一种机理与数据相结合的胎噪不确定性优化方法

    公开(公告)号:CN115130303B

    公开(公告)日:2024-08-06

    申请号:CN202210755117.5

    申请日:2022-06-29

    IPC分类号: G06F30/20

    摘要: 本发明公开了一种机理与数据相结合的胎噪不确定性优化方法,属于汽车声学包开发领域。包括:1、将吸隔声性能、成本、重量三个目标进行层次化多目标分解,形成胎噪层级分解架构;2、根据胎噪层级分解架构,进行基础数据收集;3、建立胎噪预测模型;4、对数据进行扰动后输入胎噪预测模型,然后将预测结果与扰动前的结果进行对比,计算出底层级材料不同厚度的面积占比对的灵敏度;5、通过区间求解策略进行面向胎噪正向设计的全局优化和面向胎噪的整改优化;6、对不同的车型时按照传递路径将子模型进行组合封装,实现不同车型胎噪的预测。本发明将胎噪机理与智能算法相结合,实现了胎噪的准确预测,可适应不同车型,提升了胎噪问题研究效率。

    一种机理与数据相结合的胎噪不确定性优化方法

    公开(公告)号:CN115130303A

    公开(公告)日:2022-09-30

    申请号:CN202210755117.5

    申请日:2022-06-29

    IPC分类号: G06F30/20

    摘要: 本发明公开了一种机理与数据相结合的胎噪不确定性优化方法,属于汽车声学包开发领域。包括:1、将吸隔声性能、成本、重量三个目标进行层次化多目标分解,形成胎噪层级分解架构;2、根据胎噪层级分解架构,进行基础数据收集;3、建立胎噪预测模型;4、对数据进行扰动后输入胎噪预测模型,然后将预测结果与扰动前的结果进行对比,计算出底层级材料不同厚度的面积占比对的灵敏度;5、通过区间求解策略进行面向胎噪正向设计的全局优化和面向胎噪的整改优化;6、对不同的车型时按照传递路径将子模型进行组合封装,实现不同车型胎噪的预测。本发明将胎噪机理与智能算法相结合,实现了胎噪的准确预测,可适应不同车型,提升了胎噪问题研究效率。

    一种汽车悬架结构路噪的自学习预测方法

    公开(公告)号:CN115130218A

    公开(公告)日:2022-09-30

    申请号:CN202210755132.X

    申请日:2022-06-29

    IPC分类号: G06F30/15

    摘要: 本发明属于交通工具技术领域,具体涉及一种汽车悬架结构路噪的自学习预测方法。本发明提供一种汽车悬架结构路噪的自学习预测方法,目的在于增强汽车路噪预测方法的稳健性和可解释性。本发明基于面向悬架路噪的知识驱动模型和利用LSTM搭建的数据驱动模型,将知识与数据融合迭代,旨在增强汽车路噪预测方法的稳健性和可解释性,并且能随着数据样本的扩充实现知识驱动模型和数据驱动模型的自我学习,从而为汽车NVH工程师提供有效的指导,提升汽车路噪预测分析的效率。