CN113987677B - 一种汽车声学包装仿真优化设计方法 - Google Patents

一种汽车声学包装仿真优化设计方法 Download PDF

Info

Publication number
CN113987677B
CN113987677B CN202111275579.9A CN202111275579A CN113987677B CN 113987677 B CN113987677 B CN 113987677B CN 202111275579 A CN202111275579 A CN 202111275579A CN 113987677 B CN113987677 B CN 113987677B
Authority
CN
China
Prior art keywords
variable
output
model
input
optimus
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.)
Active
Application number
CN202111275579.9A
Other languages
English (en)
Other versions
CN113987677A (zh
Inventor
黄义
刘林
李丁
张松波
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202111275579.9A priority Critical patent/CN113987677B/zh
Publication of CN113987677A publication Critical patent/CN113987677A/zh
Application granted granted Critical
Publication of CN113987677B publication Critical patent/CN113987677B/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]
    • G06F30/10—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]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F2119/10—Noise analysis or noise optimisation
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种汽车声学包装仿真优化设计方法，步骤包括：在VA One环境中生成整车SEA模型，在VA One环境中对整车SEA模型进行求解得到输出模型；将输出模型关联到Optimus环境下；在Optimus中选取待优化的输入变量和输出变量；计算输入变量与输出变量之间的相关系数；按照相关系数大小，选取对输出变量影响较大的输入变量进行优化设计，对选取的输入变量及对应的输出变量的数据进行拟合，得到代理模型；若代理模型精度大于预设精度阈值a%，则基于代理模型进行优化分析。该方法大大增加了VA One优化参数和优化目标的可选范围，且在Optimus环境中可视化更好，操作简单，易于修改，适用性广，提高了优化设计的效率，缩短了研发周期。

Description

一种汽车声学包装仿真优化设计方法
技术领域
本发明涉及汽车NVH技术领域，尤其涉及一种汽车声学包装仿真优化设计方法。
背景技术
汽车声学包装指汽车车身上的起声学作用软内饰如地毯、顶棚等和其它隔音垫、吸音棉等零件的统称，用于控制汽车高频噪声，高频声学仿真多采用统计能量分析法(英文缩写：SEA)。SEA仿真计算软件VAOne是一款全频段噪声仿真分析计算软件，被广泛地应用于汽车、航空航天等领域的仿真尤其是高频仿真分析，用以解决高频振动噪声的问题。目前VAOne的GUI优化模块中提供给用户可优化设计变量仅包含了材料密度、流阻、NCT厚度和MNCT覆盖率等，优化目标也只有重量、声压级等，而无法对材料孔隙率、特征长度、杨氏模量、质量层面密度、泄漏等更多的参数进行优化，参数的变量类型仅为数值型，参数之间建立变量依赖关系操作复杂，优化目标值单一，无法将工程中常用的语音清晰度(AI)、总价格等设置为优化目标值，使得VAOne原有的优化程序适用范围太窄。虽然VAOne又为用户提供了Script脚本功能在一定程度上缓和了上述问题，但使用Script一方面非常不直观，一方面又需要用户对VAOne底层函数和算法非常熟练，因此限制了VAOne在优化设计中的功能。
发明内容
本发明的目的是提供一种汽车声学包装仿真优化设计方法，大大增加VAOne优化参数和优化目标的可选范围，且在Optimus环境中可视化更好，操作简单，易于修改，适用性广，能提高优化设计的效率，缩短研发周期。
为实现上述目的，本发明提供了一种汽车声学包装仿真优化设计方法，步骤包括：
(S1)在VAOne环境中生成用于仿真优化的xml格式的整车SEA模型，设置整车SEA模型的求解频率和待优化的参数变量的名称，其中，参数变量包括输入变量和输出变量，所有需要优化的参数变量都应从所述整车SEA模型中选取；
(S2)在VAOne环境中对所述整车SEA模型进行求解，得到输出模型；
(S3)将输出模型关联到Optimus环境下；
(S4)在Optimus中选取待优化的输入变量和输出变量；
(S5)选择试验方法计算输入变量与输出变量之间的相关系数，以确定输入变量对输出变量的影响程度；
(S6)按照相关系数大小，选取对输出变量影响较大的输入变量进行优化设计，对选取的输入变量及对应的输出变量的数据进行拟合，得到代理模型，其中，对输出变量影响较大的输入变量的相关系数绝对值需大于第一预设值；
(S7)判断代理模型精度是否大于预设精度阈值a％，若是，转至执行步骤(S8)；否则，增加各输入变量和输出变量的样本量，并转至执行步骤(S5)；
(S8)确定各个输入变量的优化范围，并结合性能要求确定出各个输出变量的优化范围，基于该代理模型采用自适应进化算法对输入变量进行优化，求得满足性能要求的最优设计参数组合。
进一步，所述整车SEA模型通过模态相似原则将整车划分为k个子系统，通过能量守恒定律建立整车系统平衡方程如下：
Figure BDA0003329219550000021
其中，ω是分析圆频率；ηi是子系统i的内损耗因子；Ei是系统子系统i的能量；ηij和ηji是耦合损耗因子，代表能量从子系统i(j)传向子系统j(i)，Ni是子系统i的模态数，Πin,i是子系统i的输入功率。
进一步，在步骤(S5)中，所述试验方法为拉丁方。
进一步，相关系数corr(X,Y)计算公式如下：
Figure BDA0003329219550000022
其中，E(X)是随机变量X的期望，E(Y)是随机变量Y的期望，σX是随机变量X的标准差，σY是随机变量Y的标准差，随机变量X即为输入变量，随机变量Y即为输出变量。
进一步，在步骤(S6)中，所述拟合方法采用多项式响应面法。
进一步，在步骤(S6)中，所述代理模型F(x)为：
Figure BDA0003329219550000023
其中，响应面可以是1阶，2阶，3阶或4阶,不考虑3阶与4阶变量之间的交互作用，xi为n维自变量x的第i个分量，xj为n维自变量x的第j个分量，a0、bi、cii、cij、dii、eii为系数，自变量x即为输入变量。
进一步，在步骤(S3)中，所述将输出模型关联到Optimus环境下，具体转换方式为：
VAOne求解命令使用-SolveLoadCases/-Solve配合-Export分别完成其在Optimus中的求解和输出；
选择File格式模块作为Optimus的输入文件接口类型，关联xml格式输入文件；
选择hdf格式模块作为Optimus的输出文件接口类型，关联hdf格式输出文件；
在Optimus中使用批处理程序Solve.exe调用VAOne进行计算。
进一步，所述预设精度阈值a％的取值范围为90％～100％。
进一步，在步骤(S4)中，选取的待优化的输入变量包括轮罩吸音棉覆盖率、C立柱下吸音棉覆盖率、行李箱地毯厚度、主地毯软层厚度和顶棚吸音棉覆盖率；
选取的待优化的输出变量包括后排副驾侧人耳总声压级、后排副驾侧人耳和价格。
进一步，所述求解频率为200—8000Hz的1/3倍频程。
本发明与现有技术相比较具有以下优点：
本发明的汽车声学包装仿真优化设计方法，在Optimus环境中进行VAOne优化设计，大大增加了VAOne优化参数和优化目标的可选范围，且在Optimus环境中可视化更好，操作简单，易于修改，适用性广，能够提高优化设计的效率，缩短研发周期。
附图说明
图1为本发明汽车声学包装仿真优化设计方法的流程图；
图2为本发明VAOne优化设计在Optimus中的求解流程框图；
图3为本发明的研究对象-某车型整车声学包装零件示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
Optimus是一款过程集成和优化设计软件，集成CAD/CAE仿真工具，实现仿真流程自动化，包括实验设计、单目标/多目标、鲁棒性/可靠性设计等模块，是一款多学科仿真设计辅助工具。
参见图1至图3所示，本实施例公开了一种汽车声学包装仿真优化设计方法，步骤包括：
(S1)在VAOne环境中生成用于仿真优化的xml格式的整车SEA模型，设置整车SEA模型的求解频率和待优化的参数变量的名称，其中，参数变量包括输入变量和输出变量，所有需要优化的参数变量都应从所述整车SEA模型中选取；为待优化的输入输出变量取好便于搜索识别的名字，例如地毯绒毡厚度变量取名示例：Floor_Felt_Thickness。
(S2)在VAOne环境中对所述整车SEA模型进行求解，得到输出模型；此步骤不得再对输出模型做修改；输出模型为hdf格式。
(S3)将输出模型关联到Optimus环境下；
(S4)在Optimus中选取待优化的输入变量和输出变量；打开VAOne的xml格式输入文件，通过输入变量名称搜索定位到正确的输入变量位置，并将其设置为输入变量(Inputs)；打开VAOne的hdf格式输出文件，通过过滤器或者分组找到正确的输出变量位置，并将其设置为输出变量(Outputs)。
(S5)选择试验方法计算输入变量与输出变量之间的相关系数，以确定输入变量对输出变量的影响程度；
(S6)按照相关系数大小，选取对输出变量影响较大的输入变量进行优化设计，对选取的输入变量及对应的输出变量的数据进行拟合，得到代理模型；其中，对输出变量影响较大的输入变量的相关系数绝对值需大于第一预设值，具体的，第一预设值等于0.1，在其他实施例中，第一预设值的取值也可以根据实际情况进行设定。
(S7)判断代理模型精度是否大于预设精度阈值a％，若是，转至执行步骤(S8)；否则，增加各输入变量和输出变量的样本量，并转至执行步骤(S5)；将增加的输入输出值调价到代理模型中，以提升代理模型精度。增加输入变量和输出变量的样本量即需要再增加各输入变量的设计值，并计算出对应的输出值，将增加的输入输出值添加到代理模型中。
(S8)确定各个输入变量的优化范围，并结合性能要求确定出各个输出变量的优化范围，基于该代理模型采用自适应进化算法对输入变量进行优化，求得满足性能要求的最优设计参数组合。按实际工程经验确定各个输入变量的优化范围。
参见表一，首先选出了对后排副驾侧头部语音清晰度(AI)和总声压有影响的6个参数作为输入变量，而AI、总声压、总价格为输出变量，得到了输入变量与输出变量之间的相关系数：
Figure BDA0003329219550000041
表一
由表一可知，主地毯软层厚度对输出变量影响最大，而泄压阀吸音棉厚度对输出变量则影响较小；根据实验设计结果，泄压阀吸音棉厚度对输出影响较小，可直接取消此声学零部件，选取其余5个对优化目标影响较大的变量进行优化设计；对分析结果数据进行拟合，得到代理模型；判断代理模型精度。模型精度平均值为95％，满足精度要求，精度要求为大于90％。
按实际工程经验确定各个设计变量的范围，参见表二，优化目标为：后排副驾侧人耳总声压级不得超过56.6dB，后排副驾侧人耳AI不得低于98.4％，以总价格最低为目标，采用自适应进化算法对输入变量进行优化的结果表二所示，通过优化得到了最优设计参数组合，并预测了该组合下对应的性能和成本。其中，后排副驾侧人耳AI即后排副驾侧头部语音清晰度(AI)。
Figure BDA0003329219550000051
表二
在本实施例中，所述整车SEA模型通过模态相似原则将整车划分为k个子系统，通过能量守恒定律建立整车系统平衡方程如下：
Figure BDA0003329219550000052
其中，ω是分析圆频率；ηi是子系统i的内损耗因子；Ei是系统子系统i的能量；ηij和ηji是耦合损耗因子，代表能量从子系统i(j)传向子系统j(i)，Ni是子系统i的模态数，Πin,i是子系统i的输入功率。
在本实施例中，在步骤(S5)中，所述试验方法为拉丁方。选择拉丁方优点有水平值分级宽松，试验次数可人为控制。
在本实施例中，相关系数corr(X,Y)计算公式如下：
Figure BDA0003329219550000061
其中，E(X)是随机变量X的期望，E(Y)是随机变量Y的期望，σX是随机变量X的标准差，σY是随机变量Y的标准差，随机变量X即为输入变量，随机变量Y即为输出变量。
在本实施例中，在步骤(S6)中，所述拟合方法采用多项式响应面法。
在本实施例中，在步骤(S6)中，所述代理模型F(x)为：
Figure BDA0003329219550000062
其中，响应面可以是1阶，2阶，3阶或4阶,不考虑3阶与4阶变量之间的交互作用，xi为n维自变量x的第i个分量，xj为n维自变量x的第j个分量，a0、bi、cii、cij、dii、eii为系数，自变量x即为输入变量。
在本实施例中，在步骤(S3)中，所述将输出模型关联到Optimus环境下，具体转换方式为：
VAOne求解命令使用-SolveLoadCases/-Solve配合-Export分别完成其在Optimus中的求解和输出；
选择File格式模块作为Optimus的输入文件接口类型，关联xml格式输入文件；
选择hdf格式模块作为Optimus的输出文件接口类型，关联hdf格式输出文件；
在Optimus中使用批处理程序Solve.exe调用VAOne进行计算。
在本实施例中，所述预设精度阈值a％的取值范围为90％～100％。
在本实施例中，在步骤(S4)中，选取的待优化的输入变量包括轮罩吸音棉覆盖率、C立柱下吸音棉覆盖率、行李箱地毯厚度、主地毯软层厚度和顶棚吸音棉覆盖率；
选取的待优化的输出变量包括后排副驾侧人耳总声压级、后排副驾侧人耳和价格。
若输出变量包含后排副驾侧头部语音清晰度(AI)，则需要先输出声腔的声压，再通过在Optimus中集成其他工具如Python将声压值转换为语音清晰度后作为新的输出变量，请见图2所示；若输出变量包含价格，则需要将与价格相关的变量输出，再计算出总价格，优先选用Python工具以方便管理。
在本实施例中，所述求解频率为200—8000Hz的1/3倍频程。求解频率的作用为确定噪声频率关注范围及输出结果展现形式。
本发明的汽车声学包装仿真优化设计方法，在Optimus环境中进行VAOne优化设计，大大增加了VAOne优化参数和优化目标的可选范围，且在Optimus环境中可视化更好，操作简单，易于修改，适用性广，能够提高优化设计的效率，缩短研发周期。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种汽车声学包装仿真优化设计方法，其特征在于，步骤包括：
(S1)在VA One环境中生成用于仿真优化的xml格式的整车SEA模型，设置整车SEA模型的求解频率和待优化的参数变量的名称，其中，参数变量包括输入变量和输出变量，所有需要优化的参数变量都应从所述整车SEA模型中选取；
(S2)在VA One环境中对所述整车SEA模型进行求解，得到输出模型；
(S3)将输出模型关联到Optimus环境下；
(S4)在Optimus中选取待优化的输入变量和输出变量；
(S5)选择试验方法计算输入变量与输出变量之间的相关系数，以确定输入变量对输出变量的影响程度；
(S6)按照相关系数大小，选取对输出变量影响较大的输入变量进行优化设计，对选取的输入变量及对应的输出变量的数据进行拟合，得到代理模型，其中，对输出变量影响较大的输入变量的相关系数绝对值需大于第一预设值；
(S7)判断代理模型精度是否大于预设精度阈值a％，若是，转至执行步骤(S8)；否则，增加各输入变量和输出变量的样本量，并转至执行步骤(S5)；
(S8)确定各个输入变量的优化范围，并结合性能要求确定出各个输出变量的优化范围，基于该代理模型采用自适应进化算法对输入变量进行优化，求得满足性能要求的最优设计参数组合。
2.根据权利要求1所述的汽车声学包装仿真优化设计方法，其特征在于，所述整车SEA模型通过模态相似原则将整车划分为k个子系统，通过能量守恒定律建立整车系统平衡方程如下：
Figure FDA0003329219540000011
其中，ω是分析圆频率；ηi是子系统i的内损耗因子；Ei是系统子系统i的能量；ηij和ηji是耦合损耗因子，代表能量从子系统i(j)传向子系统j(i)，Ni是子系统i的模态数，Πin,i是子系统i的输入功率。
3.根据权利要求1或2所述的汽车声学包装仿真优化设计方法，其特征在于，在步骤(S5)中，所述试验方法为拉丁方。
4.根据权利要求3所述的汽车声学包装仿真优化设计方法，其特征在于，相关系数corr(X,Y)计算公式如下：
Figure FDA0003329219540000021
其中，E(X)是随机变量X的期望，E(Y)是随机变量Y的期望，σX是随机变量X的标准差，σY是随机变量Y的标准差，随机变量X即为输入变量，随机变量Y即为输出变量。
5.根据权利要求1或2或4所述的汽车声学包装仿真优化设计方法，其特征在于，在步骤(S6)中，所述拟合方法采用多项式响应面法。
6.根据权利要求5所述的汽车声学包装仿真优化设计方法，其特征在于，在步骤(S6)中，所述代理模型F(x)为：
Figure FDA0003329219540000022
其中，响应面可以是1阶，2阶，3阶或4阶,不考虑3阶与4阶变量之间的交互作用，xi为n维自变量x的第i个分量，xj为n维自变量x的第j个分量，a0、bi、cii、cij、dii、eii为系数，自变量x即为输入变量。
7.根据权利要求1或2或4或6所述的汽车声学包装仿真优化设计方法，其特征在于，在步骤(S3)中，所述将输出模型关联到Optimus环境下，具体转换方式为：
VA One求解命令使用-Solve Load Cases/-Solve配合-Export分别完成其在Optimus中的求解和输出；
选择File格式模块作为Optimus的输入文件接口类型，关联xml格式输入文件；
选择hdf格式模块作为Optimus的输出文件接口类型，关联hdf格式输出文件；
在Optimus中使用批处理程序Solve.exe调用VA One进行计算。
8.根据权利要求7所述的汽车声学包装仿真优化设计方法，其特征在于，所述预设精度阈值a％的取值范围为90％～100％。
9.根据权利要求1或2或4或6或8所述的汽车声学包装仿真优化设计方法，其特征在于，在步骤(S4)中，
选取的待优化的输入变量包括轮罩吸音棉覆盖率、C立柱下吸音棉覆盖率、行李箱地毯厚度、主地毯软层厚度和顶棚吸音棉覆盖率；
选取的待优化的输出变量包括后排副驾侧人耳总声压级、后排副驾侧人耳和价格。
10.根据权利要求1或2或4或6或8所述的汽车声学包装仿真优化设计方法，其特征在于，所述求解频率为200—8000Hz的1/3倍频程。
CN202111275579.9A 2021-10-29 2021-10-29 一种汽车声学包装仿真优化设计方法 Active CN113987677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111275579.9A CN113987677B (zh) 2021-10-29 2021-10-29 一种汽车声学包装仿真优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111275579.9A CN113987677B (zh) 2021-10-29 2021-10-29 一种汽车声学包装仿真优化设计方法

Publications (2)

Publication Number Publication Date
CN113987677A CN113987677A (zh) 2022-01-28
CN113987677B true CN113987677B (zh) 2022-09-06

Family

ID=79744734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111275579.9A Active CN113987677B (zh) 2021-10-29 2021-10-29 一种汽车声学包装仿真优化设计方法

Country Status (1)

Country Link
CN (1) CN113987677B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069448B (zh) * 2020-08-31 2022-05-17 重庆长安汽车股份有限公司 车内空气声噪声贡献量分解方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590003A (zh) * 2016-01-05 2016-05-18 浙江大学 一种高速列车车内噪声分析预测方法
CN113468664A (zh) * 2021-06-30 2021-10-01 重庆长安汽车股份有限公司 一种车辆声学包装系统的布置方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590003A (zh) * 2016-01-05 2016-05-18 浙江大学 一种高速列车车内噪声分析预测方法
CN113468664A (zh) * 2021-06-30 2021-10-01 重庆长安汽车股份有限公司 一种车辆声学包装系统的布置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于BIOT九大参数的轿车声学包仿真分析及优化;陈曦等;《噪声与振动控制》;20200818(第04期);全文 *
基于经典声学理论的声学包轻量化研究;许雪莹;《汽车技术》;20180906(第12期);全文 *

Also Published As

Publication number Publication date
CN113987677A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
Alexander Adaptive signal processing: theory and applications
CN102638757B (zh) 生成和控制用于音频信号的数字混响的方法和系统
US20060229753A1 (en) Probabilistic modeling system for product design
US8401827B2 (en) Processing device and method for structure data representing a physical structure
CN107742155B (zh) 基于遗传算法自动优化参数的主动降噪系统
CN113987677B (zh) 一种汽车声学包装仿真优化设计方法
CN106951610B (zh) 一种基于近似模型的插秧机秧箱结构优化方法
CN103514879A (zh) 一种基于bp神经网络的本地语音识别方法
CN113656934B (zh) 一种基于传递路径分析理论的车内空气噪声目标分解方法
CN107341276A (zh) 一种对发动机性能进行评估的方法及系统
Danti et al. Modal methodology for the simulation and optimization of the free-layer damping treatment of a car body
Han et al. Interior sound field refinement of a passenger car using modified panel acoustic contribution analysis
He et al. Analysis on loudness of exhaust noise and improvement of exhaust system based on structure-loudness model
CN110321596B (zh) 一种基于有限元分析的机车车辆结构仿真方法
Choi et al. Torsion beam axle system design with a multidisciplinary approach
CN110705280A (zh) 技术合同认定模型创建方法、装置、设备和存储介质
CN112149323B (zh) 一种卫星噪声预示的方法及装置
Puri Krylov subspace based direct projection techniques for low frequency, fully coupled, structural acoustic analysis and optimization
Vaz et al. Improvement of an SEA model of cab interior sound levels through use of a hybrid FE/SEA method
Butt et al. Design space exploration and synthesis for digital signal processing algorithms from simulink models
Donders et al. A wave-based substructuring approach for fast modification predictions and industrial vehicle optimization
CN110162738A (zh) 一种基于模态部分耦合假设的辐射声功率的计算方法
CN111241627A (zh) 一种计入胶层的异质车身门盖件模态数值模拟及优化方法
CN112396153A (zh) 一种用于深度学习的加速装置及计算装置
CN104881531A (zh) 一种Autoform冲压成型信息到碰撞仿真模型的映射方法

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