本發(fā)明涉及噪聲預測
技術領域：
，尤其指一種基于模糊逐維分析理論的車內振動噪聲預測方法，適用于汽車車內噪聲的分析、優(yōu)化與控制。
背景技術：
：隨著世界汽車工業(yè)發(fā)展及市場需求的擴大，持續(xù)保持汽車產品的強勢競爭力并不斷擴大市場占有份額是所有汽車生產商孜孜追求的目標?？萍嫉娜招略庐悩O大地促進了汽車工業(yè)內新技術、新手段、新方法的持續(xù)推陳出新，且伴隨著人們消費觀念的改變，汽車概念正由“代步工具”向“生活空間”快速地發(fā)展和延伸，消費者對汽車綜合性能的要求越來越高。在考慮節(jié)油性、動力性、安全性、操縱穩(wěn)定性、平順性等性能指標的同時，汽車噪聲、振動與聲振粗糙度(nvh)特性直接地反映了在振動與噪聲影響下駕乘人員舒適性主觀感受的變化，因而汽車nvh特性受到越來越多的關注，特別是車內聲學環(huán)境正逐步成為衡量乘用車輛的重要指標之一。車內振動噪聲是影響駕乘人員舒適性、聽覺損害程度、語言清晰度以及辨識車外各種聲音信號能力的重要因素，且直接影響汽車的耐久性和可靠性。車內振動噪聲的研究對于提高汽車降噪性能，增強用戶購買意愿具有重大意義。經驗表明，汽車產品在生產制造階段的振動噪聲特性的改進需付出極其高昂的代價，因此在設計階段就應將車內振動噪聲的優(yōu)化與控制作為重要內容和關鍵環(huán)節(jié)之一。然而，車內振動噪聲優(yōu)化與控制的首要前提是準確地預測車內噪聲特性。從辯證法的角度來看，確定性是相對的，不確定性是絕對的。具體而言，在車內振動噪聲分析過程中，不可避免地存在不同來源的不確定性，主要表現(xiàn)為：第一，不平整路面或發(fā)動機不同轉速引起的外界激勵波動；第二，加工工藝或邊界條件等蘊含的不確定性，如幾何尺寸或材料參數(shù)特性的波動，生產裝配誤差，焊接、鉚接、螺接或鉸接等邊界條件理想化假設引入的誤差；第三，車內空氣介質特性隨環(huán)境變化而產生的波動。這些不確定性從數(shù)值上往往較小，但已有研究表明，即使是小幅不確定性，它們之間的耦合作用也可能導致結構聲學特性產生較大偏差，甚至出現(xiàn)反相現(xiàn)象。因此，考慮不確定性對車內振動噪聲分析的影響是十分必要且有意義的。當不確定參數(shù)取值由研究人員根據(jù)工程經驗或縮比模型的試驗數(shù)據(jù)等給定時，需要準確捕捉這種認知不確定性對車內聲學特性的影響規(guī)律。技術實現(xiàn)要素：本發(fā)明所要解決的技術問題是針對現(xiàn)有技術的現(xiàn)狀，提供以模糊數(shù)定量化不確定參數(shù)，以逐維分析理論為基礎，能夠有效提高計算精度和計算效率的一種基于模糊逐維分析理論的車內振動噪聲預測方法。本發(fā)明解決上述技術問題所采用的技術方案為：一種基于模糊逐維分析理論的車內振動噪聲預測方法，包括以下步驟：步驟一、建立車內振動噪聲預測的有限元模型，確定車內振動噪聲預測的目標空間位置及目標頻率范圍，并確定車內振動噪聲預測的響應列向量l為目標空間位置處目標頻率范圍內不同頻率下振動噪聲a聲級所組成的向量，維數(shù)為nl；步驟二、用步驟一中響應列向量l關于結構材料屬性參數(shù)、載荷參數(shù)、聲場介質特性參數(shù)的靈敏度分析數(shù)據(jù)，決策不確定參數(shù)向量x所包含的參數(shù)，并根據(jù)不確定參數(shù)可用數(shù)據(jù)以n維模糊數(shù)向量定量化，它的任意α截集向量以表示，支集向量以表示，支集向量的上界向量和下界向量分別表示為和支集中點列向量和支集半徑列向量分別表示為和將α截集向量關于支集向量無量綱化，得到位于[-1,1]范圍內的標準化α區(qū)間向量其下界向量和上界向量分別以和表示；步驟三、根據(jù)步驟一中響應列向量l關于模糊參數(shù)的非線性程度決策關于每個參數(shù)最佳平方逼近的階數(shù)n及ng維高斯積分點向量利用高斯積分點向量步驟二中支集中點列向量和支集半徑列向量在支集向量的張成空間內對模糊參數(shù)抽樣，并將樣本點存儲于分塊輸入矩陣minput；步驟四、用車內振動噪聲預測的有限元模型，將模糊數(shù)向量取值為步驟三中分塊輸入矩陣minput的每個行向量，計算響應列向量l的取值，并存儲于分塊輸出矩陣moutput；步驟五、根據(jù)步驟四中的分塊輸出矩陣moutput，利用勒讓德多項式最佳平方逼近，建立響應向量l的第i個分量關于第k個參數(shù)的最佳平方逼近l(i,k)(z)；步驟六、根據(jù)步驟五中響應列向量l的第i個分量關于第k個參數(shù)的最佳平方逼近l(i,k)(z)，計算其導函數(shù)的零點，在零截集水平下，響應列向量l的第i個分量關于第k個模糊參數(shù)的極值點向量表示為進一步獲得對應的最小值點和最大值點同時，在α截集水平下，響應列向量l的第i個分量關于第k個模糊參數(shù)的極值點向量進一步獲得對應的最小值點和最大值點步驟七、根據(jù)步驟六的結果，獲得零截集水平下響應列向量l的第i個分量在標準區(qū)間[-1,1]內的最小值點向量和最大值點向量進一步獲得零截集水平下響應列向量l在標準區(qū)間[-1,1]內的最小值點矩陣z0，min和最大值點矩陣z0,max，進行重行消除與歸組操作以減小計算代價，獲得無重行最小值點矩陣和無重行最大值點矩陣步驟八、根據(jù)步驟六的結果，獲得α截集水平下響應列向量l的第i個分量在標準區(qū)間[-1,1]內的最小值點向量和最大值點向量進一步獲得α截集水平下響應列向量l在標準區(qū)間[-1,1]內的最小值點矩陣zα，min和最大值點矩陣zα,max，進行重行消除與歸組操作以減小計算代價，獲得無重行最小值點矩陣和無重行最大值點矩陣步驟九、用步驟二中支集中點列向量和支集半徑列向量將步驟七和步驟八中的無重行最小值點矩陣和無重行最大值點矩陣轉換到真實參數(shù)空間內，獲得最小值點矩陣及最大值矩陣進一步利用車內振動噪聲預測的有限元模型，將模型輸入?yún)?shù)向量x取值為矩陣的每一行，獲得響應列向量l在零截集水平下的最小值l0，min和最大值l0,max及任意α截集水平下的最小值lα，min和最大值lα，max，最終獲得車內振動噪聲模糊聲壓級的頻響分布優(yōu)化的技術措施還包括：上述的步驟二中，結構材料屬性參數(shù)、載荷參數(shù)及聲場介質特性參數(shù)的波動以模糊數(shù)模型定量化。車內振動噪聲特性關于結構材料屬性參數(shù)、載荷參數(shù)及聲場介質特性參數(shù)的定量變化規(guī)律通過逐維分析策略及最佳平方逼近策略獲得。非零截集水平上噪聲特性關于結構材料屬性參數(shù)、載荷參數(shù)及聲場介質特性參數(shù)的極值點通過零截集水平上的極值點轉化而來，轉化關系式為其中表示在α截集水平上第i個響應分量關于第k個不確定參數(shù)的極值點向量的第m個元素，表示在零截集水平上第i個響應分量關于第k個不確定參數(shù)的極值點向量的第m個元素，表示在α上截集水平上標準化α區(qū)間向量的下界向量的第k分量，表示在α上截集水平上標準化α區(qū)間向量的上界向量的第k分量，n表示響應關于結構材料屬性參數(shù)、載荷參數(shù)及聲場介質特性參數(shù)的最佳平方逼近的階數(shù)。本發(fā)明與現(xiàn)有技術相比的優(yōu)點在于：(1)本發(fā)明以模糊數(shù)模型定量化車內振動噪聲響應影響因素的不確定性。(2)本發(fā)明在零截集水平上以逐維分析策略實現(xiàn)車內振動噪聲響應的區(qū)間分析，具有計算精度或計算效率的優(yōu)勢。(3)本發(fā)明在非零截集水平上最值點的計算以零截集水平上的極值點為基礎，顯著提高了車內振動噪聲模糊響應的計算效率。附圖說明圖1為基于模糊逐維分析的車內振動噪聲預測方法的原理圖；圖2為基于模糊逐維分析的車內振動噪聲預測方法的流程圖；圖3為車內振動噪聲預測的空氣介質有限元模型圖；圖4為車內振動噪聲預測的結構有限元模型圖；圖5為車內振動噪聲模糊聲壓級的頻響分布圖。具體實施方式以下結合附圖實施例對本發(fā)明作進一步詳細描述。首先建立如圖3和圖4所示的車內振動噪聲預測有限元模型并確定所關心的空間位置及頻率范圍；其次，在以隨機模型對不確定性定量化后，利用稀疏網(wǎng)格配點方法對隨機參數(shù)進行抽樣，獲得隨機參數(shù)樣本點處響應值；最后基于混沌多項式的系數(shù)獲得車內振動噪聲響應的均值頻響分布與方差頻響分布。但汽車車內聲學品質有多種不同的度量與評價指標，本發(fā)明選擇但不限于車內振動噪聲的a聲級，其它度量與評價指標可以平行應用至本發(fā)明中。如圖2所示，一種基于模糊逐維分析理論的車內振動噪聲預測方法，包括以下步驟：步驟一、建立車內振動噪聲預測的有限元模型(圖3和圖4)，確定車內振動噪聲預測的目標空間位置及目標頻率范圍，進一步確定車內振動噪聲預測的響應列向量l為目標空間位置處目標頻率范圍內不同頻率點處的振動噪聲a聲級所組成的向量，維數(shù)為nl；本實施例中，車內振動噪聲預測的目標空間位置選擇為司機左耳所處的空間位置，目標頻率范圍選擇為75赫茲至100赫茲；步驟二、用步驟一中響應列向量l關于結構材料屬性參數(shù)、載荷參數(shù)、聲場介質特性參數(shù)的靈敏度分析數(shù)據(jù)，決策不確定參數(shù)向量x所包含的參數(shù)，并根據(jù)不確定參數(shù)可用試驗數(shù)據(jù)以n維模糊數(shù)向量定量化，它的任意α截集向量以表示，支集向量以表示，支集中點列向量和支集半徑列向量通過式(1)分別計算：其中和分別表示支集向量的上界和下界，根據(jù)式(2)將α截集向量關于支集向量無量綱化以得到位于[-1,1]范圍內的標準化α區(qū)間向量其下界向量和上界向量分別以和表示，即：其中運算符表示兩個向量的對應元素相乘；結構材料屬性參數(shù)、載荷參數(shù)及聲場介質特性參數(shù)的波動以模糊數(shù)模型定量化。步驟三、根據(jù)步驟一中響應列向量l關于模糊參數(shù)的非線性程度決策關于每個參數(shù)最佳平方逼近的階數(shù)n及ng維高斯積分點向量利用高斯積分點向量步驟二中獲得的支集中點列向量和支集半徑列向量在支集向量的張成空間內對模糊參數(shù)抽樣，并將樣本點存儲于分塊輸入矩陣minput中，有式(3)：minput＝[s1；s2；...；sn](3)其中關于第i個模糊參數(shù)抽樣的輸入矩陣si表示為式(4)，即：其中矩陣si的維度為ng×n，符號δij為kronecker函數(shù)，滿足式(5)：其中i,j表示模糊參數(shù)在模糊參數(shù)向量中的索引值，當索引值相同時kronecker函數(shù)取值為1，當索引值相異時kronecker函數(shù)取值為0；步驟四、利用如圖3和圖4所示的車內振動噪聲有限元分析模型，將模糊數(shù)向量取值為步驟三所確定的分塊輸入矩陣minput的每個行向量，計算響應列向量l的取值，并存儲于分塊輸出矩陣moutput中，有式(6)：其中矩陣的維度是nl×ng，表示為式(7)：其中nl維列向量li,j(j＝1,2,...,ng)為：模糊參數(shù)向量取值為矩陣si(即對應第i個模糊參數(shù)的抽樣樣本)的第j行si(j,:)條件下響應列向量l的取值。車內振動噪聲特性關于結構材料屬性參數(shù)、載荷參數(shù)及聲場介質特性參數(shù)的定量變化規(guī)律通過逐維分析策略及最佳平方逼近策略獲得。步驟五、根據(jù)步驟四所獲得的分塊輸出矩陣moutput，利用勒讓德多項式最佳平方逼近，建立響應向量l的第i個分量關于第k個參數(shù)的最佳平方逼近l(i,k)(z)，有式(8)：其中l(wèi)j(z)表示第j階勒讓德多項式，最佳平方逼近的系數(shù)則根據(jù)步驟四中式(6)所表示的輸出矩陣moutput或式(7)所表示的矩陣計算為式(9)：其中zs為步驟三中高斯積分點向量的第s個元素，lj,s(i)為步驟四中如式(7)的矩陣的第i行第s列元素，為第ng階勒讓德多項式的導函數(shù)；步驟六、根據(jù)步驟五所獲得的響應列向量l的第i個分量關于第k個參數(shù)的最佳平方逼近l(i,k)(z)，計算其導函數(shù)的零點，有式(10)：在零截集水平下，響應列向量l的第i個分量關于第k個模糊參數(shù)的極值點向量表示為其由式(10)的解組成，并獲得響應列向量l的第i個分量關于第k個模糊參數(shù)在α截集水平下的極值點向量為式(11)：其中和為步驟二中標準化α區(qū)間向量的下界向量的第k個分量和上界向量的第k個分量，兩者分別對應于第k個模糊參數(shù)，進一步地，利用步驟五中響應列向量l的第i個分量關于第k個參數(shù)的最佳平方逼近l(i,k)(z)及零截集水平下極值點向量獲得最小值點和最大值點有式(12)：同時，根據(jù)步驟五所中響應列向量l的第i個分量關于第k個參數(shù)的最佳平方逼近l(i,k)(z)及α截集水平下極值點向量獲得最小值點和最大值點有式(13)：步驟七、根據(jù)步驟六中式(12)可以獲得：在零截集水平下，響應列向量l的第i個分量在標準區(qū)間[-1,1]內的最小值點向量和最大值點向量有式(14)：從而獲得：在零截集水平下，響應列向量l在標準區(qū)間[-1,1]內的最小值點矩陣z0，min和最大值點矩陣z0,max，有式(15)：對式(15)矩陣進行重行消除與歸組操作以減小計算代價，獲得無重行最小值點矩陣和無重行最大值點矩陣步驟八、根據(jù)步驟六中式(13)可以獲得：在α截集水平下，響應列向量l的第i個分量在標準區(qū)間[-1,1]內的最小值點向量和最大值點向量有式(16)：從而獲得：在α截集水平下，響應列向量l在標準區(qū)間[-1,1]內的最小值點矩陣zα，min和最大值點矩陣zα,max，有式(17)：對式(15)矩陣進行重行消除與歸組操作以減小計算代價，獲得無重行最小值點矩陣和無重行最大值點矩陣步驟九：利用步驟二中支集中點列向量和支集半徑列向量將步驟七和步驟八中無重行最小值點矩陣和無重行最大值點矩陣轉換到真實參數(shù)空間內，獲得該空間內的最小值點矩陣及最大值矩陣有式(18)：其中表示矩陣的第i行，矩陣符號a為矩陣x或矩陣z，變量β為0或α，函數(shù)符號sym為min或max，進一步地，利用如圖3和圖4中噪聲有限元分析模型，將模型輸入?yún)?shù)向量x取值為矩陣的每一行，獲得響應列向量l在零截集水平下的最小值l0，min和最大值l0,max及任意α截集水平下的最小值lα，min和最大值lα，max，最終獲得車內振動噪聲模糊聲壓級的頻響分布以圖3與圖4中的車內振動噪聲預測的有限元模型為基礎，將不確定參數(shù)以三角型模糊數(shù)定量化并列于表1中，其中表示模糊數(shù)支集的下界，表示模糊數(shù)支集的上界，xn表示模糊數(shù)的核，利用本發(fā)明步驟一至步驟九的具體實施方式，計算獲得在汽車結構材料屬性參數(shù)、車內空氣介質特性參數(shù)與載荷參數(shù)的不確定性影響下車內振動噪聲模糊聲壓級的頻響分布如圖5所示。表1物理量參數(shù)單位模糊數(shù)位移載荷幅值d毫米[4.750,5,5.250]鋼材彈性模量es兆帕[1.957,2.06,2.163]×105鋼材質量密度ρs噸/立方毫米[7.505,7.9,8.295]×10-9玻璃彈性模量eg兆帕[5.225,5.5,5.775]×104玻璃質量密度ρg噸/立方毫米[2.375,2.5,2.625]×10-9空氣介質聲速ca毫米/秒[3.230,3.4,3.570]×105本發(fā)明的最佳實施例已闡明，由本領域普通技術人員做出的各種變化或改型都不會脫離本發(fā)明的范圍。當前第1頁12