基于HSSA-BPNN模型的车辆全态声品质预报方法技术

本发明专利技术提供了基于HSSA

【技术实现步骤摘要】
基于HSSA
‑
BPNN模型的车辆全态声品质预报方法


[0001]本专利技术属于噪声仿真和汽车声品质评价
，具体涉及基于 HSSA
‑
BPNN模型的车辆全态声品质预报方法。

技术介绍

[0002]“低噪”已经成为衡量汽车、轮船等交通工具品质的重要评价指标之一，而驾驶室中的噪声是直接影响用户对车辆的使用体验，由此，对于厂家而言，如何更好的获取用户在驾驶室中的声音体验成为关注的重点。
[0003]新能源汽车不同于传统汽车，其大量减少了发动机等设备的噪声，但是随之而来的是要考虑新的供能系统的振动会给驾驶室带来的影响。汽车的噪声很难仅通过声压级展开声学环境评价，声压级较低的噪声也可能比声压级较高的噪声带给用户更差的使用体验。而声品质可以直接反映出人对声音的主观感受，将声品质引入新能源汽车的噪声预报，可以更好的反应出司机及乘客的舒适度，为后续的优化设计提供支持。因此，建立一种准确的反应车辆实时状态下驾驶室噪声及声品质预报方法，对后续车辆噪声提出相应的控制措施有着重要的价值。
专利
技术实现思路

本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于HSSA
‑
BPNN模型的车辆全态声品质预报方法，其特征在于：包括以下步骤：S1：分别将i个激光测速仪、风速仪器、声级计和加速度传感器安装在车辆上，声级计安装在车辆驾驶室内，分别对应采集车辆在正常驾驶工况下的包括车速v
i
、风速u
i
、车辆驾驶室内声压级数据lp
i
和动力系统振动加速度a
i
的数据，作为评价正常驾驶工况下的车辆驾驶室噪声的参数；S2：通过归一化方法对步骤S1采集到的数据进行预处理；S3：建立有限元分析模型，通过对步骤S2预处理后的数据进行仿真分析获取驾驶室的理论声压级数据；S4：将步骤S1采集到的车辆驾驶室内声压级数据lp
i
作为参考信号，与步骤S3仿真得到的理论声压级数据LP
i
分别进行区间化，并一一对应组成噪声向量；基于皮尔逊相关系数公式提取各区间化的噪声向量的输入系数；S5：基于HSSA
‑
BPNN算法建立预测模型；S6：从区间化的车辆驾驶室内声压级数据中选取数据组成训练集，通过基于Metropolis准则的改进梯度下降法训练预测模型，得到优化的全态可听声范围内噪声及客观声品质的神经网络预测模型；S7：通过预测模型预测车辆驾驶室内的噪声；S8：通过数值计算预报车辆驾驶室内的全态声品质。2.根据权利要求1所述的基于HSSA
‑
BPNN模型的车辆全态声品质预报方法，其特征在于：所述的步骤S1中，具体步骤为：若车辆为新能源车辆，新能源车辆的动力系统包括燃料电池和蓄电池；新能源车辆的燃料电池位于驾驶室后方，蓄电池位于前桥与后桥间两侧的位置，将若干个加速度传感器分别固定在燃料电池和蓄电池所在的位置。3.根据权利要求1所述的基于HSSA
‑
BPNN模型的车辆全态声品质预报方法，其特征在于：所述的步骤S2中，具体步骤为：设确认车速v
i
、风速u
i
的时间为t，通过MATLAB对t时间内的数据进行归一化处理；设V
i
为归一化后的速度，min(v
i
)为t时间内的最小速度，max(v
i
)为t时间内的最大速度，则归一化处理公式为：4.根据权利要求3所述的基于HSSA
‑
BPNN模型的车辆全态声品质预报方法，其特征在于：所述的步骤S2中，取t＝1分钟。5.根据权利要求1所述的基于HSSA
‑
BPNN模型的车辆全态声品质预报方法，其特征在于：所述的步骤S3中，具体步骤为：S31：建立有限元分析模型模拟车辆的正常驾驶工况，读取并连接有限元模型，设定初始滤波参数；S32：读取步骤S2预处理后的数据并输入有限元模型；S33：通过COMSOL对输入数据进行仿真和时频转换，并进行噪声分析；...

【专利技术属性】
技术研发人员：黄其柏，李君宇，吴孝巡，吴小文，张巍瀚，肖剑锋，赵开阳，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：