CN112597676A - 一种汽车悬置振动来源敏感度识别方法及装置 - Google Patents

一种汽车悬置振动来源敏感度识别方法及装置 Download PDF

Info

Publication number
CN112597676A
CN112597676A CN202011453962.4A CN202011453962A CN112597676A CN 112597676 A CN112597676 A CN 112597676A CN 202011453962 A CN202011453962 A CN 202011453962A CN 112597676 A CN112597676 A CN 112597676A
Authority
CN
China
Prior art keywords
vibration
excitation force
transfer function
force
obtaining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011453962.4A
Other languages
English (en)
Other versions
CN112597676B (zh
Inventor
张志明
柳琦
张继明
陈远大
柳丛彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Motor Corp
Original Assignee
Dongfeng Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongfeng Motor Corp filed Critical Dongfeng Motor Corp
Priority to CN202011453962.4A priority Critical patent/CN112597676B/zh
Publication of CN112597676A publication Critical patent/CN112597676A/zh
Application granted granted Critical
Publication of CN112597676B publication Critical patent/CN112597676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明公开了一种汽车悬置振动来源敏感度识别方法及装置，其中所述方法通过获取动力总成的激励力以及激励力对应的振动模拟数据；然后基于激励力和振动模拟数据，获得传递函数；传递函数表示激励力与振动模拟数据之间的关联关系；最后，基于传递函数与激励力，获得激励力对悬置振动的敏感度。由此，本发明降低了计算资源消耗，且能够快速的定位到对悬置振动贡献度较大的激励力，从而及时的进行优化处理，能够为改善悬置振动指明方向，提高了生产效率。

Description

一种汽车悬置振动来源敏感度识别方法及装置
技术领域
本发明涉及汽车制造技术领域，尤其涉及一种汽车悬置振动来源敏感度识别方法及装置。
背景技术
随着汽车工业的发展，人们对汽车的乘坐舒适性和行驶平顺性的要求越来越高。目前NVH(Noise、Vibration、Harshness，噪声、振动与声振粗糙度)是评价汽车乘坐舒适性的主要指标。车内振动主要包括两类：一类为以发动机为主体的动力总成工作时产生的振动，经过悬置元件传递到车身，在传递到车内引起的振动；另一类是路面激励通过轮胎传递到车身，再传递到车内，引起车内振动。其中，动力总成悬置引起的车内振动，是影响整车振动，进而产生车内噪声的重要激励源。
为了对动力总成悬置引起的车内振动进行控制，有必要对动力总成悬置振动的贡献来源进行识别。动力总成悬置振动的激励复杂，包含缸压，曲柄连杆机构、阀系、链系激励等。激励力包含气缸力、活塞敲击力、气门落座力、凸轮轴承座力、主轴承座力等，激励力作用在发动机等结构上，结构路径较为复杂，有缸套、主轴承座、凸轮轴承轴承座、悬置支架等。基于此，分析获得影响动力总成的各悬置的悬上振动的关键激励源及其传递路径则显得较为重要。然而，目前并没有相应的技术方案能够从动力总成悬上振动的贡献来源进行识别的方法。
发明内容
鉴于上述问题，本发明提出了一种汽车悬置振动来源敏感度识别方法及装置，降低了悬置振动分析的计算资源消耗，可准确的定位到对悬置振动贡献度较大的激励力，能够为改善悬置振动指明方向，提高了生产效率。
第一方面，本申请通过一实施例提供如下技术方案：
一种汽车悬置振动来源敏感度识别方法，包括：
获取动力总成的激励力以及所述激励力对应的振动模拟数据；基于所述激励力和所述振动模拟数据，获得传递函数；其中，所述传递函数表示所述激励力与所述振动模拟数据之间的关联关系；基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
可选的，所述获取动力总成的激励力，包括：
获取多种运行工况下所述动力总成的缸压曲线；基于所述缸压曲线对所述动力总成进行动力学分析，获得所述动力总成的激励力。
可选的，获取所述激励力对应的振动模拟数据，包括：
获取所述动力总成的有限元模型；将所述激励力加载到所述有限元模型上进行仿真模拟，获得振动模拟数据。
可选的，所述基于所述激励力和所述振动模拟数据，获得传递函数，包括：
构建状态空间模型，获得状态变量和一阶差分方程；基于所述激励力、所述振动模拟数据、所述状态变量和所述一阶差分方程，获得所述传递函数。
可选的，所述基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度，包括：
基于所述传递函数与所述激励力，获得振动数据；其中，所述振动数据与所述振动模拟数据一一对应；判断所述振动数据与所述振动模拟数据的拟合度是否大于预设阈值；若是，则基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度；若否，则对所述传递函数进行更新。
可选的，所述基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度，包括：
基于所述传递函数与所述激励力，获得传递函数曲线；基于所述传递函数曲线的最大值，获得所述激励力对悬置振动的敏感度。
可选的，所述基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度，包括：
基于所述传递函数与所述激励力，获得传递函数曲线；基于所述传递函数曲线的低频平均值，获得所述激励力对悬置振动的敏感度。
可选的，所述激励力包括：曲轴系载荷力、正时系统载荷力以及活塞敲击力；所述振动模拟数据包括：发动机悬置振动数据、变速箱悬置振动数据以及抗扭悬置振动数据。
第二方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种汽车悬置振动来源敏感度识别装置，包括：
获取模块，用于获取动力总成的激励力以及所述激励力对应的振动模拟数据；第一识别模块，用于基于所述激励力和所述振动模拟数据，获得传递函数；其中，所述传递函数表示所述激励力与所述振动模拟数据之间的关联关系；第二识别模块，用于基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
第三方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种汽车悬置振动来源敏感度识别装置，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述汽车悬置振动来源敏感度识别装置执行上述第一方面中任一项所述方法的步骤。
本发明实施例中提供的一种汽车悬置振动来源敏感度识别方法及装置，通过获取动力总成的激励力以及激励力对应的振动模拟数据；然后基于激励力和振动模拟数据，获得传递函数；传递函数表示激励力与振动模拟数据之间的关联关系；最后，基于传递函数与激励力，获得激励力对悬置振动的敏感度。由于本申请中通过传递函数进行敏感度分析，可将激励力对悬置振动的影响转化为一维计算，极大的降低了计算资源消耗；同时，通过传递函数可对动力总成中的每个部件进行敏感度的分析，能够快速的定位到对悬置振动贡献度较大的激励力，从而及时的进行优化处理，能够为改善悬置振动指明方向，提高了生产效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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。在附图中：
图1示出了本发明第一实施例提供的一种汽车悬置振动来源敏感度识别方法的流程图；
图2示出了本发明第一实施例中的动力总成结构示意图；
图3(1)-(5)示出了本发明第一实施例中的输入数据与时间的关系图；
图3(6)示出了本发明第一实施例中的输出数据与时间的关系图；
图4示出了本发明第一实施例中的振动数据与振动模拟数据之间的拟合度示意图；
图5示出了本发明第一实施例中的三种车型的车内噪声示意图；
图6示出了本发明第一实施例中的三种车型的悬置振动示意图；
图7示出了本发明第一实施例中的三种激励力的传递函数曲线示意图；
图8示出了本发明第一实施例中的不同激励力对悬置振动敏感度的贡献比例示意图；
图9示出了了本发明第二实施例提供的一种汽车悬置振动来源敏感度识别装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1，示出了本发明第一实施例提供的一种汽车悬置振动来源敏感度识别方法的流程图。所述方法包括：
步骤S10：获取动力总成的激励力以及所述激励力对应的振动模拟数据。
在步骤S10中，动力总成(Powerplant)，是指车辆上产生动力，并将动力传递到路面的一系列零部件组件，广义上包括发动机，变速箱，驱动轴，差速器，离合器等等；但通常情况下，动力总成一般指发动机，变速器，以及集成到变速器上面的其余零件，如离合器/前差速器等。在本实施例中可考虑发动机、发动机曲柄连杆机构、配气机构、链系统机构、轮系机构等，其中的一种或多种。
发动机悬上振动源复杂，发动机激励众多，哪些发动机激励力需要考虑进来尤为重要。并且曲柄连杆机构设计是发动机设计的根本，是振动控制的基因，后期不可能进行更改；如果存在设计缺陷，必然带来难以挽回的损失，因此明确发动机悬上振动尤为重要。如图2所示，激励源主要包括阀系、燃烧(燃音)、主轴承座、链条、油泵等等，因此激励载荷中，需同步考虑活塞敲击力、主轴承座敲击力、阀系、链系、带系、附件等各种动态力，以更加准确、全面的分析悬置振动的振动源，为悬上振动分析提供了更为完善、可靠的分析方法，避免设计的失误。优选地，本实施例中的激励力包括曲轴系载荷力，如各主轴座径向载荷力；活塞敲击力，如各缸活塞敲击力；正时系统载荷力，如链轮力、气门落座力、凸轮轴轴承载荷力；但不限于此。
进一步的，在本实施例中确定振动模拟数据可包括：发动机悬置振动数据、变速箱悬置振动数据以及抗扭悬置振动数据。在其他的实施方式中，也可包含其他位置的震动数据，不作限制。
关于激励力的获取方式可如下：
首先，获取多种运行工况下动力总成的缸压曲线。可利用一维热力学仿真对发动机进行仿真分析，得到发动机在各关注运行工况的缸压曲线。其中，各关注运行工况是指根据振动需要关注的发动机运行工况，通常包括各转速下发动机外特性工况。发动机外特性可以为发动机节气门开度为100％时测得的发动机输出功率/扭矩随转速变化的曲线。例如，发动机的运行工况为某特定转速、全负荷时，发动机各缸的缸压曲线。需要说明的是，前述的缸压数据也可以通过试验数据获取，不作限制。缸压曲线为本领域技术人员可实施的现有手段，不过多赘述。
然后，基于缸压曲线对动力总成进行动力学分析，获得动力总成的激励力。动力学分析包括：曲轴系动力学、阀系动力学、链系统动力学等。根据发动机在每种关注运行工况的缸压曲线对动力总成中每种机构进行上述的动力学分析，得到该种关注运行工况的缸压曲线下该种机构各种动力学对应的激励力。例如，在发动机的常用转速2000rpm，大负荷运行工况下的缸压曲线，对发动机曲柄连杆机构进行曲轴系动力学分析，得到各个主轴承座的各向力等，即获得为曲轴系载荷力的激励力。动力学分析为本领域技术人员可实施的现有的技术手段。
关于振动模拟的数据可如下：
首先，获取动力总成的有限元模型。具体的，可基于有限元法(Finite ElementMethod，FEM)建立动力总成的有限元模型。
然后，将激励力加载到有限元模型上进行仿真模拟，获得振动模拟数据。具体的，将动力总成的激励力加载到动力总成的有限元模型，进行动力总成振动的时域仿真分析，获得动力总成的振动结果。该振动结果即为振动模拟数据。其中，振动模拟数据包括动力总成中每一个机构的振动速度、振动加速度等。在本实施例中，具体需要考虑的机构包括：发动机悬置、变速箱悬置以及抗扭悬置。
最终，得到的振动模拟数据与激励力具有相同的采样率。并且为时域数据，得到的各机构的振动模拟数据与激励力是关于时间的关系数组，。
需要说明的是，上述的一维热力学仿真分析、动力学分析以及有限元发均为通用的计算机辅助工程(Computer Aided Engineering，CAE)分析方法，可以基于有限元、动力学分析等完善，可以使用不同的对应的商业软件，不作限制。
步骤S20：基于所述激励力和所述振动模拟数据，获得传递函数；其中，所述传递函数表示所述激励力与所述振动模拟数据之间的关联关系。
在步骤S20中，将获得的激励力作为输入数据，将振动模拟数据作为输出数据，输入数据和输出数据在时间上同步。举个例子，本实施例中提供48组输入数据，可参见图3(1)-3(5)。图3(1)为某4缸发动机1到4号气缸的活塞敲击力；图3(2)为某4缸发动机1-5号轴承座的径向力；图3(3)为某4缸发动机1到4号气缸的气缸力；图3(4)为某4缸发动机1到4号气缸的进气门、排气门敲击力；图3(5)为某4缸发动机1-5号进排、排凸轮轴轴承座作用力。提供21组输出数据，可参见图3(6)，图3(6)依次为某4缸发动机动力总成悬置、变速箱悬置、抗扭悬置的X、Y、Z向振动加速度。其中的输入数据和输出数据为时域数据，并且在时间上同步。然后，基于作为输入数据的激励力和作为输出数据的振动模拟数据进行模型识别，就可获得输入与输出的数学关系式，从而获得传递函数。上述仅为举例说明，不表示本实施例只包含或必须包含上述的激励力和振动模拟数据。
在本实施例中模型识别的系统识别算法较多，比如最小二乘法模型辨识方法、状态空间法等等。本发明中以状态空间法进行举例说明，步骤如下：
步骤S21：构建状态空间模型，获得状态变量和一阶差分方程。
在步骤S21中，状态变量和一阶差分方程的描述如下：
x(kT+T)＝Ax(kT)+Bu(kT)+Ke(kT)；
y(kT)＝Cx(kT)+Du(kT)+e(kT)；
x(0)＝x0；
其中，x(kT)表示输入数据，为个激励力构成的数组；y(kT)表示输出数据，为各悬置、各个方向上的振动模拟数据构成的数组，是kT时间的输出；T是采样周期；u(kT)是kT时间点的输入数据，e(kT)为非相关性的数据；x(0)为x(kT+T)的初始值；A、B、C、D、K是需要识别的模型参数。
步骤S22：基于所述激励力、所述振动模拟数据、所述状态变量和所述一阶差分方程，获得所述传递函数。
在步骤S22中，识别功能可通过现有的软件进行实现。例如，可以基于Matlab软件中的system identification功能，对上述输入数据、输出数据，进行识别。完成识别后，即可确认模型参数A、B、C、D、K的值，即得到了输出数据y与输入数据x之间的状态空间方程：
Figure BDA0002827624850000081
其中，
Figure BDA0002827624850000082
即为输入数据Xj(s)与输出数据Yi(s)之间的传递函数，该计算中仅有输入数据、输出数据之间的数学关系式，可实现将三维计算转化为一维计算，可降低计算资源的消耗。
步骤S30：基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
在步骤S30中，可选的，可对获得的传递函数的拟合程度进行验证，具体如下：
步骤S31：基于所述传递函数与所述激励力，获得振动数据；其中，所述振动数据与所述振动模拟数据一一对应。具体的，可根据
Figure BDA0002827624850000083
将步骤S10中的激励力与传递函数相乘，可得到对应的振动数据。该振动数据为
步骤S32：判断所述振动数据与所述振动模拟数据的拟合度是否大于预设阈值。由于振动模拟数据的获取方式是通过三维计算得到的，二振动模拟数据是基于传递函数进行一维计算得到的。若振动数据与振动模拟数据的拟合度非常高，则说明一维计算获得的振动数据是有效的。具体的，本实施例提供一种拟合度的获取方式，采用标准均方根差(Normalized root mean square error，NRMSE)进行拟合度表达，如下：
Figure BDA0002827624850000091
其中，y是基于有限元等3维算法计算得到的振动模拟数据，
Figure BDA0002827624850000092
是基于一维算法获得的振动数据，||表示矢量范数。一般情况下，拟合度的范围在0～100之间，数值越接近100说明通过传递函数获得的振动数据与振动模拟数据的一致程度越高。通常为了工程需要，要求fit值大于90，即预设阈值可为90。根据用户需求，也可适当提高要求，例如预设阈值还可为93、95、96、等等。如图4所示，三维计算得到的振动模拟数据与一维计算得到的振动数据几乎重合，拟合度很高，说明可以满足工程应用。
步骤S33：若是，则基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
步骤S34：若否，则对所述传递函数进行更新。例如，可以调整识别过程的参数设置，也可以更换系统识别算法重新获取传递函数，不作限制。
在步骤S30中，提供两种振动的敏感度获取方式：
1、基于传递函数与激励力，获得传递函数曲线；然后，基于传递函数曲线的最大值，获得激励力对悬置振动的敏感度。
2、基于传递函数与激励力，获得传递函数曲线；然后，基于传递函数曲线的低频平均值，获得激励力对悬置振动的敏感度。
对上述第1种获取方式进行详细阐述，第2种获取方式参照第1种获取方式进行理解。根据传递函数
Figure BDA0002827624850000093
Figure BDA0002827624850000094
计算得到各个激励力随频率变化的传递函数曲线；其中，第j组输入数据对应第i组输出的传递函数。进一步的，在轿车的悬置振动的敏感度分析中，需要有效识别关注的频率范围，不能一概而论。在积累多款发动机的车内噪声特点、悬上振动特点，更加准确有效的提炼出关注特征段，处理有效数据后，进行系统识识别分析。可以确定在200～800Hz的频率段范围内对车内噪声有较为直接的影响，是需要关注的频率段，如图5和图6所示，图5其中示出了A、B、C三款车型在3000rpm时的噪声示意图，其中横坐标为频率，纵坐标为噪声分贝；图6示出了A、B、C三款车型左悬置、右悬置以及抗扭悬置的振动示意图，其中横坐标为频率，纵坐标为振动大小。可以看出悬置振动在200～800Hz的频率段范围内对车内噪声具有显著的影响。另外，对于不同的车型或不同类型的车辆可对该频率范围进行适应性的调整。
进一步的，各个激励力对悬置振动的敏感度是不同的，需要分别进行分析，如图7所示，主轴座径向载荷力、凸轮轴轴承载荷力、活塞敲击力均分别对应一传递函数曲线；其中纵轴为激励力，横轴为振动频率。分别对每条传递函数曲线取最大值，就可得到各个激励力对应的敏感度。
具体的，鉴于悬置振动主要贡献量在200～800H，为更加有效的分析悬置敏感度，对各输入数据(激励力)以及输出数据(振动数据)进行带通为200～800Hz的滤波处理，然后进行敏感度的获取。
系统的传递函数是H(s)，振动数据获取为
Figure BDA0002827624850000101
其中，Yi(s)为第i组输出，Xj(s)为第j组输入，
Figure BDA0002827624850000102
为第j组输入对应第i组输出的传递函数。那么可以认为第i个输出对第j个输入的敏感度为：
Figure BDA0002827624850000103
其中，Sij即为第j组输入对应第i组输出的传递函数的敏感度贡献量，也即一个部件或单元的敏感度贡献。进一步的，可以将输入数据进行组合归类，同一类的敏感度进行组合，最终得到该类部件的敏感度总贡献量，组合的方式可为求和、求积、加权求和等方式，不作限制。例如，某轿车种包括1～5号凸轮轴轴承载荷力，将该1～5号凸轮轴轴承载荷力统一归为一类，然后将1～5号凸轮轴轴承载荷力对应的敏感度相加得到凸轮轴轴承载荷力对悬置振动的总敏感度。其他载荷进行类似处理，不再赘述。
对某轿车车型进行分析后，最终获得的主轴座径向载荷力、凸轮轴轴承载荷力以及活塞敲击力的敏感度可如图8所示。基于图8的敏感性分析结果，可为悬置振动的改善提供重要参考。同时，结合激励力到悬置振动的传递函数，其中频率的峰值响应频率即为结构中的关键路径，针对其频率优化，可快速有效调整悬置振动，改善车内噪音。
综上所述，本实施例中提供的一种汽车悬置振动来源敏感度识别方法，通过获取动力总成的激励力以及激励力对应的振动模拟数据；然后基于激励力和振动模拟数据，获得传递函数；传递函数表示激励力与振动模拟数据之间的关联关系；最后，基于传递函数与激励力，获得激励力对悬置振动的敏感度。由于本申请中通过传递函数进行敏感度分析，可将激励力对悬置振动的影响转化为一维计算，极大的降低了计算资源消耗；同时，通过传递函数可对动力总成中的每个部件进行敏感度的分析，能够快速的定位到对悬置振动贡献度较大的激励力，从而及时的进行优化处理，能够为改善悬置振动指明方向，提高了生产效率。
第二实施例
请参阅图9，基于同一发明构思，本发明第二实施例提供了一种汽车悬置振动来源敏感度识别装置300。所述汽车悬置振动来源敏感度识别装置300，包括：
获取模块301，用于获取动力总成的激励力以及所述激励力对应的振动模拟数据；第一识别模块302，用于基于所述激励力和所述振动模拟数据，获得传递函数；其中，所述传递函数表示所述激励力与所述振动模拟数据之间的关联关系；第二识别模块303，用于基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
作为一种可选的实施方式，所述获取模块301，还用于：
获取多种运行工况下所述动力总成的缸压曲线；基于所述缸压曲线对所述动力总成进行动力学分析，获得所述动力总成的激励力。
作为一种可选的实施方式，所述获取模块301，还用于：
获取所述动力总成的有限元模型；将所述激励力加载到所述有限元模型上进行仿真模拟，获得振动模拟数据。
作为一种可选的实施方式，第一识别模块302，具体用于：
构建状态空间模型，获得状态变量和一阶差分方程；基于所述激励力、所述振动模拟数据、所述状态变量和所述一阶差分方程，获得所述传递函数。
作为一种可选的实施方式，所述第二识别模块303，具体用于：
基于所述传递函数与所述激励力，获得振动数据；其中，所述振动数据与所述振动模拟数据一一对应；判断所述振动数据与所述振动模拟数据的拟合度是否大于预设阈值；若是，则基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度；若否，则对所述传递函数进行更新。
作为一种可选的实施方式，所述第二识别模块303，具体用于：
基于所述传递函数与所述激励力，获得传递函数曲线；基于所述传递函数曲线的最大值，获得所述激励力对悬置振动的敏感度。
作为一种可选的实施方式，所述第二识别模块303，具体用于：
基于所述传递函数与所述激励力，获得传递函数曲线；基于所述传递函数曲线的低频平均值，获得所述激励力对悬置振动的敏感度。
作为一种可选的实施方式，所述激励力包括：曲轴系载荷力、正时系统载荷力以及活塞敲击力；所述振动模拟数据包括：发动机悬置振动数据、变速箱悬置振动数据以及抗扭悬置振动数据。
需要说明的是，本发明实施例所提供的汽车悬置振动来源敏感度识别装置300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
第三实施例
基于同一发明构思，本发明第三实施例还提供了一种汽车悬置振动来源敏感度识别装置，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述汽车悬置振动来源敏感度识别装置执行第一实施例中所述方法的任一步骤。
需要说明的是，本发明实施例所提供的汽车悬置振动来源敏感度识别装置中，上述每个步骤的具体实现及产生的技术效果和前述方法实施例相同，为简要描述，本实施例未提及之处可参考前述方法实施例中相应内容。
本文中出现的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系；单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种汽车悬置振动来源敏感度识别方法，其特征在于，包括：
获取动力总成的激励力以及所述激励力对应的振动模拟数据；
基于所述激励力和所述振动模拟数据，获得传递函数；其中，所述传递函数表示所述激励力与所述振动模拟数据之间的关联关系；
基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
2.根据权利要求1所述的方法，其特征在于，所述获取动力总成的激励力，包括：
获取多种运行工况下所述动力总成的缸压曲线；
基于所述缸压曲线对所述动力总成进行动力学分析，获得所述动力总成的激励力。
3.根据权利要求1所述的方法，其特征在于，获取所述激励力对应的振动模拟数据，包括：
获取所述动力总成的有限元模型；
将所述激励力加载到所述有限元模型上进行仿真模拟，获得振动模拟数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述激励力和所述振动模拟数据，获得传递函数，包括：
构建状态空间模型，获得状态变量和一阶差分方程；
基于所述激励力、所述振动模拟数据、所述状态变量和所述一阶差分方程，获得所述传递函数。
5.根据权利要求1所述的方法，其特征在于，所述基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度，包括：
基于所述传递函数与所述激励力，获得振动数据；其中，所述振动数据与所述振动模拟数据一一对应；
判断所述振动数据与所述振动模拟数据的拟合度是否大于预设阈值；
若是，则基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度；
若否，则对所述传递函数进行更新。
6.根据权利要求1所述的方法，其特征在于，所述基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度，包括：
基于所述传递函数与所述激励力，获得传递函数曲线；
基于所述传递函数曲线的最大值，获得所述激励力对悬置振动的敏感度。
7.根据权利要求1所述的方法，其特征在于，所述基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度，包括：
基于所述传递函数与所述激励力，获得传递函数曲线；
基于所述传递函数曲线的低频平均值，获得所述激励力对悬置振动的敏感度。
8.根据权利要求1-7任一所述的方法，其特征在于，所述激励力包括：曲轴系载荷力、正时系统载荷力以及活塞敲击力；所述振动模拟数据包括：发动机悬置振动数据、变速箱悬置振动数据以及抗扭悬置振动数据。
9.一种汽车悬置振动来源敏感度识别装置，其特征在于，包括：
获取模块，用于获取动力总成的激励力以及所述激励力对应的振动模拟数据；
第一识别模块，用于基于所述激励力和所述振动模拟数据，获得传递函数；其中，所述传递函数表示所述激励力与所述振动模拟数据之间的关联关系；
第二识别模块，用于基于所述传递函数与所述激励力，获得所述激励力对悬置振动的敏感度。
10.一种汽车悬置振动来源敏感度识别装置，其特征在于，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述汽车悬置振动来源敏感度识别装置执行权利要求1-8中任一项所述方法的步骤。
CN202011453962.4A 2020-12-10 2020-12-10 一种汽车悬置振动来源敏感度识别方法及装置 Active CN112597676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011453962.4A CN112597676B (zh) 2020-12-10 2020-12-10 一种汽车悬置振动来源敏感度识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011453962.4A CN112597676B (zh) 2020-12-10 2020-12-10 一种汽车悬置振动来源敏感度识别方法及装置

Publications (2)

Publication Number Publication Date
CN112597676A true CN112597676A (zh) 2021-04-02
CN112597676B CN112597676B (zh) 2022-11-01

Family

ID=75192172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011453962.4A Active CN112597676B (zh) 2020-12-10 2020-12-10 一种汽车悬置振动来源敏感度识别方法及装置

Country Status (1)

Country Link
CN (1) CN112597676B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115096582A (zh) * 2022-07-08 2022-09-23 上海交通大学 一种基于原位测量的传递路径分析与齿轮故障溯源方法
CN115758566A (zh) * 2022-10-31 2023-03-07 上汽通用五菱汽车股份有限公司 一种混动总成nvh仿真分析评价方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006194723A (ja) * 2005-01-13 2006-07-27 Nissan Motor Co Ltd 加振力同定方法及びコンピュータ読み取り可能な記録媒体
CN106996828A (zh) * 2017-05-04 2017-08-01 安徽江淮汽车集团股份有限公司 预测加速工况车内噪音贡献量大小的方法
CN108846147A (zh) * 2018-04-16 2018-11-20 清华大学苏州汽车研究院（相城） 一种车辆工作时各振动激励系统贡献量计算分析方法
JP2018206204A (ja) * 2017-06-07 2018-12-27 日立オートモティブシステムズ株式会社 聴覚モデルを用いたシミュレーション装置
CN110220697A (zh) * 2019-04-25 2019-09-10 重庆青山工业有限责任公司 一种汽车变速箱传递路径贡献量测试系统
CN110749406A (zh) * 2018-07-24 2020-02-04 上汽通用五菱汽车股份有限公司 一种车身振动传递路径分析方法
CN110749373A (zh) * 2018-07-24 2020-02-04 上汽通用五菱汽车股份有限公司 一种汽车噪声源检测方法
CN111950179A (zh) * 2020-07-29 2020-11-17 广州汽车集团股份有限公司 整车路噪的预测方法、装置、计算机设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006194723A (ja) * 2005-01-13 2006-07-27 Nissan Motor Co Ltd 加振力同定方法及びコンピュータ読み取り可能な記録媒体
CN106996828A (zh) * 2017-05-04 2017-08-01 安徽江淮汽车集团股份有限公司 预测加速工况车内噪音贡献量大小的方法
JP2018206204A (ja) * 2017-06-07 2018-12-27 日立オートモティブシステムズ株式会社 聴覚モデルを用いたシミュレーション装置
CN108846147A (zh) * 2018-04-16 2018-11-20 清华大学苏州汽车研究院（相城） 一种车辆工作时各振动激励系统贡献量计算分析方法
CN110749406A (zh) * 2018-07-24 2020-02-04 上汽通用五菱汽车股份有限公司 一种车身振动传递路径分析方法
CN110749373A (zh) * 2018-07-24 2020-02-04 上汽通用五菱汽车股份有限公司 一种汽车噪声源检测方法
CN110220697A (zh) * 2019-04-25 2019-09-10 重庆青山工业有限责任公司 一种汽车变速箱传递路径贡献量测试系统
CN111950179A (zh) * 2020-07-29 2020-11-17 广州汽车集团股份有限公司 整车路噪的预测方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
庞崇剑等: "基于发动机激励的整车结构噪声优化设计", 《汽车零部件》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115096582A (zh) * 2022-07-08 2022-09-23 上海交通大学 一种基于原位测量的传递路径分析与齿轮故障溯源方法
CN115758566A (zh) * 2022-10-31 2023-03-07 上汽通用五菱汽车股份有限公司 一种混动总成nvh仿真分析评价方法及装置
CN115758566B (zh) * 2022-10-31 2024-02-06 上汽通用五菱汽车股份有限公司 一种混动总成nvh仿真分析评价方法及装置

Also Published As

Publication number Publication date
CN112597676B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN112115556B (zh) 基于整车启停工况下车内振动仿真分析方法及存储介质
CN112597676B (zh) 一种汽车悬置振动来源敏感度识别方法及装置
CN112597595B (zh) 汽车车内结构噪声诊断及优化方法
CN105279327A (zh) 一种汽车车内振动和噪声的计算机仿真预测方法
CN107002578A (zh) 用于确定推进力矩的方法和装置
Komorska Diagnostic-oriented vibroacoustic model of the reciprocating engine
Watanabe et al. Application of Model-Based Development to Engine Restart Vibration After Idling Stop
CN116305599A (zh) 一种发动机曲轴系统噪声识别和优化方法
CN114139271B (zh) 一种变速箱壳体可靠性确定方法及装置
CN114266107A (zh) 一种整车加速振动噪声的分析方法
Klarin et al. Enhanced power unit NVH simulation with MBD solver AVL EXCITE
Schneider et al. CAE process to eliminate powertrain noise and vibration
Jung et al. Optimization of bushing stiffness using numerical approximation model to improve automotive NVH performance
CN115758566B (zh) 一种混动总成nvh仿真分析评价方法及装置
CN118225443A (zh) 一种评价发动机的平衡轴齿轮敲击噪声的方法及装置
dos Santos et al. Model based approach by combination of test and simulation methodologies for NVH investigation and improvement of a rear wheel drive vehicle
Xu et al. Camshaft Loosening Diagnosis on the Basis of Generalised Force Recognition at the Centre of Gravity of an Engine
CN110243611B (zh) 一种增压器噪声控制方法
Mansinh et al. Simulations based approach for vehicle idle NVH optimization at early stage of product development
Pitchaikani et al. Powertrain Torsional Vibration System Model Development in Modelica for NVH Studies
Vandenplas et al. Predictive Analysis for Engine/Driveline Torsional Vibration in Vehicle Conditions using Large Scale Multi Body Model
KR102261137B1 (ko) 기관 성능 예측 방법
Schulze-Fehrenbach et al. Low-speed Boom Noise-Escalating Relevance According to CO2-Targets and High Torque Engines
Lu et al. NVH optimization of vehicle powertrain
Felice et al. Predictive Evaluation of the Fuel Economy Vs. NVH Trade-off Using co-Simulation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant