。
6. 示例数据片段（中心附近）
| 行\列 | 50 | 51 | 52 |
|---|---|---|---|
| 50 | 79.3748 | 79.3748 | 79.3748 |
| 51 | 79.3749 | 79.3749 | 79.3749 |
| 52 | 79.3750 | 79.3752 | 79.3752 |
总结：该文件提供了 100 Hz 下薄板振动能量密度的基准真值，数据平滑、对称，适合用于 PINN 的多频率建模与验证。