一种基于神经网络的通过噪声的关键系统目标确认方法与流程

本发明属于汽车噪声控制领域，具体地说，本发明涉及一种基于神经网络的通过噪声的关键系统目标确认方法。

背景技术：

1、nvh是噪声、振动与声振粗糙度(noise、vibration、harshness)的英文缩写，这是衡量汽车制造质量的一个综合性问题，车辆的nvh问题是国际汽车业各大整车制造企业和零部件企业关注的问题之一，整车约有1/3的故障问题是和车辆的nvh问题有关系，而各大公司有近20％的研发费用消耗在解决车辆的nvh问题上，汽车市场对汽车nvh的性能要求日益趋严。

2、通过噪声标准是为保护人群健康和生存环境，对噪声容许范围所作出的规定。美国环境保护局(epa)于1975年提出了保护健康和安宁的噪声标准，我国也有相应的噪声标准。目前，中华人民共和国具有国家标准“gb/t 18697-2002声学汽车车内噪声测量方法”和“gb-1495-2002汽车加速行驶车外噪声限值及测量方法”。

3、对比文件(cn116757084a)公开了一种基于多模态融合的轮胎噪声预测方法与系统，涉及汽车nvh性能的技术领域，包括获取轮胎样本的噪声多模态数据集，对轮胎样本进行噪声测试，获得轮胎噪声实测声压级；利用噪声多模态数据集对构建的轮胎噪声预测模型进行训练，输出轮胎噪声预测声压级；设置评估函数，根据轮胎噪声实测声压级和轮胎噪声预测声压级对预测模型进行评估优化，调整模型参数，获得优化后的轮胎噪声预测模型；获取待预测轮胎的噪声多模态数据，输入所述优化后的轮胎噪声预测模型，获得待预测轮胎的噪声预测结果。本发明考虑了轮胎噪声多角度影响因素，联合多模态数据实现对轮胎噪声的高效准确的预测。

4、由上述对比文件可以看出，通过噪声的预测对于整车的开发是十分重要的，但是，该对比文件仅是对轮胎的噪声的预测，对与复杂的整车来说，产生噪声的源头有很多，现在的问题是如何对汽车的通过噪声进行预测，确认其中噪声产生的关键系统并进行管控。

5、为此，针对目前国家法规通过噪声问题，提出了一种基于神经网络的通过噪声的关键系统目标确认方法。

技术实现思路

1、本发明旨在克服现有技术的不足，提出了一种基于神经网络的通过噪声的关键系统目标确认方法，以达到解决汽车开发前期通过噪声预测困难问题，确认车辆通过噪声的关键子系统并进行管控，从而减少开发周期，节约成本的目的。

2、为了实现上述目的，本发明采取的技术方案为：一种基于神经网络的通过噪声的关键系统目标确认方法，所述方法包括以下步骤：

3、(1)获取样本数据，所述样本数据包括车辆关键结构参数、车辆关键子系统噪声数据、车辆实际通过噪声数据；

4、(2)建立神经网络模型，利用所述样本数据对所述神经网络模型进行训练；

5、(3)基于所述神经网络模型的输出得到预测通过噪声；

6、(4)判断所述预测通过噪声是否满足通过噪声性能要求，如果不满足通过噪声性能要求，则调整所述车辆关键结构参数和所述车辆关键子系统噪声数据对应的子系统目标值，再继续执行上述步骤，直至所述预测通过噪声满足通过噪声性能要求为止；如果满足通过噪声性能要求，则将最终确认的子系统目标值进行保存，作为管控车辆通过噪声的子系统目标进行产品管控。

7、进一步，所述车辆关键结构参数包括车辆类型、质量、动力参数、轮胎参数、进气系统位置、排气系统位置、轮胎的数量、主要前进挡位数目、变速器类型是否可锁挡。

8、进一步，所述车辆关键子系统噪声数据包括动力总成、进排气、传动系统、轮胎、风阻系数。

9、进一步，所述神经网络模型包括1个输入层、1个中间层及1个输出层。

10、进一步，从不同类型的车辆中获取样本数据，根据对应车型的样本数据分别训练所述神经网络模型。每类车型数量大于10台。

11、进一步，对于不同关键子系统的通过噪声数据，根据子系统元件参数增加样本量以及单个参数变化的分析。

12、进一步，所述通过噪声性能要求根据中华人民共和国国家标准“gb/t18697-2002声学汽车车内噪声测量方法”和“gb-1495-2002汽车加速行驶车外噪声限值及测量方法”进行设定。

13、进一步，如果所述预测通过噪声满足通过噪声性能要求，在满足通过噪声性能要求的前提下，根据现实因素进行子系统目标调整，所述因素包括实际车辆及关键系统的成本。

14、本发明的技术效果为：(1)本发明通过多辆车辆的结构参数、噪声特性及通过噪声，训练神经网络模型并对车辆的通过噪声水平进行预测，精准度较高；(2)实现了在保证通过噪声性能要求的前提下，对车辆关键系统目标进行确认，便于合理规划子系统目标；(3)在开发前期通过神经网络进行通过噪声预测，确定车辆关键系统目标，降低了项目通过噪声开发风险。

技术特征：

1.一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：所述车辆关键结构参数包括车辆类型、质量、动力参数、轮胎参数、进气系统位置、排气系统位置、轮胎的数量、主要前进挡位数目、变速器类型是否可锁挡。

3.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：所述车辆关键子系统噪声数据包括动力总成、进排气、传动系统、轮胎、风阻系数。

4.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：所述神经网络模型包括1个输入层、1个中间层及1个输出层。

5.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：从不同类型的车辆中获取样本数据，根据对应车型的样本数据分别训练所述神经网络模型。

6.根据权利要求5所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：每类车型数量大于10台。

7.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：对于不同关键子系统的通过噪声数据，根据子系统元件参数增加样本量以及单个参数变化的分析。

8.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：所述通过噪声性能要求根据中华人民共和国国家标准“gb/t 18697-2002声学汽车车内噪声测量方法”和“gb-1495-2002汽车加速行驶车外噪声限值及测量方法”进行设定。

9.根据权利要求1所述的一种基于神经网络的通过噪声的关键系统目标确认方法，其特征在于：如果所述预测通过噪声满足通过噪声性能要求，在满足通过噪声性能要求的前提下，根据现实因素进行子系统目标调整，所述因素包括实际车辆及关键系统的成本。

技术总结
本发明公开了一种基于神经网络的通过噪声的关键系统目标确认方法，属于汽车噪声控制领域。所述方法通过车辆关键结构参数、车辆关键子系统噪声数据以及车辆实际通过噪声数据训练神经网络模型，得到了预测的通过噪声，通过子系统目标值的调整使预测通过噪声满足国家标准，并将最终确定的子系统目标值保存，作为管控车辆通过噪声的子系统目标进行产品管控。本发明解决了汽车开发前期通过噪声预测困难问题，确认了车辆通过噪声的关键子系统目标并进行管控，减少了开发周期，节约成本。

技术研发人员：张红军,夏仁峰,杨东,石向南
受保护的技术使用者：宜宾凯翼汽车有限公司
技术研发日：
技术公布日：2024/2/25