[发明专利]一种基于遗传算法的车内噪声优化方法

说明书

一种基于遗传算法的车内噪声优化方法，包括如下步骤：S100：建立车内噪声预测模型；S200：建立响应面模型；S300：建立噪声目标函数的数学优化模型；S400：应用遗传算法优化所述数学优化模型。该方法使得车内噪声得到优化的同时保证了车身质量不增大以及白车身一阶模态不降低。

技术领域

本公开属于汽车工程技术领域，具体涉及一种基于遗传算法的车内噪声优化方法。

背景技术

车内噪声大小是衡量汽车舒适性的一个重要指标。在汽车设计阶段如果能很好地预测车内噪声并采取优化手段，就能减少开发成本，提高汽车的市场竞争力。随着计算机技术的迅速发展，有限元技术成为改进传统设计流程的重要手段，但是，仅通过对有限元模型进行运算优化会占用大量时间和计算机资源。而通过响应面构造，结合试验设计和优化算法能够快速有效地进行优化设计。有些方法的优化减少了车内噪声，但是依然有优化的空间。

发明内容

鉴于此，本公开提供了一种基于遗传算法的车内噪声优化方法，包括如下步骤：

S100：建立车内噪声预测模型；

S200：建立响应面模型；

S300：建立噪声目标函数的数学优化模型；

S400：应用遗传算法优化所述数学优化模型。

通过上述技术方案，该方法运用哈默斯利实验设计方法建立白车身一阶模态、车身质量、目标节点最大声压响应面，运用遗传算法对车身板件厚度优化设计，使得车内噪声得到优化的同时保证了车身质量不增大以及白车身一阶模态不降低。

附图说明

图1是本公开一个实施例中所提供的一种基于遗传算法的车内噪声优化方法流程图；

图2是本公开一个实施例中所提供的为侧围和中部底板的取值分布情况示意图；

图3是本公开一个实施例中所提供的遗传算法(GA)流程图；

图4是本公开一个实施例中GA与另外三种算法的优化效果相对照图；

图5是本公开一个实施例中所提供的左悬置激励噪声传递函数曲线图；

图6是本公开一个实施例中所提供的右悬置激励噪声传递函数曲线图；

图7是本公开一个实施例中所提供的对板件厚度进行灵敏度分析结果图。

具体实施方式

下面结合附图1至图7对本发明进行进一步的详细说明。

在一个实施例中，参见图1，其公开了一种基于遗传算法的车内噪声优化方法，包括如下步骤：

S100：建立车内噪声预测模型；

S200：建立响应面模型；

S300：建立噪声目标函数的数学优化模型；

S400：应用遗传算法优化所述数学优化模型。

就该实施例而言，以某微型汽车为例，在车身的声固耦合模型基础上，考虑发动机左、右悬置激励对车内噪声的影响，建立目标点声压响应面，近似代替车身受激励后的响应过程，采用不同算法优化响应面，分析遗传算法在优化车内噪声方面的效率。

首先，该方法基于Hyperworks软件建立车身声固耦合模型，并进行白车身自由模态分析，为车内噪声优化奠定了基础；其次，采用噪声传递函数分析确定了左悬置X向为问题路径，结合响应灵敏度分析，建立了关键板件厚度到车内目标节点声压、车身质量、一阶模态的响应函数，大大缩短了优化时间；最后，遗传算法与其他算法的优化结果表明：在汽车设计阶段，基于声固耦合模型，遗传算法优化关键板件厚度降低车内噪声的方法取得了较好的效果。