CN110502844A - 一种轨道交通车辆噪声数字样机的优化设计方法 - Google Patents

Abstract

本发明公开了一种轨道交通车辆噪声数字样机的优化设计方法，涉及轨道交通技术领域。所述优化设计方法，通过建立与真实车辆几何尺寸和噪声一致的声学几何模型，以各噪声源的声功率和各隔声部件的隔声量为设计变量，在满足车体总重量、总设计成本和各工况下的噪声的约束条件下，采用NCGA算法对各工况下的噪声进行优化求解，得出各工况下噪声的最优解，整个建模和优化求解过程均可以通过软件程序来实现，降低了建模难度和耗时，降低了优化计算的复杂度，提高了优化效率；以最优解对应的设计变量和优化变量来指导整车的噪声设计，既满足约束条件，又使得整车设计经济实用，使得整车噪声设定值最优。

Description

一种轨道交通车辆噪声数字样机的优化设计方法

技术领域

本发明属于轨道交通领域，尤其涉及一种轨道交通车辆噪声数字样机的优化设计方法。

背景技术

数字样机(MDU，Digital Mock-up)技术是以CAD(Computer Aided Design)、CAE(Computer Aided Engineering)和CAM(computer Aided Manufacturing)等技术为基础，以机械系统运动学、动力学和控制理论为核心，并融合虚拟现实、仿真技术、三维计算机图形技术、网络通信技术、分布式协同技术等，将分散的产品设计开发和分析过程集成在一起，通过建立产品的虚拟原型(Virtual prototype)进行仿真试验，从视觉、听觉、触觉及功能和行为上模拟真实产品，也有学者将其称之为虚拟样机(Virtual Prototyping,VP)技术。数字样机是不同领域CAx/DFx模型、仿真模型与VR/可视化模型的有效集成与协同应用。

轨道交通车辆的噪声数字化样机是整体样机的一个部分，通过协同软件与其它样机进行数据交流。目前，轨道交通车辆的噪声数字化分析多以VAOne软件进行建模，耗时长，难度大，且缺少整车噪声优化设计功能。

发明内容

针对现有技术的不足，本发明提供一种轨道交通车辆噪声数字样机的优化设计方法，采用Excel和VBA建立整车噪声数字样机的声学几何模型，再通过多目标遗传算法(Neighborhood Cultivation Genetic Algorithm NCGA)进行噪声数字样机的优化设计。

本发明是通过如下的技术方案来解决上述技术问题的：一种轨道交通车辆噪声数字样机的优化设计方法，包括以下步骤：

步骤1：构建整车噪声数字样机的声学几何模型；

步骤2：根据所述声学几何模型，以各噪声源的声功率和各隔声部件的隔声量为设计变量，以车体总重量约束值、总设计成本约束值和各工况下的噪声约束值为约束变量，以各工况下的噪声为优化变量；

步骤3：以所述设计变量作为输入，在满足所述约束变量的条件下，采用NCGA算法对优化变量进行优化求解，得到最优解，根据该最优解对应的优化变量和设计变量来设计整车的噪声。

本发明的优化设计方法通过建立整车的声学几何模型来模拟真实车辆的几何尺寸以及各噪声源、隔声部件的分布位置，以噪声为优化变量，采用多目标遗传算法在满足约束变量的情况下进行优化变量的优化求解，整个建模和优化求解过程均可以通过软件程序来实现，降低了建模难度和耗时；通过优化变量的最优解可以获得该最优解对应的设计变量，该设计变量用来指导整车的噪声设计，使设计者能根据实际需要在整车重量、成本和噪声之间进行折中，从而达到整车噪声设定值的最优。

进一步地，所述步骤1中，以Excel为界面，利用Excel自带的VBA语言构建所述的声学几何模型，具体操作步骤为：

步骤1.1：根据整车车体的实际设计尺寸构建几何模型，以车体长度方向分段得到多个声腔，以车体高度方向分为地板下声腔和车内声腔；

步骤1.2：输入各分段声腔的几何尺寸、各分段声腔内门和窗的几何尺寸；

步骤1.3：输入各噪声源的声功率、各隔声部件的隔声量；

步骤1.4：输入各噪声源和隔声部件在各分段声腔内的分布位置，得到所述的声学几何模型。

通过实际尺寸(包括截面和长度方向的尺寸)、各噪声源声功率和分布位置、以及各隔声部件隔声量和分布位置的输入，构建了三维分段的声学几何模型，使该声学几何模型与真实车体的尺寸、噪声一致，便于后续各声腔内噪声和声传递的计算。

进一步地，所述步骤2中，各工况下的噪声具体包括：车辆静置时司机室噪声、客室噪声，以及车辆运行时司机室噪声、客室噪声。

进一步地，所述步骤3中，采用NCGA算法对优化变量进行优化求解的具体操作包括：

步骤3.1：以所有设计变量的可能组合构成样本空间，在该样本空间内随机生成由M个个体构成的初始种群P₀，令t＝0，t的最大取值为T，T表示最大的进化代数；

步骤3.2：计算种群P_t中各个体对应的适应度，并判断f_k(X)是否小于或等于F_k，W_X是否小于等于W_S，以及C_X是否小于等于C_S，

如果同时满足上述三个条件，则否则第t代个体的适应度集合

其中，X表示种群P_t中的个体，f_k(X)表示该个体对应的优化变量的声压级，k表示第k个优化变量，k＝1，2，...，K，K表示优化变量的数量，m＝1，2，...，M，F_k表示f_k(X)对应的约束值；W_X表示X对应的噪声源和隔声部件的总重量，W_S表示车辆总重量的约束值；C_X表示X对应的噪声源和隔声部件的总成本，C_S表示车辆总成本的约束值；

步骤3.3：令t＝t+1，P_t＝A_t-1；

步骤3.4：将所述步骤3.3中种群Pt的所有个体进行排序，对排序后种群P_t的所有个体进行分组，每相邻两个个体形成一组；

步骤3.5：对每组个体执行交叉和变异操作，以每组的两个个体作为父代来产生两个子代，同时父代被删除；

步骤3.6：所述步骤3.5产生的所有子代形成新的种群P_t；

步骤3.7：将A_t-1与所述步骤3.6的种群P_t合并，从合并后的2M个个体中挑选出适应度值大的M个个体作为新种群P_t的个体；

步骤3.8：判断t是否小于或等于T，如果是，则返回步骤3.2，否则终止程序，输出适应度最大的个体作为最优解输出。

进一步地，所述步骤3.2中，优化变量的声压级为构成该优化变量主体的各声腔内总噪声声压级的平均值。

进一步地，第i个声腔内总噪声的声压级计算公式为：

L_pi＝L_wi-10×log(α×S_xi+S_ci×10^-0.1R)+6dB

其中，L_pi表示第i个声腔内总噪声的声压级，L_wi表示第i个声腔内总噪声的声功率，α表示吸声系数，S_xi表示第i个声腔内的吸声面积，S_ci表示第i个声腔内声的传递面积，R表示隔声部件的隔声量。

进一步地，第i个声腔内总噪声的声功率L_wi的计算公式为：

其中，L_wai表示第i个声腔内直接声源的声功率，L_wbi表示第i个声腔外扩散声源间接传声的声功率，L_wci表示第i个声腔外非扩散声源间接传声的声功率。

进一步地，第i个声腔外扩散声源间接传声的声功率L_wbi的计算公式为：

L_wbi＝L_poi+10×log(S_bi)-R-6dB

其中，L_poi表示第i个声腔外扩散声场的声压级，S_bi表示第i个声腔内隔声传递的区域面积。

进一步地，第i个声腔外非扩散声源间接传声的声功率L_wci的计算公式为：

L_wci＝L_woi-R

其中，L_woi表示第i个声腔外非扩散声源的声功率。

进一步地，所述步骤3中，采用NCGA算法对优化变量进行优化求解通过协同软件Isight来实现，降低了优化求解的计算复杂度，提高了优化效率。

有益效果

与现有技术相比，本发明提出的优化设计方法，通过建立与真实车辆几何尺寸和噪声一致的声学几何模型，以各噪声源的声功率和各隔声部件的隔声量为设计变量，在满足车体总重量、总设计成本和各工况下的噪声的约束条件下，采用NCGA算法对各工况下的噪声进行优化求解，得出各工况下噪声的最优解，整个建模和优化求解过程均可以通过软件程序来实现，降低了建模难度和耗时，降低了优化计算的复杂度，提高了优化效率；以最优解对应的设计变量和优化变量来指导整车的噪声设计，既满足约束条件，又使得整车设计经济实用，使得整车噪声设定值最优。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本实施例优化设计方法的总体流程图；

图2是本实施例噪声数字样机的几何模型图；

图3是本实施例NCGA算法的优化求解流程图；

图4是本实施例声腔内声源输入图；

其中，1-司机室内声腔，2-客室，3-司机室地板下声腔，4-客室车内声腔，5-客室车内地板下声腔。

具体实施方式

下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明所提供的一种轨道交通车辆噪声数字样机的优化设计方法，包括以下步骤：

1、构建整车噪声数字样机的声学几何模型，该声学几何模型的构建为现有技术，可参考申请号为CN2015106080165，名称为基于有限元法的变压器电磁振动噪声计算方法，其中公开了采用Solidworks工具构建变压器的声学几何模型。

而在本实施例中，以Excel为界面，利用Excel自带的VBA语言构建所述的声学几何模型，简化建模步骤，具体操作步骤为：

1.1在CAD中根据整车车体的实际设计尺寸构建整车车体的几何模型，以车体长度方向分段得到多个声腔，以车体高度方向分为地板下声腔和车内声腔，并获得各声腔的几何尺寸，如图2所示，并测量获得各分段声腔的几何尺寸。

鉴于列车的对称性，一般以列车的半模型进行建模，例如，当列车为6节编组时，建立3节车的声学几何模型。分段原则为客室设置5段，司机室和贯通道各设置1段，客室内的分段长度范围在1～5米，以几何对称为优先原则，如果车体是几何对称的，则建立半模型，如果不是几何对称的，则建立整车模型。

以郑州2号线为例，在列车编组的CAD几何图中，将三节车分为19段，并测量各分段的几何尺寸，然后在excel中输入几何参数。

1.2在excel中，输入各分段声腔的几何尺寸、各分段声腔内门和窗的几何尺寸，构建的几何模型的尺寸与实际整车车体的尺寸一致。

1.3在excel中，输入各噪声源的声功率、各隔声部件的隔声量；各噪声源的声功率和各隔声部件的隔声量可以通过多次声学测试获得各种可能的数据，由这些数据形成声学数据库；例如噪声源电机，经过5次不同的测试获得5种不同大小的声功率，将这5种声功率从大到小依次排序，对应5种声功率频谱；隔声部件底板，经过8次不同的测试获得8种不同大小的隔声量，将这8种隔声量从大到小依次排序，对应8种隔声量频谱；将这些噪声源或隔声部件的频谱数据序列化，简化了噪声数字样机在优化过程中的寻优。

1.4在excel中，输入各噪声源和隔声部件在各分段声腔内的分布位置，得到声学几何模型。

通过实际尺寸(包括截面和长度方向的尺寸)、各噪声源声功率和分布位置、以及各隔声部件隔声量和分布位置的输入，构建了三维分段的声学几何模型，使该声学几何模型与真实车体的尺寸、噪声一致，便于后续各声腔内噪声和声传递的计算。该声学几何模型的建模方法可以参考英文会议论文《Development of a simulation tool for internaland externalnoise caused by rail bound vehicles》。

2、根据声学几何模型，以各噪声源的声功率和各隔声部件的隔声量为设计变量，以车体总重量约束值、总设计成本约束值和各工况下的噪声约束值为约束变量，以各工况下的噪声为优化变量。

设计变量：X_i＝[x_i1，x_i2，...，x_ij，...，x_iL]，X_i表示第i个噪声源或隔声部件，x_ij表示第i个噪声源或隔声部件的第j个测试的声功率或隔声量，L表示对应噪声源或隔声部件的测试数据的个数；

约束变量包括车辆重量约束值、成本约束值以及不同工况下的噪声约束值，这些约束值根据业务合同或经验值或标准获得，具体表达形式为：

重量约束：N表示噪声源和隔声部件的总数量，表示第i个噪声源或隔声部件的重量，W_S表示车辆总重量的约束值；

成本约束：表示第i个噪声源或隔声部件的设计成本，C_S表示车辆总设计成本的约束值。

不同工况下的噪声包括但不仅限于车辆静置时司机室噪声、客室噪声，以及车辆运行时司机室噪声、客室噪声。本实施例中，优化变量为车辆静置时司机室噪声、客室噪声，以及车辆运行时司机室噪声、客室噪声。

3、以设计变量作为输入，在满足约束变量的条件下，采用NCGA算法对优化变量进行优化求解，得到最优解，根据该最优解对应的优化变量和设计变量来设计整车的噪声。

如图3所示，采用NCGA算法对优化变量进行优化求解的具体操作包括：

3.1以所有设计变量的可能组合构成样本空间，在该样本空间内随机生成由M个个体构成的初始种群P₀，令t＝0，t的最大取值为T，T表示最大的进化代数，T可以根据经验来设定。

假如设计变量为电机和地板，电机X₁＝[x₁₁，x₁₂，x₁₃，x₁₄，x₁₅]，地板X₂＝[x₂₁，x₂₂，x₂₃，x₂₄，x₂₅，x₂₆，x₂₇，x₂₈]，则样本空间为所有设计变量的可能组合，具体为：[x₁₁x₂₁、x₁₁x₂₂、x₁₁x₂₃、x₁₁x₂₄、x₁₁x₂₅、x₁₁x₂₆、x₁₁x₂₇、x₁₁x₂₈、x₁₂x₂₁、x₁₂x₂₂、x₁₂x₂₃、x₁₂x₂₄、x₁₂x₂₅、x₁₂x₂₆、x₁₂x₂₇、x₁₂x₂₈、x₁₃x₂₁、x₁₃x₂₂、x₁₃x₂₃、x₁₃x₂₄、x₁₃x₂₅、x₁₃x₂₆、x₁₃x₂₇、x₁₃x₂₈、x₁₄x₂₁、x₁₄x₂₂、x₁₄x₂₃、x₁₄x₂₄、x₁₄x₂₅、x₁₄x₂₆、x₁₄x₂₇、x₁₄x₂₈、x₁₅x₂₁、x₁₅x₂₂、x₁₅x₂₃、x₁₅x₂₄、x₁₅x₂₅、x₁₅x₂₆、x₁₅x₂₇、x₁₅x₂₈]。

3.2计算种群P_t中各个体对应的适应度并判断f_k(X)≤F_k，W_X≤W_S以及C_X≤C_S三个条件，如果同时满足上述三个条件，则否则第t代个体的适应度集合

其中，X表示种群P_t中的个体，例如，P_t＝[x₁₁x₂₁、x₁₂x₂₅、x₁₄x₂₃、x₁₅x₂₇]，则X为x₁₁x₂₁、x₁₂x₂₅、x₁₄x₂₃或x₁₅x₂₇，f_k(X)表示该个体X对应的优化变量的声压级，例如，f₁(x11x21)表示x11x21对应的第一个优化变量的声压级，即x11x21对应的车辆静置时司机室噪声的声压级；k表示第k个优化变量，k＝1，2，...，K(本实施例中K＝4)，m＝1，2，...，M；F_k表示f_k(X)对应的约束值；W_X表示个体X对应的噪声源和隔声部件的总重量，W_S表示车辆总重量的约束值；C_X表示个体X对应的噪声源和隔声部件的总成本，C_S表示车辆总成本的约束值。

某优化变量的声压级为构成该优化变量主体的各声腔内总噪声声压级的平均值，例如司机室由司机室内声腔1和司机室地板下声腔3构成，车辆静置时司机室噪声的声压级等于车辆静置时司机室内声腔1总噪声声压级，由于地板下声腔内的噪声对乘客无影响，因此不考虑地板下声腔总噪声声压级；客室2由5个客室车内声腔4和5个客室车内地板下声腔5构成，则车辆静置时客室噪声的声压级等于静置时5个客室车内声腔4总噪声的声压级的平均值。第i个声腔内总噪声的声压级L_pi计算公式为：

L_pi＝L_wi-10×log(α×S_xi+S_ci×10^-0.1R)+6dB (1)

其中，L_pi表示第i个声腔内总噪声的声压级，L_wi表示第i个声腔内总噪声的声功率，α表示吸声系数，S_xi表示第i个声腔内的吸声面积，S_ci表示第i个声腔内声的传递面积，R表示隔声部件的隔声量，该隔声部件为X对应的隔声部件。

第i个声腔内总噪声的声功率L_wi的计算公式为：

其中，L_wai表示第i个声腔内直接声源的声功率，L_wbi表示第i个声腔外扩散声源间接传声的声功率，L_wci表示第i个声腔外非扩散声源间接传声的声功率，直接声源、扩散声源和非扩散声源为X对应的噪声源。如图4所示，声源1为直接声源，声源2和3为声腔外声源。

直接声源与扩散声源是相对的，例如电机，对于司机室和客室的各声腔来说为扩散声源，但对于车下转向架位置的声腔(地板下声腔)来说则为直接声源，电机安装在客室地板下方的转向架位置，电机在地板下声腔扩散，通过地板隔声后，透射声进入司机室和客室，则为扩散后声源，非扩散声源主要是指空调底部噪声的传播，司机室内的直接声源是指司机室内的空调送风噪声源，回风噪声源等。

第i个声腔扩散声源间接传声的声功率L_wb的计算公式为：

L_wbi＝L_poi+10×log(S_bi)-R-6dB (3)

其中，L_poi表示第i个声腔外扩散声场的声压级，S_bi表示第i个声腔内隔声传递的区域面积。

第i个声腔外非扩散声源间接传声的声功率L_wci的计算公式为：

L_wci＝L_woi-R (4)

其中，L_woi表示第i个声腔外非扩散声源的声功率。

3.3令t＝t+1，P_t＝A_t-1；A₀为种群P₀中所有个体对应的适应度的集合。

3.4将步骤3.3中种群P_t的所有个体由大到小进行排序，排序后的种群

3.5对排序后种群Pt的所有个体进行分组，每相邻两个个体形成一组，为第一组，…，为第M/2组。

3.6对每组个体执行交叉和变异操作，以每组的两个个体作为父代来产生两个子代，同时父代被删除。

3.7由步骤3.6产生的所有子代形成新的种群Pt。

3.8将第t-1代个体的适应度集合A_t-1与步骤3.7的新种群P_t合并，将合并后的2M个个体由大到小排序，从2M个个体中挑选出适应度值大的前M个个体作为新种群P_t的个体。

3.9判断t是否小于或等于T，如果是，则返回步骤3.2，否则终止程序，输出适应度最大的个体作为最优解输出。

该优化设计方法中，声学几何模型可以通过Excel自带的VBA语言来构建，基于NCGA算法的优化变量求解过程可以通过协同软件Isight直接调用NCGA算法来实现，适应度的计算可以通过协同软件Isight调用求解器来获得，大大降低了建模和计算的难度，提高了优化效率。基于Isight平台的NCGA算法可参考西安理工大学的硕士学位论文《基于Isight平台的多学科多目标优化设计》。

本发明的优化设计方法通过建立整车的声学几何模型来模拟真实车辆的几何尺寸以及各噪声源、隔声部件的分布位置，以噪声为优化变量，采用NCGA算法在满足约束变量的情况下进行优化变量的优化求解，整个建模和优化求解过程均可以通过软件程序来实现，降低了建模难度和耗时；通过优化变量的最优解可以获得该最优解对应的设计变量，该设计变量用来指导整车的噪声设计，使设计者能根据实际需要在整车重量、成本和噪声之间进行折中，从而达到整车噪声设定值的最优。

以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种轨道交通车辆噪声数字样机的优化设计方法，其特征在于，包括以下步骤：

步骤1：构建整车噪声数字样机的声学几何模型；

步骤2：根据所述声学几何模型，以各噪声源的声功率和各隔声部件的隔声量为设计变量，以车体总重量约束值、总设计成本约束值和各工况下的噪声约束值为约束变量，以各工况下的噪声为优化变量；

步骤3：以所述设计变量作为输入，在满足所述约束变量的条件下，采用NCGA算法对优化变量进行优化求解，得到最优解，根据该最优解对应的优化变量和设计变量来设计整车的噪声。

2.如权利要求1所述的优化设计方法，其特征在于，所述步骤1中，以Excel为界面，利用Excel自带的VBA语言构建所述的声学几何模型，具体操作步骤为：

步骤1.1：根据整车车体的实际设计尺寸构建几何模型，以车体长度方向分段得到多个声腔，以车体高度方向分为地板下声腔和车内声腔，并获得各分段声腔的几何尺寸；

步骤1.2：输入各分段声腔的几何尺寸、各分段声腔内门和窗的几何尺寸；

步骤1.3：输入各噪声源的声功率、各隔声部件的隔声量；

步骤1.4：输入各噪声源和隔声部件在各分段声腔内的分布位置，得到所述的声学几何模型。

3.如权利要求1所述的优化设计方法，其特征在于，所述步骤2中，各工况下的噪声具体包括：车辆静置时司机室噪声、客室噪声，以及车辆运行时司机室噪声、客室噪声。

4.如权利要求1所述的优化设计方法，其特征在于，所述步骤3中，采用NCGA算法对优化变量进行优化求解的具体操作包括：

步骤3.1：以所有设计变量的可能组合构成样本空间，在该样本空间内随机生成由M个个体构成的初始种群P₀，令t＝0，t的最大取值为T，T表示最大的进化代数；

步骤3.2：计算种群P_t中各个体对应的适应度并判断f_k(X)是否小于或等于F_k，W_X是否小于等于W_S，以及C_X是否小于等于C_S，

如果同时满足上述三个条件，则否则第t代个体的适应度集合

其中，X表示种群P_t中的个体，f_k(X)表示该个体对应的优化变量的声压级，k表示第k个优化变量，k＝1,2,…,K，K表示优化变量的数量，m＝1,2,…,M，F_k表示f_k(X)对应的约束值；W_X表示X对应的噪声源和隔声部件的总重量，W_S表示车辆总重量的约束值；C_X表示X对应的噪声源和隔声部件的总成本，C_S表示车辆总成本的约束值；

步骤3.3：令t＝t+1，P_t＝A_t-1；

步骤3.4：将所述步骤3.3中种群P_t的所有个体进行排序，对排序后种群P_t的所有个体进行分组，每相邻两个个体形成一组；

步骤3.5：对每组个体执行交叉和变异操作，以每组的两个个体作为父代来产生两个子代，同时父代被删除；

步骤3.6：所述步骤3.5产生的所有子代形成新的种群P_t；

步骤3.7：将A_t-1与所述步骤3.6的种群P_t合并，从合并后的2M个个体中挑选出适应度值大的M个个体作为新种群P_t的个体；

步骤3.8：判断t是否小于或等于T，如果是，则返回步骤3.2，否则终止程序，输出适应度最大的个体作为最优解输出。

5.如权利要求4所述的优化设计方法，其特征在于，所述步骤3.2中，优化变量的声压级为构成该优化变量主体的各声腔内总噪声声压级的平均值。

6.如权利要求5所述的优化设计方法，其特征在于，第i个声腔内总噪声的声压级计算公式为：

L_pi＝L_wi-10×log(α×S_xi+S_ci×10^-0.1R)+6dB

其中，L_pi表示第i个声腔内总噪声的声压级，L_wi表示第i个声腔内总噪声的声功率，α表示吸声系数，S_xi表示第i个声腔内的吸声面积，S_ci表示第i个声腔内声的传递面积，R表示隔声部件的隔声量。

7.如权利要求6所述的优化设计方法，其特征在于，第i个声腔内总噪声的声功率L_wi的计算公式为：

其中，L_wai表示第i个声腔内直接声源的声功率，L_wbi表示第i个声腔外扩散声源间接传声的声功率，L_wci表示第i个声腔外非扩散声源间接传声的声功率。

8.如权利要求7所述的优化设计方法，其特征在于，第i个声腔外扩散声源间接传声的声功率L_wbi的计算公式为：

L_wbi＝L_poi+10×log(S_bi)-R-6dB

其中，L_poi表示第i个声腔外扩散声场的声压级，S_bi表示第i个声腔内隔声传递的区域面积。

9.如权利要求7所述的优化设计方法，其特征在于，第i个声腔外非扩散声源间接传声的声功率L_wci的计算公式为：

L_wci＝L_woi-R

其中，L_woi表示第i个声腔外非扩散声源的声功率。

10.如权利要求1所述的优化设计方法，其特征在于，所述步骤3中，采用NCGA算法对优化变量进行优化求解通过协同软件Isight来实现。