基于薄弱钣金的诊断优化方法、系统、设备及存储介质与流程

本发明涉及车辆nvh，尤其涉及一种基于薄弱钣金的诊断优化方法、系统、设备及存储介质。

背景技术：

1、传统噪声、振动与声振粗糙度(noise、vibration、harshness nvh)仿真需要大量的时间以及计算资源，后期定位问题结构同时优化结构则需要重新提交仿真计算，更要求工程师有相当的经验储备。后来参数化模型的引进，通过针对单款车型的振动传递函数(ntf)/噪声传递函数(vtf)性能建立问题频率数据库，同时搭建该车型相关频率的工作状态下模态(ods)特征数据库，当面对改款车型或小幅度设计变更nvh优化工作时，工程师可以通过经验设计变更结构设置参数，然后通过改变参数来进行ntf/vtf性能仿真，获得大量ods输出结果，再根据这些结果完成响应曲面法，建立连续变量曲面模型，在不仿真的前提下，提供设变参数后自动预测输出结果，但是这种方法仍然需要人为选择构建响应面。因此，如何减少nvh分析时的算力消耗成为一个亟待解决的问题。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供了一种基于薄弱钣金的诊断优化方法、系统、设备及存储介质，旨在解决如何减少nvh分析时的算力消耗的技术问题。

2、为实现上述目的，本发明提供了一种基于薄弱钣金的诊断优化方法，所述基于薄弱钣金的诊断优化方法包括：

3、识别车辆设计变增后的nvh问题频率，并获取车辆设计变增后的ntf/vtf曲线数据；

4、将所述ntf/vtf曲线数据输入至预设nvh问题仿真优化模型中，以获得所述nvh问题频率对应的性能问题点诊断报告和车身钣金件优化方案，所述预设nvh问题仿真优化模型基于svm算法训练；

5、根据所述性能问题点诊断报告和所述车身钣金件优化方案对薄弱钣金位置进行处理。

6、可选地，所述识别车辆设计变增后的nvh问题频率的步骤之前，包括：

7、采集目标项目车型的ntf/vtf曲线数据，并关联所述目标项目车型在不同频率激励点和响应点下对应的ods、tpa及面板贡献量；

8、将所述目标项目车型的ntf/vtf曲线数据作为输入参数，并将所述不同频率激励点和响应点下对应的ods、tpa及面板贡献量作为输出参数；

9、基于所述输入参数和所述输出参数通过svm算法训练初始网络模型，获得预设nvh问题仿真优化模型。

10、可选地，所述基于所述输入参数和所述输出参数通过svm算法训练初始网络模型，获得预设nvh问题仿真优化模型的步骤，包括：

11、将所述输入参数和所述输出参数放置于目标文件中；

12、根据目标路径读取所述目标文件，并将所述目标文件中的输入参数和输出参数分别划分为第一列表和第二列表，所述输入参数与所述输出参数存在关联关系；

13、根据所述第一列表中输入参数和所述第二列表中输出参数按照预设划分规则确定训练集和测试集；

14、根据所述训练集通过svm算法训练初始网络模型，得到预测集；

15、根据所述预测集和所述测试集确定预设nvh问题仿真优化模型。

16、可选地，所述根据所述预测集和所述测试集确定预设nvh问题仿真优化模型的步骤，包括：

17、确定所述测试集对应的总样本量和参数点的位数；

18、根据所述所述预测集、所述测试集、所述总样本量及所述参数点的位数计算误差率；

19、根据所述总样本量、所述参数点的位数、测试集平均数、所述预测集及所述测试集确定测试拟合程度；

20、判断所述误差率是否满足预设误差条件，且所述测试拟合程度是否满足预设拟合条件；

21、在所述误差率满足所述预设误差条件，且所述测试拟合程度满足所述预设拟合条件时，将训练后的初始网络模型作为预设nvh问题仿真优化模型。

22、可选地，所述根据所述总样本量、所述参数点的位数、测试集平均数、所述预测集及所述测试集确定测试拟合程度的步骤，包括：

23、确定所述测试集对应的总样本量、参数点的位数及测试集平均数；

24、根据所述总样本量、所述参数点的位数、所述测试集平均数、预测集及测试集计算测试拟合程度。

25、可选地，所述判断所述误差率是否满足预设误差条件，且所述测试拟合程度是否满足预设拟合条件的步骤之后，还包括：

26、在所述误差率满足所述预设误差条件，且所述测试拟合程度不满足所述预设拟合条件时，返回所述基于所述输入参数和所述输出参数通过svm算法训练初始网络模型，获得预设nvh问题仿真优化模型的步骤。

27、可选地，所述根据所述性能问题点诊断报告和所述车身钣金件优化方案对薄弱钣金位置进行处理的步骤，包括：

28、根据所述性能问题点诊断报告确定所述车辆设计变增后的nvh问题频率下对应的ods、tpa及节点贡献量；

29、根据所述车辆设计变增后的nvh问题频率下对应的ods、tpa及节点贡献量定位薄弱钣金位置；

30、通过所述车身钣金件优化方案对所述薄弱钣金位置进行优化处理。

31、此外，为实现上述目的，本发明还提出一种基于薄弱钣金的诊断优化系统，所述基于薄弱钣金的诊断优化系统包括：

32、获取模块，用于识别车辆设计变增后的nvh问题频率，并获取车辆设计变增后的ntf/vtf曲线数据；

33、确定模块，用于将所述车辆设计变增后的ntf/vtf曲线数据输入至预设nvh问题仿真优化模型中，以获得所述nvh问题频率对应的性能问题点诊断报告和车身钣金件优化方案，所述预设nvh问题仿真优化模型基于svm算法训练；

34、处理模块，用于根据所述性能问题点诊断报告和所述车身钣金件优化方案对薄弱钣金位置进行处理。

35、此外，为实现上述目的，本发明还提出一种基于薄弱钣金的诊断优化设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于薄弱钣金的诊断优化程序，所述基于薄弱钣金的诊断优化程序配置为实现如上文所述的基于薄弱钣金的诊断优化方法的步骤。

36、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于薄弱钣金的诊断优化程序，所述基于薄弱钣金的诊断优化程序被处理器执行时实现如上文所述的基于薄弱钣金的诊断优化方法的步骤。

37、本发明首先识别车辆设计变增后的nvh问题频率，并获取车辆设计变增后的ntf/vtf曲线数据，然后将ntf/vtf曲线数据输入至预设nvh问题仿真优化模型中，以获得nvh问题频率对应的性能问题点诊断报告和车身钣金件优化方案，预设nvh问题仿真优化模型基于svm算法训练，之后根据性能问题点诊断报告和车身钣金件优化方案对薄弱钣金进行处理。相较于现有技术中机理的建模方法和分析流程过于复杂，导致实时运算过程消耗大量算力的问题，而本发明基于svm算法训练得到的预设nvh问题仿真优化模型得到车辆的nvh状态分析结果，从而减少了nvh分析时的算力消耗。