CN113742953A - 车辆异响分析优化方法、装置、控制器及存储介质 - Google Patents
车辆异响分析优化方法、装置、控制器及存储介质 Download PDFInfo
- Publication number
- CN113742953A CN113742953A CN202010476109.8A CN202010476109A CN113742953A CN 113742953 A CN113742953 A CN 113742953A CN 202010476109 A CN202010476109 A CN 202010476109A CN 113742953 A CN113742953 A CN 113742953A
- Authority
- CN
- China
- Prior art keywords
- abnormal sound
- vehicle
- model
- power assembly
- analysis
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 334
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 182
- 238000012360 testing method Methods 0.000 claims abstract description 112
- 238000004088 simulation Methods 0.000 claims abstract description 110
- 238000005457 optimization Methods 0.000 claims abstract description 59
- 238000013461 design Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000013433 optimization analysis Methods 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 238000013400 design of experiment Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013016 damping Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种车辆异响分析优化方法、装置、控制器及存储介质。该方法包括：获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据；对目标车辆进行仿真分析，获取测试位置对应的仿真分析结果，根据仿真分析结果提取出与车辆异响相关的结构参数；构建近似数值模型；根据近似数值模型和辅助试验设计，对结构参数进行贡献度分析，获取结构参数对应的异响贡献度；采用优化算法对车辆异响进行优化，获取车辆异响优化方案。本技术方案能够对目标车辆产生异响的结构进行综合评价，基于对目标车辆产生异响的影响较大的结构参数进行优化，获取改善车辆异响的最优结构参数，提高异响分析的准确率。
Description
技术领域
本发明涉及机动车动力总成领域，尤其涉及一种车辆异响分析优化方法、装置、控制器及存储介质。
背景技术
目前人们对车辆的NVH(Noise Vibration Harshness，噪声、振动和声振粗糙度)问题越来越重视，其中，车辆异响在NVH问题占较大的比重，并直接关系到车辆在市场中的竞争力。
现有技术中，在对车辆异响进行优化分析有如下方式：第一种，以主观经验判断和重复更换目标车辆结构部件的方式对车辆异响问题进行分析和验证，存在周期长、成本高和效率低等问题；第二种，结合目标车辆仿真技术对车辆异响进行分析时，虽然提高了部分工作效率，但是仅通过单一变量对车辆异响进行对比分析，无法完整对车辆异响进行综合分析。
发明内容
本发明实施例提供一种车辆异响分析优化方法、装置、控制器及存储介质，以解决无法高效全面的对车辆异响进行分析的问题。
一种车辆异响分析优化方法，包括：
对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据；
对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果，根据所述仿真分析结果提取出与车辆异响相关的结构参数；
基于所述异响分析数据和所述结构参数，构建近似数值模型；
根据所述近似数值模型和辅助试验设计，对所述结构参数进行贡献度分析，获取所述结构参数对应的异响贡献度；
根据前N个所述异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，其中，N≧1。
进一步地，所述对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果，根据所述仿真分析结果提取出与车辆异响相关的结构参数，包括：
基于所述目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型；
采用所述动力总成有限元模型和所述动力总成动力学模型，对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果；
根据所述仿真分析结果和所述异响分析数据，提取出与车辆异响相关的结构参数。
进一步地，基于所述目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型，包括：
对所述动力总成几何模型进行网格化处理，建立动力总成有限元模型；
基于所述动力总成几何模型中动力总成的连接方式和所述动力总成有限元模型，建立动力总成动力学模型。
进一步地，对所述动力总成几何模型进行网格化处理，建立动力总成有限元模型，包括：
对所述动力总成几何模型进行网格化处理，建立初始总成有限元模型；
对所述初始总成有限元模型进行模态测试，获取所述初始总成有限元模型的模态仿真结果；
若所述初始总成有限元模型的模态仿真结果与预设测试结果之间的误差小于第一误差阈值，则将所述初始总成有限元模型确定为所述动力总成有限元模型。
进一步地，所述基于所述动力总成几何模型中动力总成的连接方式和所述动力总成有限元模型，建立动力总成动力学模型，包括：
基于所述动力总成几何模型中动力总成的连接方式和所述动力总成有限元模型，建立初始总成动力学模型；
对所述初始总成动力学模型进行曲轴扭振测试和表面振动测试，获取所述初始总成动力学模型的振动仿真结果；
若所述初始总成动力学模型的振动仿真结果与预设振动结果之间的误差小于第二误差阈值，将所述初始总成动力学模型确定为所述动力总成动力学模型。
进一步地，所述基于所述测试位置对应的车辆异响数据和所述结构参数，构建近似数值模型包括：
基于响应面模型，建立所述异响分析数据与所述结构参数的函数关系；
基于所述函数关系，构建近似数值模型。
进一步地，所述根据所述基于辅助试验设计对结构参数进行贡献度分析，获取车辆异响优化方案包括：
根据前N个所述异响贡献度对应的结构参数，确定优化分析变量；
对所述优化分析变量进行多目标优化，获取车辆异响优化方案。
一种车辆异响分析装置，包括：
异响测试模块，用于对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据；
参数获取模块，用于对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果，根据所述仿真分析结果提取出与车辆异响相关的结构参数；
模型构建模块，用于基于所述异响分析数据和所述结构参数，构建近似数值模型；
参数分析模块，用于根据所述近似数值模型和辅助试验设计，对所述结构参数进行贡献度分析，获取所述结构参数对应的异响贡献度；
结果获取模块，用于根据前N个所述异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，其中，N≧1。
一种异响分析控制器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的异响分析程序，所述处理器执行所述异响分析程序时实现上述车辆异响分析优化方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有异响分析程序，所述异响分析程序被处理器执行时实现上述车辆异响分析优化方法。
上述车辆异响分析优化方法、装置、计算机设备及存储介质，通过异响测试获取测试位置对应的车辆异响数据，并提取车辆异响评价指标对应的异响分析数据，通过对目标车辆的动力总成结构进行仿真分析，根据仿真分析结果提取结构参数，以通过结构参数进一步进行目标车辆的异响分析，避免了反复更换目标车辆结构部件来分析车辆异响的问题，提高了异响分析的效率。通过建立异响分析数据与结构参数的近似数值模型并结合辅助试验设计，能够判断目标车辆相关结构参数的异响贡献度，以解决通过主观经验判断车辆异响的相关位置的问题，提高实用性；基于对目标车辆产生异响的影响较大的结构参数进行优化，获取车辆异响优化方案，提高异响分析的准确率和效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中车辆异响分析优化方法的一流程图；
图2是本发明一实施例中车辆异响分析优化方法的另一流程图；
图3是本发明一实施例中车辆异响分析优化方法的另一流程图；
图4是本发明一实施例中车辆异响分析优化方法的另一流程图；
图5是本发明一实施例中车辆异响分析优化方法的另一流程图；
图6是本发明一实施例中车辆异响分析优化方法的另一流程图；
图7是本发明一实施例中车辆异响分析优化方法的另一流程图；
图8是本发明一实施例中车辆异响分析装置的一示意图；
图9是本发明一实施例中异响分析控制器的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
本发明实施例提供的车辆异响分析优化方法，该车辆异响分析优化方法可以应用在异响分析控制器中，该方法应用在异响分析控制器为例进行说明，包括如下步骤：
S10：对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据。
其中，测试位置为目标车辆中可能产生异响的位置，即异响测试的测试点，可由用户自定义确定。车辆异响数据为对目标车辆进行异响测试后获取的数据，包括但不限于异响声音频率和信噪比。车辆异响评价指标为用于测试目标车辆是否存在异响的指标参数。异响分析数据为基于车辆异响评价指标对车辆异响数据进行分析后得到的数据，用于分析测试位置是否存在异响。对目标车辆进行异响测试的方式具体是通过NVH检测系统进行检测。NVH检测系统为用于对目标车辆进行异响测试的系统。NVH检测系统具体可以是LMSTest.lab检测系统。LMS Test.lab检测系统为通过高速多通道进行数据采集、试验和分析的系统，包括数据采集、数字信号处理、结构试验、旋转机械分析以及声学和环境试验等功能。
具体地，异响分析控制器通过NVH检测系统对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据，基于车辆异响评价指标对车辆异响数据进行分析，得到异响分析数据，以便利用异响分析数据对目标车辆进行异响分析时，通过获取异响分析数据能够判断车辆异响发生的目标位置，解决了通过主观经验判断车辆异响的目标位置时存在判断失误的问题，提高了车辆异响分析优化方法的准确率和效率。该目标位置是根据车辆异响数据分析确定的导致本次异响发生的最重要的测试位置。
作为一示例，异响分析控制器采用LMS Test.lab检测系统对汽车的动力总成结构进行检测，动力总成结构包括悬置、缸体、缸盖、油底壳、正时罩、缸盖罩、离合器壳体和变速器壳体等位置，获取动力总成结构中的测试位置对应的车辆异响数据。
S20：对目标车辆进行仿真分析，获取测试位置对应的仿真分析结果，根据仿真分析结果提取出与车辆异响相关的结构参数。
其中，仿真分析为对目标车辆的动力总成结构进行仿真的计算。仿真分析结果为对目标车辆的动力总成结构进行仿真的计算获取的结果。动力总成结构为目标车辆上产生动力，并将动力传递到路面的一系列零部件结构。结构参数为与车辆异响相关的结构的参数数据。
具体地，对目标车辆的动力总成结构进行仿真分析，获取测试位置对应的仿真分析结果，进一步地，从仿真分析结果中提取动力总成结构中产生异响的测试位置对应的结构参数。可以理解地，异响分析控制器通过对目标车辆的动力总成结构进行仿真分析，获取测试位置对应的仿真分析结果，从仿真分析结果中获取结构参数，以通过结构参数进一步进行目标车辆的异响分析，避免了反复更换目标车辆结构部件来分析车辆异响发生的问题，提高了异响分析的效率。进一步地，通过对目标车辆进行仿真分析，获取结构参数能够对目标车辆产生异响的结构进行综合评价，提高异响分析的准确率。
作为一示例，测试位置为目标车辆的轴系，对目标车辆的动力总成结构进行仿真，获取动力总成几何模型；基于动力总成几何模型获取的测试位置包括但不限于主轴承间隙、止推轴承间隙、输入轴间隙、曲轴一阶扭转模态、前端距离、齿轮宽度、齿轮压力角和齿轮螺旋角等，并对测试位置进行参数化，获取测试位置对应的结构参数。
S30：基于异响分析数据和结构参数，构建近似数值模型。
其中，近似数值模型为用于评估异响分析数据和结构参数之间数值关系的模型。
具体地，异响分析控制器通过对结构参数与测试位置对应的异响分析数据进行处理，构建近似数值模型，为后续对结构参数进行贡献度分析和多目标优化，实现车辆异响分析优化方法提供基础。
S40：根据近似数值模型结合辅助试验设计，对结构参数进行分析，获取结构参数对应的异响贡献度。
其中，异响贡献度为提取出的结构参数对目标车辆产生异响的影响程度。
具体地，异响分析控制器将结构参数输入到近似数值模型中并结合辅助试验设计进行计算分析，获取结构参数对应的异响贡献度。其中，辅助试验设计DOE(DESIGN OFEXPERIMENT，试验设计)为一种辅助试验设计方法，包括正交试验设计法和析因法。需要说明的是，异响分析控制器通过异响贡献度能够获取对目标车辆产生异响影响程度的结构参数，进一步通过结构参数确定目标车辆产生异响的目标位置。可以理解地，此处的异响影响程度可以反映多个结构参数对目标车辆产生异响的贡献程度，可以根据贡献程度的大小排序，以获取车辆异响优化方案。
S50：选取前N个异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，其中，N≧1。
其中，车辆异响优化方案为从前N个异响贡献度对应的结构参数中确定目标车辆产生异响的目标位置的方案。前N个异响贡献度对应的结构参数为对目标车辆产生异响的影响最大或者较大的前几个的结构参数。
具体地，异响分析控制器基于结构参数对应的异响贡献度，选取前N个异响贡献度较大或最大的结构参数，采用优化算法对目标车辆产生异响的影响最大或者较大的前几个的结构参数进行优化，获取车辆异响优化方案。
本实施例所提供的车辆异响分析优化方法中，通过异响测试获取测试位置对应的车辆异响数据，并提取车辆异响评价指标对应的异响分析数据，通过对目标车辆的动力总成结构进行仿真分析，根据仿真分析结果提取结构参数，以通过结构参数进一步进行目标车辆的异响分析，避免了反复更换目标车辆结构部件来分析车辆异响的问题，提高了异响分析的效率。通过建立异响分析数据与结构参数的近似数值模型并结合辅助试验设计，能够判断目标车辆相关结构参数的异响贡献度，以解决通过主观经验判断车辆异响的相关位置的问题，提高实用性；基于对目标车辆产生异响的影响较大的结构参数进行优化，获取车辆异响优化方案，提高异响分析的准确率和效率。
在一实施例中，如图2所示，步骤S20中，对目标车辆进行仿真分析，获取测试位置对应的仿真分析结果，根据仿真分析结果提取出与车辆异响相关的结构参数，包括：
S21：基于目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型。
其中，动力总成几何模型为对目标车辆的动力总成结构进行仿真模拟建立的几何模型。动力总成有限元模型为对目标车辆的动力总成结构进行有限元仿真模拟建立的有限元模型。动力总成动力学模型为对目标车辆的动力总成结构的连接关系进行仿真模拟建立的动力学模型。
具体地，将动力总成几何模型导入Hypermesh进行有限元处理，得到动力总成有限元模型。其中，Hypermesh为有限元处理的软件。动力总成结构的有限元为动力总成结构中每一结构对应的有限元。
具体地，将动力总成有限元模型进行缩减后得到的文件导入AVL-EXCITE软件，通过AVL-EXCITE软件的Power Unit模块对目标车辆的动力总成结构的连接关系进行设置并建立动力总成动力学模型。其中，AVL-EXCITE为非线性多体动力学软件。
S22：采用动力总成有限元模型和动力总成动力学模型，对目标车辆进行仿真分析，获取测试位置对应的仿真分析结果。
其中，仿真分析结果为对目标车辆进行仿真分析得到的结果，包括模态仿真结果和振动仿真结果。
具体地，采用NASTRAN软件对进行模态求解，获取模态仿真结果，模态仿真结果为对动力总成有限元模型进行模态求解得到的结果。采用AVL-EXCITE软件对曲轴扭振和动力总成表面振动进行求解，获取振动仿真结果，振动仿真结果为对动力总成动力学模型进行曲轴扭振和动力总成表面振动求解得到的结果。
作为一示例，通过NASTRAN对动力总成有限元模型进行模态求解，获取动力总成有限元模型中对应的动力总成结构测试位置对应的固有频率、阻尼比和模态振型等参数，以获取模态仿真结果；通过AVL-EXCITE对动力总成动力学模型进行曲轴扭振和动力总成表面振动求解，获取动力总成动力学模型中对应的动力总成结构的曲轴扭振和动力总成表面振动，以获取振动仿真结果。
S23：根据仿真分析结果和异响分析数据，提取出与车辆异响相关的结构参数。
具体地，异响分析控制器通过获取异响分析数据中存在异响的测试位置，结合仿真分析结果中的模态仿真结果和振动仿真结果，提取出与车辆异响相关的结构参数。
在本实施例中，异响分析控制器通过导入仿真分析结果，通过建立车辆异响与结构参数的近似数值模型并结合辅助试验设计获取结构参数能够对目标车辆产生异响的结构进行综合评价，基于对目标车辆产生异响的影响较大的结构参数进行优化，获取车辆异响优化方案，提高异响分析的准确率。以通过建立动力总成有限元模型和动力总成动力学模型获取仿真分析结果，结合异响分析数据获取车辆异响相关的结构参数，以进一步通过建立结构参数与异响分析数据的近似数值模型并结合辅助试验设计获取结构参数能够对目标车辆产生异响的结构进行综合评价，基于对目标车辆产生异响的影响较大的结构参数进行优化，获取车辆异响优化方案，提高异响分析的准确率。
在一实施例中，如图3所示，步骤S21中，基于目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型，包括：
S211：对动力总成几何模型进行网格化处理，建立动力总成有限元模型。
其中，网格化处理为对动力总成几何模型进行有限元处理。
具体地，将动力总成几何模型导入Hypermesh进行网格化处理，得到动力总成有限元模型。
作为一示例，将动力总成几何模型导入Hypermesh进行体网格划分，为避免网格大小造成的计算误差，网格大小设置为6mm，并通过Hypermesh软件中的rbe2和cbar模拟单元进行螺栓模拟，在每个螺栓处建立washer，建立动力总成有限元模型。其中，washer直径为1.5-2倍的螺栓直径，用于加固螺栓之间的连接。
S212：基于动力总成几何模型中动力总成的连接方式和动力总成有限元模型，建立动力总成动力学模型。
具体地，将动力总成几何模型导入AVL-EXCITE软件，通过AVL-EXCITE软件的PowerUnit模块对目标车辆的动力总成结构的连接关系进行设置，并建立动力总成动力学模型。
作为一示例，将动力总成有限元模型缩减后得到的文件导入AVL-EXCITE软件，在AVL-EXCITE软件的Power Unit模块，将动力总成结构中的活塞与缸套之间采用弹簧阻尼单元，模拟活塞与缸套之间的连接关系，主轴承采用Power Unit模块中的EHD连接方式，采用扭矩曲线模拟液力变矩器的连接，建立动力总成动力学模型。
在本实施例中，基于动力总成几何模型中动力总成的连接方式，建立动力总成动力学模型，以通过动力总成有限元模型和动力总成动力学模型对目标车辆进行异响分析，并结合辅助试验设计分析，提取出与车辆异响相关的结构参数，避免了反复更换目标车辆结构部件来分析车辆异响的问题，提高了异响分析的效率。
在一实施例中，如图4所示，在步骤S21中，对动力总成几何模型进行网格化处理，建立动力总成有限元模型，包括：
S231：对动力总成几何模型进行网格化处理，建立初始总成有限元模型。
其中，初始总成有限元模型为对目标车辆的动力总成结构进行有限元仿真模拟建立的有限元模型。
具体地，将动力总成几何模型导入Hypermesh进行网格化处理，得到初始总成有限元模型。
S232：对初始总成有限元模型进行模态测试，获取初始总成有限元模型的模态仿真结果。
其中，模态仿真结果为对初始总成有限元模型进行模态测试得到的结果。
具体地，将初始总成有限元模型导入NASTRAN软件，通过NASTRAN软件对初始总成有限元模型进行求解，获取初始总成有限元模型的模态仿真结果。
S233：若初始总成有限元模型的模态仿真结果与预设测试结果之间的误差小于第一误差阈值，则将初始总成有限元模型确定为动力总成有限元模型。
其中，预设测试结果为自定义设置的结果，用于与模态仿真结果进行误差比较。第一误差阈值为自定义设置的阈值，用于限定模态仿真结果与预设测试结果之间的误差。
具体地，计算模态仿真结果与预设测试结果之间的误差，若模态仿真结果与预设测试结果之间的误差小于第一误差阈值，则将初始总成有限元模型确定为动力总成有限元模型。若模态仿真结果与预设测试结果之间的误差不小于第一误差阈值，则采用Hypermesh重新调整初始总成有限元模型，并对初始总成有限元模型进行分析计算。
在本实施例中，通过对初始总成有限元模型进行测试，获取模态仿真结果，根据模态仿真结果确定动力总成有限元模型，能够提高动力总成有限元模型的精度，提高异响分析方法的准确率。
在一实施例中，如图5所示，在步骤S22中，基于动力总成几何模型中动力总成的连接方式，建立动力总成动力学模型，包括：
S221：基于动力总成几何模型中动力总成的连接方式和动力总成有限元模型，建立初始总成动力学模型。
其中，初始总成动力学模型为对目标车辆的动力总成结构连接方式进行仿真模拟建立的动力学模型。具体地，将动力总成有限元模型进行缩减后得到的文件导入AVL-EXCITE软件，通过AVL-EXCITE软件的Power Unit模块对目标车辆的动力总成结构的连接关系进行设置并建立初始动力总成动力学模型。
S222：对初始总成动力学模型进行曲轴扭振测试和表面振动测试，获取初始总成动力学模型的振动仿真结果。
其中，振动仿真结果为对初始总成动力学模型进行曲轴扭振测试和表面振动测试得到的结果。
具体地，采用AVL-EXCITE软件对初始总成动力学模型进行曲轴扭振测试和表面振动测试求解，获取振动仿真结果。
S223：若初始总成动力学模型的振动仿真结果与预设振动结果之间的误差小于第二误差阈值，将初始总成动力学模型确定为动力总成动力学模型。
其中，预设振动结果为自定义设置的结果，用于与振动仿真结果进行误差比较。第二误差阈值为自定义设置的阈值，用于限定振动仿真结果与预设振动结果之间的误差。
具体地，计算振动仿真结果与预设振动结果之间的误差，若初始总成动力学模型的振动仿真结果与预设振动结果之间的误差小于第二误差阈值，将初始总成动力学模型确定为动力总成动力学模型；若初始总成动力学模型的振动仿真结果与预设振动结果之间的误差不小于第二误差阈值，则采用AVL-EXCITE重新创建始总成动力学模型，并对始总成动力学模型进行测试。
在本实施例中，通过对初始总成动力学模型进行测试，获取振动测试结果，根据振动测试结果确定动力总成动力学模型，能够提高动力总成动力学模型的精度，提高异响分析方法的准确率。
在一实施例中，如图6所示，在步骤S30中，基于测试位置对应的车辆异响数据和结构参数，构建近似数值模型，包括：
S31：基于响应面模型，建立异响分析数据与结构参数的函数关系。
其中，响应面(ResponseSurfaceMethodology，RSM)模型为将复杂的未知的函数关系，在区域内用简单的一次或二次多项式模型来拟合因素与响应值之间函数关系的模型。函数关系为异响分析数据与结构参数之间的数值关系。
具体地，异响分析控制器通过响应面模型对结构参数和测试位置对应的异响分析数据进行数值关系建立，通过数值关系确定相似度最大的异响分析数据和结构参数，提高异响分析控制器通过结构参数对目标车辆进行异响分析的准确率。需要说明的是，在对结构参数和测试位置对应的异响分析数据进行数值关系建立之前包括：通过拉丁超立方设计对结构参数进行处理，获取结构参数矩阵，异响分析控制器通过响应面模型对结构参数和异响分析数据进行数值关系建立来实现结构参数与异响分析数据函数关系的建立。其中，拉丁超立方设计为(Latin hypercube sampling，缩写LHS)是一种从多元参数分布中近似随机抽样的方法，属于分层抽样技术。
S32：基于函数关系，构建近似数值模型。
具体地，异响分析控制器通过异响分析数据与结构参数之间的函数关系，构建近似数值模型，进而通过近似数值模型和辅助试验设计得到结构参数对车辆异响的贡献，确定车辆异响发生的目标位置。
在本实施例中，异响分析控制器通过响应面模型对结构参数和测试位置对应的异响分析数据进行函数关系建立，基于函数关系，构建近似数值模型，结合辅助试验设计，得到结构参数对车辆异响的贡献，确定车辆异响发生的目标位置，提高异响分析控制器通过结构参数对目标车辆进行异响分析的准确率。
在一实施例中，如图7所示，在步骤S50中，根据结构参数对应的异响贡献度，获取车辆异响优化方案，包括；
S51：根据前N个异响贡献度对应的结构参数，确定优化分析变量。
具体地，异响分析控制器通过DOE对结构参数进行异响贡献度分析，确定优化分析变量。其中，DOE(DESIGN OF EXPERIMENT，试验设计)为一种辅助试验设计方法，包括正交试验设计法和析因法。该优化分析变量是根据异响贡献度较大的前N个结构参数确定的需要优化分析的变量。
S52：采用多目标粒子群算法对对优化分析变量进行多目标优化，获取车辆异响优化方案。
其中，多目标优化为从优化分析变量中确定前N个异响贡献度中对应的结构参数。
具体地，异响分析控制器通过多目标粒子群算法对优化分析变量进行多目标优化，确定解决车辆异响的最优结构参数，获取车辆异响优化方案。其中，多目标粒子群算法为对一个以上的优化分析变量进行优化的多目标算法。例如，优化分析变量为动力总成中的轴系的结构参数，通过多目标粒子群算法对轴系的结构参数进行多目标优化，确定轴系中的止推轴承间隙、主轴承间隙的最优值，获取车辆异响优化方案，以基于车辆异响优化方案改善车辆异响。
作为一示例，对车辆异响的目标位置为动力总成结构中的轴系进行参数化处理，获取结构参数包括且不局限于以下参数：主轴承间隙、止推轴承间隙、输入轴间隙、曲轴一阶扭转模态、前端距离、齿轮宽度、齿轮压力角、齿轮螺旋角等，采用拉丁超立方设计得到共80组轴系的结构参数矩阵。随机选取80组轴系的结构参数矩阵其中75组建立车辆异响数据与轴系的结构参数的近似数值模型，并用余下的5组对近似数值模型进行模型准确性的验证；服务端按照描述抽样方法，通过动力总成有限元模型和动力总成动力学模型基于分布函数以均匀分布概率生成轴系的结构参数；设置轴系的结构参数的数量为1000，基于DOE对轴系的结构参数进行贡献度分析，选取出对车辆异响贡献度较大的轴系的结构参数并作为后续优化分析的变量；设置多目标粒子群算法最大迭代次数150，初始粒子数40，惯性权重0.9，全局增量0.9，粒子增量0.9，以降低车辆异响为目标，采用多目标粒子群算法对车辆异响贡献度较大的轴系的结构参数进行多目标优化，找出轴系的结构参数最优解，确定解决车辆异响的目标位置。
在本实施例中，异响分析控制器通过多目标遗传算法对优化分析变量进行多目标优化，确定最优结构参数，能够快速获取改善车辆异响的结构参数，实现对目标车辆的异响分析，提高异响分析的效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种车辆异响分析装置，该车辆异响分析装置与上述实施例中车辆异响分析优化方法一一对应。如图8所示，该车辆异响分析装置包括异响测试模块10、参数获取模块20、模型构建模块30、参数分析模块40和结果获取模块50。各功能模块详细说明如下：
异响测试模块10，用于对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据；
参数获取模块20，用于对目标车辆进行仿真分析，获取测试位置对应的仿真分析结果，根据仿真分析结果提取出与车辆异响相关的结构参数；
模型构建模块30，用于基于异响分析数据和结构参数，构建近似数值模型；
参数分析模块40，用于根据近似数值模型和辅助试验设计，对结构参数进行贡献度分析，获取结构参数对应的异响贡献度；
结果获取模块50，用于选取前N个异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，其中，N≧1。
进一步地，参数获取模块20包括：
模型建立子模块，用于基于目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型；
分析结果子模块，用于采用动力总成有限元模型和动力总成动力学模型，对目标车辆进行仿真分析，获取测试位置对应的仿真分析结果；
结构参数子模块，用于根据仿真分析结果和异响分析数据，提取出与车辆异响相关的结构参数。
进一步地，参数获取模块20还包括：
网格化子模块，用于对动力总成几何模型进行网格化处理，建立动力总成有限元模型；
连接方式子模块，用于基于动力总成几何模型中动力总成的连接方式和动力总成有限元模型，建立动力总成动力学模型。
进一步地，参数获取模块20还包括：
初始有限元子模块，用于对动力总成几何模型进行网格化处理，建立初始总成有限元模型；
模态测试子模块，用于对初始总成有限元模型进行模态测试，获取初始总成有限元模型的模态仿真结果；
有限元模型确定子模块，用于若初始总成有限元模型的模态仿真结果与预设测试结果之间的误差小于第一误差阈值，则将初始总成有限元模型确定为动力总成有限元模型。
进一步地，参数获取模块20还包括：
初始动力学子模块，用于基于动力总成几何模型中动力总成的连接方式和动力总成有限元模型，建立初始总成动力学模型；
振动测试子模块，用于对初始总成动力学模型进行曲轴扭振测试和表面振动测试，获取初始总成动力学模型的振动仿真结果；
动力学模型确定子模块，用于若初始总成动力学模型的振动仿真结果与预设振动结果之间的误差小于第二误差阈值，将初始总成动力学模型确定为动力总成动力学模型。
进一步地，模型构建模块30包括：
关系建立子模块，用于基于响应面模型，建立异响分析数据与结构参数的函数关系；
数据模型子模块，用于基于函数关系，构建近似数值模型。
进一步地，结果获取模块50包括：
变量确定子模块，用于根据前N个所述异响贡献度对应的结构参数，确定优化分析变量；
目标优化子模块，用于采用多目标粒子群算法对对所述优化分析变量进行多目标优化，获取车辆异响优化方案。
关于车辆异响分析装置的具体限定可以参见上文中对于车辆异响分析优化方法的限定，在此不再赘述。上述车辆异响分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种异响分析控制器，该异响分析控制器可以是服务器，其内部结构图可以如图9所示。该异响分析控制器包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该异响分析控制器的处理器用于提供计算和控制能力。该异响分析控制器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、异响分析程序和数据库。该内存储器为非易失性存储介质中的操作系统和异响分析程序的运行提供环境。该异响分析控制器的数据库用于车辆异响分析优化方法。该异响分析控制器的网络接口用于与外部的终端通过网络连接通信。该异响分析程序被处理器执行时以实现一种车辆异响分析优化方法。
在一个实施例中，提供了一种异响分析控制器，包括存储器、处理器及存储在存储器上并可在处理器上运行的异响分析程序，处理器执行异响分析程序时实现上述实施例中车辆异响分析优化方法，例如步骤S10至步骤S50，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现车辆异响分析装置这一实施例中的各模块/单元的功能，例如模块10至模块50，为避免重复，这里不再赘述。
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中车辆异响分析优化方法，例如步骤S10至步骤S50，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述车辆异响分析装置这一实施例中的各模块/单元的功能，例如模块10至模块50，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过异响分析程序来指令相关的硬件来完成，所述的异响分析程序可存储于一非易失性计算机可读取存储介质中，该异响分析程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种车辆异响分析优化方法，其特征在于，包括：
对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据；
对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果，根据所述仿真分析结果提取出与车辆异响相关的结构参数；
基于所述异响分析数据和所述结构参数，构建近似数值模型；
根据所述近似数值模型和辅助试验设计，对所述结构参数进行贡献度分析，获取所述结构参数对应的异响贡献度；
根据前N个所述异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，其中，N≧1。
2.如权利要求1所述的车辆异响分析优化方法，所述对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果，根据所述仿真分析结果提取出与车辆异响相关的结构参数，包括：
基于所述目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型；
采用所述动力总成有限元模型和所述动力总成动力学模型，对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果；
根据所述仿真分析结果和所述异响分析数据，提取出与车辆异响相关的结构参数。
3.如权利要求2所述的车辆异响分析优化方法，其特征在于，基于所述目标车辆的动力总成几何模型，建立动力总成有限元模型和动力总成动力学模型，包括：
对所述动力总成几何模型进行网格化处理，建立动力总成有限元模型；
基于所述动力总成几何模型中动力总成的连接方式和所述动力总成有限元模型，建立动力总成动力学模型。
4.如权利要求3所述的车辆异响分析优化方法，其特征在于，对所述动力总成几何模型进行网格化处理，建立动力总成有限元模型，包括：
对所述动力总成几何模型进行网格化处理，建立初始总成有限元模型；
对所述初始总成有限元模型进行模态测试，获取所述初始总成有限元模型的模态仿真结果；
若所述初始总成有限元模型的模态仿真结果与预设测试结果之间的误差小于第一误差阈值，则将所述初始总成有限元模型确定为所述动力总成有限元模型。
5.如权利要求3所述的车辆异响分析优化方法，其特征在于，所述基于所述动力总成几何模型中动力总成的连接方式和所述动力总成有限元模型，建立动力总成动力学模型，包括：
基于所述动力总成几何模型中动力总成的连接方式和所述动力总成有限元模型，建立初始总成动力学模型；
对所述初始总成动力学模型进行曲轴扭振测试和表面振动测试，获取所述初始总成动力学模型的振动仿真结果；
若所述初始总成动力学模型的振动仿真结果与预设振动结果之间的误差小于第二误差阈值，将所述初始总成动力学模型确定为所述动力总成动力学模型。
6.如权利要求1所述的车辆异响分析优化方法，其特征在于，所述基于所述异响分析数据和所述结构参数，构建近似数值模型，包括：
基于响应面模型，建立所述异响分析数据与所述结构参数的函数关系；
基于所述函数关系，构建近似数值模型。
7.如权利要求1所述的车辆异响分析优化方法，其特征在于，所述根据前N个所述异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，包括：
根据前N个所述异响贡献度对应的结构参数，确定优化分析变量；
采用多目标粒子群算法对对所述优化分析变量进行多目标优化，获取车辆异响优化方案。
8.一种车辆异响分析装置，其特征在于，包括：
异响测试模块，用于对目标车辆进行异响测试，获取测试位置对应的车辆异响数据，提取车辆异响评价指标对应的异响分析数据；
参数获取模块，用于对所述目标车辆进行仿真分析，获取所述测试位置对应的仿真分析结果，根据所述仿真分析结果提取出与车辆异响相关的结构参数；
模型构建模块，用于基于所述异响分析数据和所述结构参数，构建近似数值模型；
参数分析模块，用于根据所述近似数值模型和辅助试验设计，对所述结构参数进行贡献度分析，获取所述结构参数对应的异响贡献度；
结果获取模块，用于根据前N个所述异响贡献度对应的结构参数，采用优化算法对车辆异响进行优化，获取车辆异响优化方案，其中，N≧1。
9.一种异响分析控制器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的异响分析程序，其特征在于，所述处理器执行所述异响分析程序时实现如权利要求1至7任一项所述车辆异响分析优化方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有异响分析程序，其特征在于，所述异响分析程序被处理器执行时实现如权利要求1至7任一项所述车辆异响分析优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010476109.8A CN113742953A (zh) | 2020-05-29 | 2020-05-29 | 车辆异响分析优化方法、装置、控制器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010476109.8A CN113742953A (zh) | 2020-05-29 | 2020-05-29 | 车辆异响分析优化方法、装置、控制器及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113742953A true CN113742953A (zh) | 2021-12-03 |
Family
ID=78724687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010476109.8A Pending CN113742953A (zh) | 2020-05-29 | 2020-05-29 | 车辆异响分析优化方法、装置、控制器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113742953A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114993694A (zh) * | 2022-05-07 | 2022-09-02 | 沙龙机甲科技有限公司 | 车辆bsr性能评价方法、装置、电子设备及车辆 |
| CN115217664A (zh) * | 2021-06-07 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种气缸压力控制方法、装置及存储介质 |
| CN115828438A (zh) * | 2023-02-20 | 2023-03-21 | 中汽研汽车检验中心（天津）有限公司 | 汽车极限性能预测方法、介质、设备 |
| CN116183241A (zh) * | 2023-02-15 | 2023-05-30 | 杭州腾励传动科技股份有限公司 | 一种车辆绕8字急加速异响降低及测试方法 |
| CN116661428A (zh) * | 2023-07-28 | 2023-08-29 | 江西五十铃汽车有限公司 | 一种整车性能参数测试方法及系统 |
| CN117725765A (zh) * | 2024-02-07 | 2024-03-19 | 中汽研汽车检验中心（天津）有限公司 | 基于响应分析的车辆悬架多目标优化方法、设备和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104948329A (zh) * | 2015-05-18 | 2015-09-30 | 广州汽车集团股份有限公司 | 一种发动机设计方法 |
| CN109711061A (zh) * | 2018-12-28 | 2019-05-03 | 重庆长安汽车股份有限公司 | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 |
| CN109753722A (zh) * | 2018-12-29 | 2019-05-14 | 北京长城华冠汽车技术开发有限公司 | 一种提高噪声传递函数的优化设计方法和系统 |
| US20190318051A1 (en) * | 2016-07-13 | 2019-10-17 | Avl List Gmbh | Method for simulation-based analysis of a motor vehicle |
-
2020
- 2020-05-29 CN CN202010476109.8A patent/CN113742953A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104948329A (zh) * | 2015-05-18 | 2015-09-30 | 广州汽车集团股份有限公司 | 一种发动机设计方法 |
| US20190318051A1 (en) * | 2016-07-13 | 2019-10-17 | Avl List Gmbh | Method for simulation-based analysis of a motor vehicle |
| CN109711061A (zh) * | 2018-12-28 | 2019-05-03 | 重庆长安汽车股份有限公司 | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 |
| CN109753722A (zh) * | 2018-12-29 | 2019-05-14 | 北京长城华冠汽车技术开发有限公司 | 一种提高噪声传递函数的优化设计方法和系统 |
Non-Patent Citations (4)
| Title |
|---|
| SINISA JURKOVIC 等: "Design, optimization and development of electric machine for traction application in GM battery electric vehicle", 《2015 IEEE INTERNATIONAL ELECTRIC MACHINES & DRIVES CONFERENCE (IEMDC)》, 13 May 2015 (2015-05-13), pages 1814 - 1819, XP032866054, DOI: 10.1109/IEMDC.2015.7409310 * |
| 宁明志 等: "关于车辆起步离合器半联动异响问题的研究", 《汽车实用技术》, no. 11, 15 June 2018 (2018-06-15), pages 77 - 79 * |
| 张雄 等: "广汽机电耦合系统(G-MC)的开发和应用", 《重庆理工大学学报(自然科学)》, vol. 33, no. 2, 15 February 2019 (2019-02-15), pages 50 - 55 * |
| 杨文英 等: "轴系扭振诱发的车内异响诊断及优化", 《振动.测试与诊断》, vol. 38, no. 2, 15 April 2018 (2018-04-15), pages 401 - 406 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115217664A (zh) * | 2021-06-07 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种气缸压力控制方法、装置及存储介质 |
| CN115217664B (zh) * | 2021-06-07 | 2023-09-29 | 广州汽车集团股份有限公司 | 一种气缸压力控制方法、装置及存储介质 |
| CN114993694A (zh) * | 2022-05-07 | 2022-09-02 | 沙龙机甲科技有限公司 | 车辆bsr性能评价方法、装置、电子设备及车辆 |
| CN116183241A (zh) * | 2023-02-15 | 2023-05-30 | 杭州腾励传动科技股份有限公司 | 一种车辆绕8字急加速异响降低及测试方法 |
| CN116183241B (zh) * | 2023-02-15 | 2023-10-03 | 杭州腾励传动科技股份有限公司 | 一种车辆绕8字急加速异响降低及测试方法 |
| CN115828438A (zh) * | 2023-02-20 | 2023-03-21 | 中汽研汽车检验中心（天津）有限公司 | 汽车极限性能预测方法、介质、设备 |
| CN115828438B (zh) * | 2023-02-20 | 2023-05-05 | 中汽研汽车检验中心（天津）有限公司 | 汽车极限性能预测方法、介质、设备 |
| CN116661428A (zh) * | 2023-07-28 | 2023-08-29 | 江西五十铃汽车有限公司 | 一种整车性能参数测试方法及系统 |
| CN116661428B (zh) * | 2023-07-28 | 2023-11-03 | 江西五十铃汽车有限公司 | 一种整车性能参数测试方法及系统 |
| CN117725765A (zh) * | 2024-02-07 | 2024-03-19 | 中汽研汽车检验中心（天津）有限公司 | 基于响应分析的车辆悬架多目标优化方法、设备和介质 |
| CN117725765B (zh) * | 2024-02-07 | 2024-05-31 | 中汽研汽车检验中心（天津）有限公司 | 基于响应分析的车辆悬架多目标优化方法、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113742953A (zh) | 车辆异响分析优化方法、装置、控制器及存储介质 | |
| US7788070B2 (en) | Product design optimization method and system | |
| US20070061144A1 (en) | Batch statistics process model method and system | |
| US20060229753A1 (en) | Probabilistic modeling system for product design | |
| CN106991216B (zh) | 汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 | |
| JP2008536221A (ja) | 制御システムおよび方法 | |
| JP2008536219A (ja) | 診断及び予知方法並びにシステム | |
| JP2010530179A (ja) | 仮想センサ・システムおよび方法 | |
| CN111931311B (zh) | 发动机零部件的结构优化方法、装置、设备及存储介质 | |
| CN113591234A (zh) | 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法 | |
| CN114048544B (zh) | 飞行器结构响应特性预示方法、装置、设备和介质 | |
| CN112464401B (zh) | 一种金属材料焊点的精准建模方法 | |
| CN113139250B (zh) | 哥林柱疲劳寿命预测方法、装置、设备及计算机可读介质 | |
| CN115358128B (zh) | 一种海上风机的基准状态空间模型构建方法 | |
| CN111783328B (zh) | 一种基于有限元分析的电机接合面泄露风险确定方法 | |
| CN112417590A (zh) | 车体设计优化方法、装置、汽车及存储介质 | |
| Rai et al. | Generative Design of Articulated Rod of Radial Engine | |
| CN114792060B (zh) | 一种前副车架加速疲劳试验方法 | |
| CN115219207B (zh) | 发动机排放预测方法、试验上位机及存储介质 | |
| CN112339884B (zh) | 稳定杆布置位置确定方法、装置及可读存储介质 | |
| CN116842663B (zh) | 一种基于机器学习的汽车板簧非线性时变应力值测量方法 | |
| CN118468672A (zh) | 一种湿式气缸套可靠性分析方法、装置、设备和存储介质 | |
| US11216600B2 (en) | Liner polish analysis platform | |
| CN117272507A (zh) | 转向结构、转向结构的设计方法和装置 | |
| CN115221603A (zh) | 帕累托边界优化的非线性修正方法、装置、设备及介质 |
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 |