CN115098946A - 一种车内噪声稳健性优化设计方法和存储介质 - Google Patents
一种车内噪声稳健性优化设计方法和存储介质 Download PDFInfo
- Publication number
- CN115098946A CN115098946A CN202210726882.4A CN202210726882A CN115098946A CN 115098946 A CN115098946 A CN 115098946A CN 202210726882 A CN202210726882 A CN 202210726882A CN 115098946 A CN115098946 A CN 115098946A
- Authority
- CN
- China
- Prior art keywords
- robustness
- vehicle noise
- design
- optimization design
- vehicle
- 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
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
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种车内噪声稳健性优化设计方法和存储介质,车内噪声稳健性优化设计方法包括以下步骤:确定稳健性优化设计相关参数,搭建内饰车身和声腔有限元模型,车内噪声有限元仿真分析,板件贡献量分析,试验设计,构建双响应面代理模型,搭建车内噪声稳健性优化设计数学模型,稳健性优化,选取最优解。存储介质存储有一个或多个计算机可读程序,一个或多个所述计算机可读程序被一个或多个控制器调用执行时,能实现车内噪声稳健性优化设计方法的步骤。本发明减轻或消除了优化迭代时间长和研发后期设计变更的风险大的问题。
Description
技术领域
本发明涉及汽车NVH领域,具体涉及一种车内噪声稳健性优化设计方法和存储介质。
背景技术
车身将外界激励传递到车内与车内声腔相互耦合产生声波,声波传递到人耳使驾驶员和乘客感知到,在车身NVH性能开发中,车内噪声常作为NVH性能评估的一个重要指标,需要有方向性地分析车内噪声严重的原因。
目前,在车内噪声仿真分析领域,常采用噪声传递函数进行分析评估,该方法在接附点处施加单位激励力,然后求解车内响应点的声压。但该方法没有考虑不同生产批次的板件和材料的不确定性因素,这些不确定因素对车内声学特性影响较大,存在优化迭代时间长和研发后期设计变更的风险大的问题。
发明内容
本发明的目的是提出一种车内噪声稳健性优化设计方法,以减轻或消除至少一个上述的技术问题。
本发明所述的一种车内噪声稳健性优化设计方法,包括以下步骤:
确定稳健性优化设计相关参数,确定车内噪声稳健性优化设计的优化目标和约束条件;
搭建内饰车身和声腔有限元模型;
车内噪声有限元仿真分析,基于所述内饰车身和声腔有限元模型进行车内噪声仿真分析,得到车内噪声仿真分析结果;
板件贡献量分析,根据所述车内噪声仿真分析结果,进行车身板件贡献量分析,提取对车内噪声性能影响最大的N个车身板件,以N个所述车身板件的料厚作为设计变量,以所述设计变量的弹性模量和密度作为不确定因素;
试验设计,采用试验设计方法对所述设计变量和所述不确定因素进行抽样,将抽取的样本点分为训练样本点和精度验证样本点;
构建双响应面代理模型,利用田口内外表交互功能,基于与所述训练样本点对应的所述车内噪声仿真分析结果,计算出优化目标的均值和方差,基于所述优化目标的均值和方差构造优化目标的双响应面代理模型;
搭建车内噪声稳健性优化设计数学模型,基于所述双响应面代理模型,结合所述优化目标中的各性能指标,搭建车内噪声稳健性优化设计数学模型;
稳健性优化设计,基于所述车内噪声稳健性优化设计数学模型、所述优化目标、所述约束条件、所述设计变量和所述不确定因素,进行优化分析计算,计算出Pareto稳健性最优解集;
选取最优解,从所述Pareto稳健性最优解集中选择出稳健性优化最优解。
可选的,在所述构建双响应面代理模型之后还包括:精度验证,利用所述精度验证样本点对所述双响应面代理模型进行精确度检测,如误差不大于10%,则进行所述搭建车内噪声稳健性优化设计数学模型,如果误差大于10%,则需返回所述试验设计,增加抽样的样本点,直到误差不大于10%。
可选的,所述选取最优解之后包括:稳健性最优解有限元验证,基于所述内饰车身和声腔有限元模型,对稳健性最优解进行验证,判断稳健性优化设计的有效性。
可选的,所述车内噪声稳健性优化设计数学模型如下:
min(P,M)
其中,P、M和T分别表示驾驶员右耳处声压级均方根、内饰车身质量和白车身一阶扭转模态的目标函数,Pμ、Mμ和Tμ为优化目标的均值,Pσ、Mσ和Tσ为优化目标的方差,Xil为设计变量的下限,Xiu为设计变量的上限,σ是设计变量的方差,n表示的是进行的nsigma优化,λ为权衡了优化目标的均值和均方法的重要程度的权重系数。
可选的,在所述稳健性优化设计中,所述约束条件为:白车身一阶扭转模态大于30Hz,内饰车身质量小于1000Kg。
可选的,所述内饰车身和声腔有限元模型为内饰车身和声腔的声固耦合模型。
可选的,所述优化目标包括驾驶员右耳处声压级均方根指标、内饰车身质量指标和白车身一阶扭转模态指标。
可选的,所述试验方法为拉丁超立方试验方法。
可选的,在所述稳健性优化设计中,通过多目标粒子群优化算法进行优化分析计算。
本发明提出的一种存储介质,其存储有一个或多个计算机可读程序,一个或多个所述计算机可读程序被一个或多个控制器调用执行时,能实现如上述任一所述的车内噪声稳健性优化设计方法的步骤。
本发明具有以下有益效果:构造双响应面代理模型,代替了有限元仿真分析模型,减轻或消除了优化迭代时间长的问题;进行车内噪声稳健性优化,能够降低车内的声压和提高车内噪声的稳健性;能够在车身研发阶段实现车内噪声的稳健性,提高车内声学特性,降低研发后期设计变更的风险,有利于节约研发成本。
附图说明
图1为具体实施方式中所述的车内噪声稳健性优化设计方法的流程图;
图2为具体实施方式中所述的多目标稳健性优化流程图;
图3为具体实施方式中所述的Pareto稳健性最优解集。
具体实施方式
下面结合附图对本发明作进一步说明。
以某款轿车的车内噪声稳健性优化设计为例对本发明作进一步说明。
如图1所示的一种车内噪声稳健性优化设计方法,包括以下步骤:
S1、问题分析
车身结构作为噪声与振动的传递通道,在受到外界激励时会引起车身板件的振动,当振动信号传递到车内空腔后引起车内声压变化,空腔内的声压变化又会反作用到车身板件,放大车身板件的振动,该过程循环往复导致车内噪声幅值增大,并传递到人耳被人体感知到。车身板件是噪声与振动传递的屏障,所以最有效的控制车内噪声与振动的方法就是优化车身的结构。车身零件众多,想要获得有效的车身结构修改,我们必须要了解车内驾驶员感受到的噪声是如何产生的和噪声辐射的关键部位。在设计阶段,利用有限元分析方法,对车内噪声传递函数进行预测分析,找出主要的噪声激励源和辐射的主要部位,方便在优化设计过程中,有效的控制车内噪声。
S2、确定稳健性优化设计相关参数
确定车内噪声稳健性优化设计的设计变量、不确定因素、优化目标、约束条件,确定车内噪声仿真分析的激励信号;具体的,激励信号以动力总成的一个激励示例,设计变量以车身板件贡献量分析的结果作为参考,选择对车内噪声影响较大的车身板件的厚度作为设计变量,以车身板件材料的弹性模量和密度作为不确定因素,以驾驶员右耳的声压指标、白车身的一阶扭转模态指标和内饰车身的质量指标作为优化目标,以白车身的一阶扭转模态和内饰车身的质量作为约束条件。
S3、搭建内饰车身和声腔有限元模型
基于上述的某款轿车,利用前处理软件hypermesh搭建内饰车身和声腔有限元模型,具体的,内饰车身和声腔有限元模型为内饰车身和声腔的声固耦合模型。
S4、车内噪声有限元仿真分析
基于所述内饰车身和声腔有限元模型进行车内噪声仿真分析,输出驾驶员右耳位置的声压,得到车内噪声仿真分析结果;具体的,以动力后悬置的Z向作为激励点,在激励点位置施加20-200Hz范围内的单位激励,在车身空腔参考点位置得到对应频率范围内的噪声响应。
S5、板件贡献量分析
根据所述车内噪声仿真分析结果,进行车身板件贡献量分析,提取对车内噪声性能影响最大的N个车身板件,以N个所述车身板件的料厚作为设计变量,以所述设计变量的弹性模量和密度作为不确定因素,在本实施例中N为9;
考虑到结构的可靠性,车身板件的厚度不能太低,同时由于冲压工艺的影响车身板件厚度也不能取太高。具体取值范围如表1。
表1设计变量和取值范围
不同批次生产的车身板件,其材料参数具有不确定性。在生产过程中,生产工艺和环境会造成板件材料弹性模量、屈服强度和密度等性能参数的波动,进而影响到车身的质量特性。根据实际经验可知,零件材料的弹性模量和密度对车内声学特性影响较大,因此,选择设计变量的弹性模量和密度作为稳健性优化设计的不确定因素。设计变量的不确定因素的上下限如表2所示。
表2不确定因素取值范围
弹性模量(GPa) | 密度(Kg/m3) | |
上限 | 200 | 7750 |
下限 | 220 | 7950 |
S6、试验设计
采用拉丁超立方试验方法对所述设计变量和所述不确定因素进行抽样,将抽取的样本点分为训练样本点和精度验证样本点;拉丁超立方设计可以自定义样本点的个数,且该试验方法能遵循随机正交原则,有效的填充设计空间,能用于多因素和水平的研究。基于拉丁超立方的诸多特点,该试验方法能通过极少数的样本点得到高精度的试验结果。
具体的,稳健性优化设计采用田口内外表试验设计,得到受不确定因素影响的目标响应的期望和方差。将设计变量和不确定因素分别作为田口内外表实验设计的内表和外表,内外表均采用拉丁超立方试验方法进行抽样。根据代理模型类型和设计变量的数量,共抽取60组设计变量的样本点;其中,如表3所示,50组作为代理模型训练样本点;如表4所示,10组样本点用于验证代理模型的精度;如表5所示,抽取4组噪声因素样本点作为外表。
表3稳健性优化设计训练样本点
表4精度验证样本点
试验编号 | t<sub>1</sub> | t<sub>2</sub> | t<sub>3</sub> | t<sub>4</sub> | t<sub>5</sub> | t<sub>6</sub> | t<sub>7</sub> | t<sub>8</sub> | t<sub>9</sub> |
1 | 0.966 | 1.086 | 0.871 | 0.685 | 1.044 | 0.897 | 0.758 | 0.754 | 0.851 |
2 | 0.926 | 1.048 | 0.938 | 0.896 | 0.817 | 0.660 | 1.138 | 0.993 | 0.626 |
3 | 0.961 | 1.197 | 1.138 | 0.894 | 0.888 | 0.819 | 0.851 | 0.927 | 0.916 |
4 | 0.832 | 1.004 | 1.223 | 0.925 | 0.827 | 1.048 | 0.821 | 0.922 | 0.854 |
5 | 0.861 | 1.108 | 1.053 | 0.818 | 0.760 | 1.032 | 0.804 | 0.712 | 0.760 |
6 | 0.828 | 1.105 | 1.098 | 0.708 | 0.953 | 0.529 | 0.783 | 0.766 | 0.880 |
7 | 0.937 | 1.037 | 0.979 | 0.980 | 1.080 | 0.914 | 0.835 | 0.607 | 0.873 |
8 | 1.097 | 1.160 | 0.942 | 0.887 | 0.788 | 0.888 | 0.790 | 0.967 | 0.830 |
9 | 0.739 | 0.760 | 1.046 | 0.816 | 0.924 | 0.841 | 0.817 | 0.930 | 0.975 |
10 | 0.793 | 1.075 | 1.173 | 0.821 | 0.678 | 0.720 | 0.899 | 0.692 | 0.878 |
表5稳健性优化设计不确定因素样本点
试验编号 | 弹性模量(GPa) | 密度(Kg/m3) |
1 | 208 | 7.82E-06 |
2 | 201 | 7.89E-06 |
3 | 204 | 7.76E-06 |
4 | 212 | 7.91E-06 |
S7、构建双响应面代理模型
利用田口内外表交互功能,基于与所述训练样本点对应的所述车内噪声仿真分析结果,计算出优化目标的均值和方差,基于所述优化目标的均值和方差训练双响应面代理模型,构造优化目标的双响应面代理模型;
S8、精度验证
利用所述精度验证样本点对所述双响应面代理模型进行精确度检测,验算双响应面代理模型的平均相对误差,如误差不大于10%,则进行所述搭建车内噪声稳健性优化设计数学模型,如果误差大于10%,则需返回S6,增加抽样的样本点,直到误差不大于10%。
S9、搭建车内噪声稳健性优化设计数学模型
基于所述双响应面代理模型,结合所述优化目标中的各性能指标,搭建车内噪声稳健性优化设计数学模型;具体的,基于双响应面法和稳健性设计的理论模型,结合考虑性能指标(车内噪声小、内饰车身的质量小、白车身的一阶扭转模态大)和稳健性好,搭建车内噪声稳健性优化设计数学模型。
更具体的,车内噪声稳健性优化设计数学模型表示如下:
min(P,M)
其中,P、M和T分别表示驾驶员右耳处声压级均方根、内饰车身质量和白车身一阶扭转模态的目标函数,Pμ、Mμ和Tμ为优化目标的均值,Pσ、Mσ和Tσ为优化目标的方差,Xil为设计变量的下限,Xiu为设计变量的上限,σ是设计变量的方差,Xi为设计变量,n表示的是进行的nsigma优化,例如进行6sigma优化时n为6,λ为权衡了优化目标的均值和均方法的重要程度的权重系数。作为一种示例,λ可以赋值为0.8。同时λ可以根据最终的稳健性优化设计结果来进行调整,在最终的稳健性优化设计结果不满足要求时,可以调大或调小λ的值,直至最终的稳健性优化设计结果满足要求。
在一个具体示例中,以白车身一阶扭转模态大于30Hz,内饰车身质量小于1000Kg作为约束条件进行车内噪声稳健性优化设计。
S10、稳健性优化设计
基于所述车内噪声稳健性优化设计数学模型、所述优化目标、所述约束条件、所述设计变量和所述不确定因素,搭建如图2所示的多目标稳健性优化流程图,采用多目标粒子群优化算法进行优化分析计算,如图3所示,得到95组Pareto稳健性最优解集;
S11、选取最优解
从所述Pareto稳健性最优解集中选择出稳健性优化最优解。具体的,内饰车身的质量和白车身一阶扭转模态既是优化目标也是约束条件,所以在选择稳健性优化的最优解时优先考虑声压目标函数最小化,内饰车身的质量和白车身一阶扭转模态不能超过约束值。综合考虑各项设计要求,确定稳健性优化的最优解,得到目标车身板件优化后的厚度及各优化目标的稳健性预测值。
S12、稳健性最优解有限元验证
基于所述内饰车身和声腔有限元模型,对稳健性最优解进行验证,判断稳健性优化设计的有效性。具体的,基于车内噪声仿真有限元模型,将优化后的设计变量值代入车内噪声仿真有限元模型中进行有限元仿真分析,得到优化目标的均值和均方差的仿真分析值,车内噪声稳健性优化设计的响应值应与仿真分析值的相对误差小于或等于10%,方可认为最优解有效。若精度满足目标要求,则以仿真分析值为最终的优化值,否则需返回S6增加抽样的样本点,重新构建双响应面代理模型。
本发明提出的一种存储介质,其存储有一个或多个计算机可读程序,一个或多个所述计算机可读程序被一个或多个控制器调用执行时,能实现如上述任一所述的车内噪声稳健性优化设计方法的步骤。
Claims (10)
1.一种车内噪声稳健性优化设计方法,其特征在于,包括以下步骤:
确定稳健性优化设计相关参数,确定车内噪声稳健性优化设计的优化目标和约束条件;
搭建内饰车身和声腔有限元模型;
车内噪声有限元仿真分析,基于所述内饰车身和声腔有限元模型进行车内噪声仿真分析,得到车内噪声仿真分析结果;
板件贡献量分析,根据所述车内噪声仿真分析结果,进行车身板件贡献量分析,提取对车内噪声性能影响最大的N个车身板件,以N个所述车身板件的料厚作为设计变量,以所述设计变量的弹性模量和密度作为不确定因素;
试验设计,采用试验设计方法对所述设计变量和所述不确定因素进行抽样,将抽取的样本点分为训练样本点和精度验证样本点;
构建双响应面代理模型,利用田口内外表交互功能,基于与所述训练样本点对应的所述车内噪声仿真分析结果,计算出优化目标的均值和方差,基于所述优化目标的均值和方差构造优化目标的双响应面代理模型;
搭建车内噪声稳健性优化设计数学模型,基于所述双响应面代理模型,结合所述优化目标中的各性能指标,搭建车内噪声稳健性优化设计数学模型;
稳健性优化设计,基于所述车内噪声稳健性优化设计数学模型、所述优化目标、所述约束条件、所述设计变量和所述不确定因素,进行优化分析计算,计算出Pareto稳健性最优解集;
选取最优解,从所述Pareto稳健性最优解集中选择出稳健性优化最优解。
2.根据权利要求1所述的车内噪声稳健性优化设计方法,其特征在于,在所述构建双响应面代理模型之后还包括:精度验证,利用所述精度验证样本点对所述双响应面代理模型进行精确度检测,如误差不大于10%,则进行所述搭建车内噪声稳健性优化设计数学模型,如果误差大于10%,则需返回所述试验设计,增加抽样的样本点,直到误差不大于10%。
3.根据权利要求1所述的车内噪声稳健性优化设计方法,其特征在于,所述选取最优解之后包括:稳健性最优解有限元验证,基于所述内饰车身和声腔有限元模型,对稳健性最优解进行验证,判断稳健性优化设计的有效性。
5.根据权利要求4所述的车内噪声稳健性优化设计方法,其特征在于,在所述稳健性优化设计中,所述约束条件为:白车身一阶扭转模态大于30Hz,内饰车身质量小于1000Kg。
6.根据权利要求1所述的车内噪声稳健性优化设计方法,其特征在于,所述内饰车身和声腔有限元模型为内饰车身和声腔的声固耦合模型。
7.根据权利要求1所述的车内噪声稳健性优化设计方法,其特征在于,所述优化目标包括驾驶员右耳处声压级均方根指标、内饰车身质量指标和白车身一阶扭转模态指标。
8.根据权利要求1所述的车内噪声稳健性优化设计方法,其特征在于,所述试验方法为拉丁超立方试验方法。
9.根据权利要求1所述的车内噪声稳健性优化设计方法,其特征在于,在所述稳健性优化设计中,通过多目标粒子群优化算法进行优化分析计算。
10.一种存储介质,其特征在于,其存储有一个或多个计算机可读程序,一个或多个所述计算机可读程序被一个或多个控制器调用执行时,能实现如权利要求1至9任一所述的车内噪声稳健性优化设计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210726882.4A CN115098946A (zh) | 2022-06-24 | 2022-06-24 | 一种车内噪声稳健性优化设计方法和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210726882.4A CN115098946A (zh) | 2022-06-24 | 2022-06-24 | 一种车内噪声稳健性优化设计方法和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115098946A true CN115098946A (zh) | 2022-09-23 |
Family
ID=83292279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210726882.4A Pending CN115098946A (zh) | 2022-06-24 | 2022-06-24 | 一种车内噪声稳健性优化设计方法和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115098946A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029153A (zh) * | 2023-02-22 | 2023-04-28 | 江苏徐工国重实验室科技有限公司 | 声学包装的设计、制造方法和装置 |
CN117610159A (zh) * | 2023-11-23 | 2024-02-27 | 苏州郅荣软件有限公司 | 一种汽车悬置系统稳健性优化方法 |
-
2022
- 2022-06-24 CN CN202210726882.4A patent/CN115098946A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029153A (zh) * | 2023-02-22 | 2023-04-28 | 江苏徐工国重实验室科技有限公司 | 声学包装的设计、制造方法和装置 |
CN117610159A (zh) * | 2023-11-23 | 2024-02-27 | 苏州郅荣软件有限公司 | 一种汽车悬置系统稳健性优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115098946A (zh) | 一种车内噪声稳健性优化设计方法和存储介质 | |
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 | |
CN108268728B (zh) | 基于两步式改进粒子群优化算法的汽车尾门结构优化方法 | |
CN110110437B (zh) | 一种基于相关区间不确定性理论的汽车高频噪声预测方法 | |
CN112597595A (zh) | 汽车车内结构噪声诊断及优化方法 | |
CN113570057B (zh) | 一种基于模型训练的车辆轮心垂向位移测量方法和装置 | |
CN115186377A (zh) | 一种商用车悬置系统的稳健性优化方法 | |
Shojaeefard et al. | An efficient sensitivity analysis method for modified geometry of Macpherson suspension based on Pearson correlation coefficient | |
CN110795883B (zh) | 一种背门和背门框的连接件的等效刚度辨识方法 | |
Luegmair et al. | Challenges in vibroacoustic vehicle body simulation including uncertainties | |
CN115270296A (zh) | 一种商用车驾驶室疲劳耐久性分析方法及系统 | |
CN113065208A (zh) | 调谐液体阻尼器设计方法、装置、介质和设备 | |
Lü et al. | Uncertainty and correlation propagation analysis of powertrain mounting systems based on multi-ellipsoid convex model | |
CN116011272A (zh) | 一种发动机悬置系统多变量多目标层次优化方法 | |
CN113886974B (zh) | 一种车内结构声路噪预测方法 | |
CN114329788B (zh) | 一种基于田口法和熵权灰色关联分析的车门优化设计方法 | |
CN113239458B (zh) | 一种基于虚拟路面的整车路噪仿真对标方法 | |
CN113158331B (zh) | 一种基于遗传算法的车内噪声优化方法 | |
CN108804766A (zh) | 阻尼参数的识别方法 | |
Gao et al. | Programmed load spectrum for fatigue bench test of a vehicle body | |
CN114357599A (zh) | 一种整车异响仿真分析方法、系统及计算机可读存储介质 | |
CN112417590A (zh) | 车体设计优化方法、装置、汽车及存储介质 | |
Zheng et al. | The design optimization of vehicle interior noise through structural modification and constrained layer damping treatment | |
Janssens et al. | A novel transfer path analysis method delivering a fast and accurate noise contribution assessment | |
Tang et al. | Research on a multinode joint vibration control strategy for controlling the steering wheel of a commercial vehicle |
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 |