本申请涉及汽车nvh预测,尤其涉及一种车辆电驱总成nvh预测方法、装置。
背景技术:
1、在车辆开发过程中,对电驱总成的nvh的预测,具有重要意义。准确的预测nvh水平,可以减少车辆开发过程中的试验次数,提高开发效率,缩短开发周期,节省成本。
2、目前在预测电驱总成nvh水平时,主要依靠经验、对标方法以及关键参数管控。然而,由于nvh数学模型建立复杂,其中的一些影响因素难以测量,通过以上方法,无法准确预测出电驱总成nvh水平。
技术实现思路
1、本申请提供一种较准确的车辆电驱总成nvh预测方法和车辆电驱总成nvh预测装置。
2、本申请提供一种车辆电驱总成nvh预测方法,包括:
3、获取车辆电驱总成的振动预测模型;所述振动预测模型是根据激励结果、模态结果和模态阻尼模型建立的;
4、根据所述振动预测模型,得到预测振动水平;
5、使用实测振动水平比对所述预测振动水平,对所述振动预测模型进行修正,得到修正后的振动预测模型;
6、使用所述修正后的振动预测模型,预测所述车辆电驱总成的振动和噪声。
7、可选的,所述振动预测模型是根据激励结果、模态结果和模态阻尼模型通过如下方式建立的:
8、使用电驱总成的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型;
9、根据所述激励模型,获取所述激励结果;
10、获取所述车辆电驱总成的模态结果;
11、建立所述车辆电驱总成的模态阻尼模型;
12、根据所述激励结果、所述模态结果和所述模态阻尼模型,得到所述车辆电驱总成的振动预测模型。
13、可选的,所述使用电驱总成的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型,包括:
14、采用如下方式,使用齿轮的传递误差和接触斑点的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型:
15、获取所述齿轮的仿真传递误差和仿真接触斑点;
16、获取所述齿轮的实测传递误差和实测接触斑点;
17、比对所述仿真传递误差和所述实测传递误差,且比对所述仿真接触斑点和所述实测接触斑点,得到齿轮的激励比对结果;
18、根据所述齿轮的激励比对结果,建立所述车辆电驱总成的齿轮激励模型;
19、根据所述齿轮激励模型,建立所述车辆电驱总成的激励模型。
20、可选的,所述根据所述激励模型,获取所述激励结果包括:
21、根据所述齿轮激励模型,获取仿真齿轮激励;
22、比对仿真振动和实测振动,得到齿轮激励修正函数;
23、使用所述齿轮激励修正函数对所述仿真齿轮激励进行修正,得到修正后的所述仿真齿轮激励;
24、将所述修正后的所述仿真齿轮激励,作为所述激励结果。
25、可选的,所述使用电驱总成的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型,包括:
26、采用如下方式,使用电机的扭矩波动和空载反电动势的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型:
27、获取所述电机的仿真扭矩波动和仿真空载反电动势;
28、获取所述电机的实测扭矩波动和实测空载反电动势;
29、比对所述仿真扭矩波动和所述实测扭矩波动,且比对所述仿真空载反电动势和所述实测空载反电动势,得到电机的激励比对结果;
30、根据所述电机的激励比对结果和所述电机的材料性能模型,建立所述车辆电驱总成的电机激励模型;
31、根据所述电机激励模型,建立所述车辆电驱总成的激励模型。
32、可选的,所述根据所述激励模型,获取所述激励结果,包括:
33、根据所述电机激励模型,获取仿真电机激励;
34、比对仿真振动和实测振动,得到电机激励修正函数;
35、使用所述电机激励修正函数,对所述仿真电机激励进行修正,得到修正后的所述仿真电机激励;
36、将所述修正后的所述仿真电机激励,作为所述激励结果。
37、可选的,所述车辆电驱总成包括零部件,所述获取所述车辆电驱总成的模态结果,包括:
38、根据所述零部件的受力分析,建立零部件刚度模型;
39、根据所述零部件刚度模型,获取仿真振动;
40、比对所述仿真振动和实测振动,得到零部件刚度修正函数;
41、使用所述零部件刚度修正函数,修正所述零部件刚度模型;
42、根据修正后的所述零部件刚度模型,获取所述车辆电驱总成的模态结果。
43、可选的,所述建立所述车辆电驱总成的模态阻尼模型,包括:
44、根据所述车辆电驱总成的模态、材料阻尼,建立初步模态阻尼模型;
45、根据所述初步模态阻尼模型,获取仿真振动;
46、比对所述仿真振动和实测振动,建立模态阻尼修正函数;
47、使用所述模态阻尼修正函数,修正所述初步模态阻尼模型;
48、将修正后的所述初步模态阻尼模型,作为所述车辆电驱总成的模态阻尼模型。
49、可选的,所述使用所述修正后的振动预测模型,预测所述车辆电驱总成的噪声,包括:
50、根据所述车辆电驱总成的几何结构,建立声传递向量模型;
51、根据所述声传递向量模型,得到振动-噪声传递函数;
52、比对实测振动和实测噪声,修正所述振动-噪声传递函数;
53、使用所述预测振动水平和修正后的所述振动-噪声传递函数,预测所述车辆电驱总成的噪声。
54、本申请还提供一种车辆电驱总成nvh预测装置,包括:
55、模型获取模块,用于获取车辆电驱总成的振动预测模型;所述振动预测模型是根据激励结果、模态结果和模态阻尼模型建立的;
56、结果获取模块,用于根据所述振动预测模型,得到预测振动水平;
57、模型修正模块,用于使用实测振动水平比对所述预测振动水平,对所述振动预测模型进行修正,得到修正后的振动预测模型;及
58、最终结果获取模块,用于使用所述修正后的振动预测模型,预测所述车辆电驱总成的振动和噪声。
59、在一些实施例中,通过获取根据激励结果、模态结果和模态阻尼模型建立的振动预测模型,根据该振动预测模型,得到预测振动水平,使用实测振动水平比对预测振动水平,对振动预测模型进行修正,得到修正后的振动预测模型;使用修正后的振动预测模型,预测车辆电驱总成的振动和噪声。如此可以得到更精确的车辆电驱总成nvh预测结果,提高车辆设计开发效率,缩短开发周期。
60、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
1.一种车辆电驱总成nvh预测方法,其特征在于,包括:
2.根据权利要求1所述的车辆电驱总成nvh预测方法,其特征在于,所述振动预测模型是根据激励结果、模态结果和模态阻尼模型通过如下方式建立的:
3.根据权利要求2所述的车辆电驱总成nvh预测方法,其特征在于,所述使用电驱总成的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型,包括:
4.根据权利要求3所述的车辆电驱总成nvh预测方法,其特征在于,所述根据所述激励模型,获取所述激励结果包括:
5.根据权利要求2所述的车辆电驱总成nvh预测方法,其特征在于,所述使用电驱总成的实测数据分别对相应的仿真数据进行修正,建立所述车辆电驱总成的激励模型,包括:
6.根据权利要求5所述的车辆电驱总成nvh预测方法,其特征在于,所述根据所述激励模型,获取所述激励结果,包括:
7.根据权利要求2所述的车辆电驱总成nvh预测方法,其特征在于,所述车辆电驱总成包括零部件,所述获取所述车辆电驱总成的模态结果,包括:
8.根据权利要求2所述的车辆电驱总成nvh预测方法,其特征在于,所述建立所述车辆电驱总成的模态阻尼模型,包括:
9.根据权利要求1所述的车辆电驱总成nvh预测方法,其特征在于,所述使用所述修正后的振动预测模型,预测所述车辆电驱总成的噪声,包括:
10.一种车辆电驱总成nvh预测装置,其特征在于,包括: