FR3138232A1 - Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle - Google Patents

Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle Download PDF

Info

Publication number
FR3138232A1
FR3138232A1 FR2207393A FR2207393A FR3138232A1 FR 3138232 A1 FR3138232 A1 FR 3138232A1 FR 2207393 A FR2207393 A FR 2207393A FR 2207393 A FR2207393 A FR 2207393A FR 3138232 A1 FR3138232 A1 FR 3138232A1
Authority
FR
France
Prior art keywords
data characterizing
vehicle
data
noise
passenger compartment
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
Application number
FR2207393A
Other languages
English (en)
Inventor
Mohamed Oumri
Mehdi Oubanhar
Zineb Bouchikhi
Chaouki Tricha
Nouhad Kreiker
Jallal Arramach
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.)
PSA Automobiles SA
Original Assignee
PSA Automobiles SA
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 PSA Automobiles SA filed Critical PSA Automobiles SA
Priority to FR2207393A priority Critical patent/FR3138232A1/fr
Publication of FR3138232A1 publication Critical patent/FR3138232A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K15/00—Acoustics not otherwise provided for
    • 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)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Cooling, Air Intake And Gas Exhaust, And Fuel Tank Arrangements In Propulsion Units (AREA)

Abstract

L’invention porte sur un procédé de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile au moyen d’un dispositif informatique (100), ainsi que sur un dispositif mettant en œuvre un tel procédé. Figure 1

Description

Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle
La présente invention concerne le domaine des outils et procédés informatiques utilisés pour la conception des véhicules automobiles. L’invention porte en particulier sur un procédé de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile. L’invention concerne également un dispositif mettant en œuvre un tel procédé. L’invention s’applique, notamment, aux voitures.
 État de la technique antérieure
On sait que les constructeurs automobiles cherchent constamment à améliorer le confort des véhicules, notamment en minimisant les bruits qui peuvent être perçus à l’intérieur de l’habitacle des véhicules. Pour ce faire, ils ont généralement recours durant la phase de conception des véhicules à l’utilisation de véhicules de test dans lesquels des capteurs sonores sont agencés en plusieurs endroits de l’habitacle et à des moyens informatiques pour analyser des données générées grâce à l’utilisation de tels capteurs. Cependant, compte tenu de l’élargissement des gammes de véhicules, les coûts liés à la mise à disposition de ces véhicules de test pour tous les types de véhicules ne cesse de s’accroitre. En outre, le temps qui est nécessaire pour permettre l’exploitation des données générés par les capteurs et l’établissement de corrélations entre des bruits perçus et des caractéristiques des véhicules ralentit significativement la conception des véhicules
L’invention vise à remédier à cette problématique. L’invention a en effet pour but de fournir un procédé et un dispositif qui permettent de s’affranchir de véhicules de test pour caractériser et quantifier le bruit à l’intérieur de l’habitacle des véhicules. Par ce biais, l’invention vise à faciliter la conception de véhicules automobiles confortables.
Afin d’atteindre ce buts, l’invention concerne, selon un premier aspect, un procédé de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile au moyen d’un dispositif informatique, le procédé comprenant les étapes de :
  • acquérir des données caractérisant au moins une condition opératoire du véhicule et des données caractérisant au moins une caractéristique du véhicule ; et
  • alimenter un réseau de neurones artificiels du dispositif avec les données caractérisant au moins une condition opératoire du véhicule et les données caractérisant au moins une caractéristique du véhicule afin d’obtenir au moins une valeur identifiant un type de bruit et au moins une valeur de l’intensité dudit bruit, le réseau de neurones artificiels ayant préalablement été entraîné par apprentissage supervisé en utilisant des données caractérisant des conditions opératoires de véhicules en lien avec des données caractérisant des caractéristiques de véhicules.
Selon une variante, les données caractérisant au moins une condition opératoire du véhicule et les données caractérisant des conditions opératoires de véhicules peuvent contenir des données caractérisant une valeur de vitesse de déplacement, des données caractérisant une valeur de vitesse du vent et des données caractérisant une orientation par rapport au vent.
Selon une autre variante, les données caractérisant au moins une caractéristique du véhicule et les données caractérisant des caractéristiques de véhicules peuvent contenir des données caractérisant un nombre de vitrages, des données caractérisant une dimension d’un vitrage, des données caractérisant la mobilité d’un vitrage, des données caractérisant un nombre d’essuie-glaces, des données caractérisant une dimension d’un essuie-glace, des données caractérisant un nombre d’antennes et des données caractérisant le positionnement d’au moins une antenne.
Selon un deuxième aspect, l’invention concerne un dispositif de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile, le dispositif comprenant au moins une unité de traitement d’informations, comprenant au moins un processeur, et un support de stockage de données configurés pour mettre en œuvre un procédé tel que décrit ci-dessus.
Brève description des figures
D'autres caractéristiques et avantages de l'invention apparaîtront à l'examen de la description détaillée ci-après, et des dessins annexés, sur lesquels :
est un schéma illustratif de l’invention ;
est un diagramme fonctionnel d’un dispositif selon l’invention ; et
est un organigramme des étapes d’un procédé selon l’invention.
 Description détaillée de l’invention
La illustre schématiquement le contexte et la mise en œuvre de l’invention. Selon l’invention, un dispositif informatique 100 de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile, qui comprend un réseau de neurones artificiels, permet, en mettant en œuvre le procédé selon l’invention décrit ci-après, de caractériser et de quantifier au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile. Pour ce faire, le réseau de neurones artificiels est d’abord entraîné par apprentissage supervisé au moyen de données d’entraînement stockées dans une ou plusieurs bases de données, données qui concernent des caractéristiques de véhicules et des conditions opératoires de véhicules, comme cela est décrit ci-dessous. Par la suite, le réseau de neurones est alimenté avec de nouvelles données qui concernent les caractéristiques et les conditions opératoires d’un véhicule automobile particulier en phase de conception. Sur la base de ces données, le réseau de neurones évalue et caractérise au moins un bruit perceptible à l’intérieur de l’habitacle de ce véhicule particulier. On s’affranchit ainsi avantageusement de la nécessité d’avoir à disposition un véhicule de test qui embarque des capteurs sonores pour effectuer les tâches de conception qui consistent à estimer et quantifier les bruits perceptibles dans l’habitacle du véhicule.
Le dispositif 100 de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile selon l’invention est illustré sur la . Il s’agit d’un appareil informatique, qui comprend au moins une unité de traitement d’informations 101, comportant un ou plusieurs processeurs, un support de stockage de données 102, sur lequel est notamment enregistré un programme qui comprend des instructions de code de programme pour l’exécution des étapes du procédé selon l’invention décrit ci-après, une interface d’entrée et sortie 103 permettant la réception et l’émission de données et un module d’apprentissage 104, qui comprend un réseau de neurones artificiels. Selon le mode de réalisation préféré de l’invention, le dispositif 100 selon l’invention est un ordinateur. Alternativement, il s’agit d’un serveur ou tout autre appareil informatique équivalent connu de l’homme du métier. Dans tous les cas, le réseau de neurones artificiels du module d’apprentissage 104 a préalablement subi une phase d’entraînement, préférentiellement par apprentissage supervisé, durant laquelle il a été alimenté avec des données caractérisant des conditions opératoires de véhicules en lien avec des données caractérisant des caractéristiques de véhicules, préférentiellement enregistrées dans une ou plusieurs bases de données mémorisées sur le support de stockage de données 102. De manière avantageuse, les données caractérisant des conditions opératoires de véhicules contiennent des données caractérisant une valeur de vitesse de déplacement, des données caractérisant une valeur de vitesse du vent et des données caractérisant une orientation par rapport au vent, tandis que les données caractérisant des caractéristiques de véhicules contiennent, en lien avec des identifiants de véhicules, des données caractérisant un nombre de vitrages, des données caractérisant une dimension d’un vitrage, des données caractérisant la mobilité d’un vitrage, des données caractérisant un nombre d’essuie-glaces, des données caractérisant une dimension d’un essuie-glace, des données caractérisant un nombre d’antennes et des données caractérisant le positionnement d’au moins une antenne. Et, en lien avec ces données, on a également renseigné des valeurs identifiant des types de bruit et des valeurs d’intensité de bruit. Ainsi, le réseau de neurones a progressivement appris à établir des liens entre des données caractérisant des conditions opératoires et des données caractérisant des caractéristiques de véhicules et des valeurs représentatives de bruits qui sont perçus à l’intérieur de l’habitacle de véhicules.
Selon l’invention, le dispositif 100 selon l’invention met en œuvre un procédé de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile, tel que décrit ci-dessous en lien avec la .
Selon une première étape 301 du procédé selon l’invention, le dispositif 100 selon l’invention acquiert des données caractérisant au moins une condition opératoire du véhicule et des données caractérisant au moins une caractéristique du véhicule. Pour ce faire, le dispositif 100 selon l’invention interagit préférentiellement avec son support de stockage de données 102, sur lequel ces données ont préalablement été enregistrées. En effet, dans le cadre de conception du véhicule, on a préférentiellement renseigné les données précitées de manière manuelle. Plus précisément, afin de tenir compte de l’influence du vent sur les bruits qui peuvent être perçus à l’intérieur de l’habitacle des véhicules, on a renseigné, d’une part, les données caractérisant des conditions opératoires du véhicule. De manière avantageuse, ces données contiennent des données caractérisant une valeur de vitesse de déplacement (le véhicule est-il statique ou en mouvement), des données caractérisant une valeur de vitesse du vent et des données caractérisant une orientation par rapport au vent. D’autre part, afin de tenir compte des effets des caractéristiques du véhicule sur les bruits qui peuvent être perçus à l’intérieur de son habitacle, on a renseigné les données caractérisant au moins une caractéristique du véhicule. Et, de manière avantageuse, ces données contiennent des données caractérisant un nombre de vitrages du véhicule, des données caractérisant une dimension d’un vitrage du véhicule, des données caractérisant la mobilité d’un vitrage du véhicule, des données caractérisant un nombre d’essuie-glaces présents sur le véhicule, des données caractérisant une dimension d’un essuie-glace du véhicule, des données caractérisant un nombre d’antennes agencées sur la carrosserie du véhicule et des données caractérisant le positionnement d’au moins une antenne sur la carrosserie du véhicule. Ainsi, au terme de cette première étape du procédé selon l’invention, le dispositif 100 selon l’invention a acquis des données qui, en lien avec le véhicule particulier considéré, sont de même nature que celles qui ont été utilisées pour entraîner le réseau de neurones du module d’apprentissage 104.
Ensuite, selon une deuxième étape 302 du procédé selon l’invention, le dispositif 100 selon l’invention alimente le réseau de neurones artificiels du module d’apprentissage 104 avec les données caractérisant au moins une condition opératoire du véhicule et les données caractérisant au moins une caractéristique du véhicule acquises à l’étape précédente afin d’obtenir au moins une valeur identifiant un type de bruit et au moins une valeur de l’intensité dudit bruit. En d’autres termes, le dispositif 100 selon l’invention expose le réseau de neurones du module d’apprentissage 104 aux données qui concernent le véhicule particulier en phase de conception lorsqu’il est opéré selon des conditions opératoires particulières. Et le réseau de neurones ayant préalablement été entraîné pour cela, il est en mesure à ce stade de déterminer une valeur identifiant un type de bruit (e.g. bourdonnement, vibration, bruit de roulement) et une valeur de l’intensité du bruit pour le véhicule particulier considéré lorsque celui-ci est opéré dans des conditions opératoires spécifiques.
Par conséquent, grâce au procédé et au dispositif selon l’invention décrits ci-dessus, une solution est fournie pour s’affranchir de véhicules de test pour caractériser et quantifier le bruit à l’intérieur de l’habitacle des véhicules. Par ce biais, l’invention facilite donc la conception de véhicules automobiles confortables.

Claims (4)

  1. Procédé de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile au moyen d’un dispositif (100) informatique,caractérisé en ce quele procédé comprend les étapes de :
    • acquérir (301) des données caractérisant au moins une condition opératoire du véhicule et des données caractérisant au moins une caractéristique du véhicule ;
    • alimenter (302) un réseau de neurones artificiels du dispositif (100) avec les données caractérisant au moins une condition opératoire du véhicule et les données caractérisant au moins une caractéristique du véhicule afin d’obtenir au moins une valeur identifiant un type de bruit et au moins une valeur de l’intensité dudit bruit, le réseau de neurones artificiels ayant préalablement été entraîné par apprentissage supervisé en utilisant des données caractérisant des conditions opératoires de véhicules en lien avec des données caractérisant des caractéristiques de véhicules.
  2. Procédé selon la revendication 1,caractérisé en ce queles données caractérisant au moins une condition opératoire du véhicule et les données caractérisant des conditions opératoires de véhicules contiennent des données caractérisant une valeur de vitesse de déplacement, des données caractérisant une valeur de vitesse du vent et des données caractérisant une orientation par rapport au vent.
  3. Procédé selon l’une des revendications précédentes,caractérisé en ce queles données caractérisant au moins une caractéristique du véhicule et les données caractérisant des caractéristiques de véhicules contiennent des données caractérisant un nombre de vitrages, des données caractérisant une dimension d’un vitrage, des données caractérisant la mobilité d’un vitrage, des données caractérisant un nombre d’essuie-glaces, des données caractérisant une dimension d’un essuie-glace, des données caractérisant un nombre d’antennes et des données caractérisant le positionnement d’au moins une antenne.
  4. Dispositif (100) de détermination d’au moins une valeur relative à au moins un bruit perceptible à l’intérieur de l’habitacle d’un véhicule automobile,caractérisé en ce qu ele dispositif comprend au moins une unité de traitement d’informations (101), comprenant au moins un processeur, et un support de stockage de données (102) configurés pour mettre en œuvre un procédé selon l’une quelconque des revendications précédentes.
FR2207393A 2022-07-19 2022-07-19 Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle Pending FR3138232A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR2207393A FR3138232A1 (fr) 2022-07-19 2022-07-19 Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2207393 2022-07-19
FR2207393A FR3138232A1 (fr) 2022-07-19 2022-07-19 Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle

Publications (1)

Publication Number Publication Date
FR3138232A1 true FR3138232A1 (fr) 2024-01-26

Family

ID=83438245

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2207393A Pending FR3138232A1 (fr) 2022-07-19 2022-07-19 Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle

Country Status (1)

Country Link
FR (1) FR3138232A1 (fr)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011050274A1 (fr) * 2009-10-23 2011-04-28 Harman International Industries, Incorporated Système de génération de son synthétique de véhicule doté de plusieurs rapports de vitesse
US20190392811A1 (en) * 2019-08-26 2019-12-26 Lg Electronics Inc. Apparatus and method for synthesizing engine sound
EP3667659B1 (fr) * 2018-12-13 2021-10-20 Hyundai Motor Company Système et procédé de commande de son de moteur par l'intelligence artificielle sur la base de l'indice acoustique d'un véhicule
US20220148347A1 (en) * 2020-11-10 2022-05-12 Toyota Jidosha Kabushiki Kaisha Vehicle noise inspection apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011050274A1 (fr) * 2009-10-23 2011-04-28 Harman International Industries, Incorporated Système de génération de son synthétique de véhicule doté de plusieurs rapports de vitesse
EP3667659B1 (fr) * 2018-12-13 2021-10-20 Hyundai Motor Company Système et procédé de commande de son de moteur par l'intelligence artificielle sur la base de l'indice acoustique d'un véhicule
US20190392811A1 (en) * 2019-08-26 2019-12-26 Lg Electronics Inc. Apparatus and method for synthesizing engine sound
US20220148347A1 (en) * 2020-11-10 2022-05-12 Toyota Jidosha Kabushiki Kaisha Vehicle noise inspection apparatus

Similar Documents

Publication Publication Date Title
JP2023182622A (ja) 運転者支援設計分析システム
CN105306648A (zh) 具有学习能力的基于车辆状态的免提电话自适应降噪
EP3213213B1 (fr) Procédé, équipement et système d'aide au diagnostic
CN105280194A (zh) 具有学习能力的基于车辆状态的免提电话降噪
FR3138232A1 (fr) Caractérisation et quantification du bruit dans l’habitacle d’un véhicule automobile par l’intelligence artificielle
FR3044502A1 (fr) Procede et terminal pour commander l’etablissement d’un rapport d’accident d’un vehicule
EP1351831B1 (fr) Procede de mise en correspondance d'un identifiant d'une valve d'une roue d'un vehicule automobile avec un identifiant de cette roue
EP1957294A1 (fr) Systeme de surveillance de la pression des pneumatiques d'un vehicule automobile et procede pour etablir un diagnostic au moyen de ce systeme
US20180274668A1 (en) Updating shifting profiles for adaptive transmissions
WO2022112920A1 (fr) Procede et dispositif de détection d'anomalie de fonctionnement d'un véhicule, véhicule et support d'information
FR3057380B1 (fr) Procede et systeme de detection d'une adherence rail-roue reduite, et vehicule muni d'un tel systeme
CN110273989B (zh) 一种无级变速器中传动钢带夹紧控制的方法和装置
FR3106531A1 (fr) Procédé et système pour gérer la qualité de l’air de l’habitacle d’un véhicule automobile à proximité de zones où l’air est périodiquement pollué
EP3994579A1 (fr) Procédé et système pour gérer une tâche de maintenance d'un véhicule automobile
WO2022258890A1 (fr) Procédé et système pour déterminer des données caractérisant l'évolution du rayon de courbure de la trajectoire d'un véhicule automobile au cours d'un trajet
WO2020084218A1 (fr) Procédé de détermination d'une valeur courante d'un paramètre d'occupation relatif à une portion d'un espace situé à proximité d'un véhicule terrestre à moteur
FR3132485A1 (fr) Procédé et système pour gérer le fonctionnement d’un régulateur de vitesse adaptatif d’un véhicule automobile en cas de dysfonctionnement momentané du radar du véhicule
FR3140697A1 (fr) Contrôle du verrouillage des ouvrants d’un véhicule automobile
CN110852192B (zh) 噪点数据的确定方法及装置、存储介质、终端、车辆
FR3113524A1 (fr) Procédé et dispositif de détection de franchissement d’un ralentisseur routier par un véhicule.
FR2918192A1 (fr) Dispositif et procede d'aide au diagnostic d'un vehicule
FR3044144B1 (fr) Procede de tenue d’une base de donnees de defauts d’un vehicule automobile
CN117852401A (zh) 制动性能检测模型训练方法、制动性能检测方法及装置
FR3144662A1 (fr) Procédé de détermination d’un indicateur de défaut structurel
EP4066389A1 (fr) Procédé et dispositif de traitement d'un signal audio

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20240126

PLFP Fee payment

Year of fee payment: 3