面向多层级目标的汽车前围声学包优化研究

黄海波; 郑志伟; 张思文; 吴昱东; 杨明亮; 丁渭平

doi:10.3969/j.issn.0258-2724.20211086

面向多层级目标的汽车前围声学包优化研究

doi: 10.3969/j.issn.0258-2724.20211086

黄海波^{1, 2,},
郑志伟¹,
张思文³,
吴昱东¹,
杨明亮^{1, 2},
丁渭平^{1, 2, ,}

1.
西南交通大学机械工程学院，四川成都 610031
2.
西南交通大学先进驱动节能技术教育部工程研究中心，四川成都 610031
3.
长安汽车工程研究总院，重庆 401120

基金项目: 国家自然科学基金（51905408）

详细信息

作者简介:
黄海波（1989—），男，讲师，博士，研究方向为汽车NVH现代设计理论与方法，E-mail：huanghaibo214@swjtu.edu.cn

通讯作者:
丁渭平（1968—），男，教授，博士，研究方向为汽车NVH现代设计理论与方法，E-mail：dwp@swjtu.edu.cn

中图分类号: U462
计量
- 文章访问数: 639
- HTML全文浏览量: 199
- PDF下载量: 47
- 被引次数: 0
出版历程
- 收稿日期: 2022-01-06
- 修回日期: 2022-06-16
- 网络出版日期: 2023-01-18

Optimization of Automobile Firewall Acoustic Package for Multi-level Goals

HUANG Haibo^{1, 2
,},
ZHENG Zhiwei¹,
ZHANG Siwen³,
WU Yudong¹,
YANG Mingliang^{1, 2},
DING Weiping^{1, 2
, ,}

1.
School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China
2.
Engineering Research Center of Advanced Driving Energy-Saving Technology, Ministry of Education , Southwest Jiaotong University, Chengdu 610031, China
3.
Changan Auto Globe R & D Center, Chongqing 401120, China

摘要

摘要:
为了研究汽车声学包设计参数对其多性能目标的影响，首先，改进了传统的深度信念网络（DBNs）方法，并提出SVR-DBNs （support vector regression- deep belief networks）模型，提升了模型映射的准确度；其次，从车辆噪声传递关系与层级目标分解角度出发，提出了一种多层级目标预测与分析方法；最后，将所提方法应用于具体车型的前围声学包性能、重量与成本多目标预测与优化分析. 研究结果表明：SVR-DBNs方法对前围声学包性能、重量与成本目标预测准确度均在0.975以上，优于传统的反向传播神经网络（BPNN）、SVR与DBNs模型；基于SVR-DBNs模型的优化结果与实测结果接近，两者加权目标相对误差为1.09%（平均传递损失（MTL）、重量和成本相对误差绝对值分别为1.44%、1.04%与0.71%），优化后的实测结果较前围声学包原始状态性能、重量和成本分别提升了5.51%、9.01%与4.40%.
- 噪声、振动及声振粗糙度 /
- 声学包 /
- 吸隔声 /
- SVR-DBNs /
- 优化设计
Abstract:
To study the influence of automotive acoustic package design parameters on its multi-performance objectives, firstly, the traditional DBNs (deep belief networks) method was modified, and the SVR-DBNs (support vector regression-deep belief networks) model was proposed to improve the accuracy of model mapping. Secondly, from the perspective of vehicle noise transfer relationship and hierarchical target decomposition, a multi-level target prediction and analysis method was proposed. Finally, the proposed method was applied to the multi-objective prediction and optimization analysis of the MTL (mean transmission loss), weight and cost of the acoustic package for a real vehicle.The results show that the accuracy of SVR-DBNs method for the MTL, weight and cost target prediction of the acoustic package is higher than 0.975, which is better than that of the traditional BPNN（back propagation neural network）, SVR and DBNs models. The optimization results based on the SVR-DBNs model are appropriate to the measured results, the comprehensive relative error of the predicted and tested targets is 1.09% (the absolute values of the relative errors of MTL, weight and cost are 1.44%, 1.04% and 0.71%, respectively). Compared with the original status, the MTL, weight and cost of the acoustic package have increased by 5.51%, 9.01% and 4.40%, respectively.
- NVH (noise, vibration and harshness) /
- acoustic package /
- sound absorption and insulation /
- SVR-DBNs /
- optimal design

HTML全文

在科学技术和工程技术快速进步和发展的大环境下，人类致力于开发地表以下更深层的地下空间. 以往常常使用的针对地表浅层的工程类比法在深层次开挖活动中使用就不那么准确. 经过100多年的研究，国内外形成了多种地应力场模拟的方法.

朱光仪等^[1-2]充分考虑岩体自重与构造应力的影响，采用三维建模结合回归分析的方法对计算区域实测地应力进行了反演. 郭运华等^[3]在综合分析各种方法优劣的基础上，选择了多元回归分析法对岩体实测地应力进行反演分析. 李金锁等^[4]通过原位地应力测量，确定了隧道区域的地应力状态，采用三维有限元方法确定了工程区的地应力分布. 白世伟等^[5]利用不断调整侧压力系数的方法对隧道围岩地应力进行研究，表面区域的地形地貌条件以及隧道埋深都会对隧道轴线各点的地应力产生影响. 赵跃堂等^[6]结合动力松弛算法和系统阻尼算法分析了大型地下结构初始地应力状态的可行性. 夏彬伟等^[7]结合渝沙高速公路共和隧道地应力量测资料，获得每一组侧压系数下的测试段地应力，利用横观各向同性弹塑性本构模型计算得到隧道轴线方向的初始地应力大小和方向. 田勇等^[8]利用多约束优化方法，通过目标区块边界荷载反演，进行了应力场的反演模拟. 刘宁等^[9]采用非连续数值分析方法建立三维模型，利用褶皱构造和断裂构造在现今构造挤压作用下的响应方式揭示了沿线地应力存在的分区现象. 由此可见，地应力反演分析是地下工程中较为重要的环节，为设计锚固支护提供了前提条件.

本文根据对某隧道进行现场地应力测试，通过有限元模拟反演了现场围岩地应力分布规律，为岩爆和大变形预测提供依据，同时为施工隧工提供一定的指导作用.

1. 区域地质环境

1.1 地形地貌

某隧道为越岭隧道，隧址区山高坡陡，属高山、极高山构造剥蚀地貌，地表高程2 715～4 225 m，外营力以冰水侵蚀作用、冻融作用为主，同时伴有生物风化等作用，为典型高原地貌. 受构造及岩性控制明显，其主体山脉走向与构造线延展方向基本一致，呈北北西展布，岭脊呈S形弯延起伏，河谷多呈V形谷. 隧址地貌如图1所示.

图 1 隧道地貌

Figure 1. Tunnel topography map

下载: 全尺寸图片幻灯片

1.2 地层岩性

隧址区地表零星分布第四系，下伏基岩主要为侵入岩和变质岩. 变质岩主要为三叠系砂板岩，侵入岩主要为花岗闪长岩、二长花岗岩等，深大断裂附近挤压强烈变质形成糜棱岩.

1.3 地质构造

隧区在一级构造上所在区域地处扬子陆块与松潘—甘孜造山带衔接处西侧，东邻龙门山构造带，如图2所示. 区内褶皱、断裂比较发育，印支、喜山运动使盖层发生褶皱，并奠定了现今的构造轮廓，形成以北西向为主的构造线. 在二级构造上处于鲜水河构造带内，隧区主要构造形迹走向为NW向.

图 2 研究区大地构造

Figure 2. Tectonic map of the study area

下载: 全尺寸图片幻灯片

地质构造背景极为复杂，断裂发育，主要发育有鲜水河断裂分支雅拉河断裂带、色拉哈—康定断裂带、三道桥等3条区域性深大断裂以及F4-4、F10-1 、F10-2等一系列次级断裂构造，见图3 （隧道全长17730 m）. 图中，DZ开头的都为测孔编号

图 3 隧道纵剖面及地应力测孔

Figure 3. Tunnel profile and borehole map for in-situ stress measurement

下载: 全尺寸图片幻灯片

1.4 区域地应力特征

区域应力主要来自青藏高原物质的向南东方向逃逸所产生的挤压应力，主要受鲜水河断裂带左行走滑作用控制. 隧址区现今主应力方向为NW-NWW向，主应力方向与隧址区主体构造小角度相交，隧道大致走向为NE向SW行进，区域地应力和隧道轴线呈大角度相交. 整个测区属于应力集中区域，高地应力将是深埋长大隧道面临的主要工程地质问题，硬岩可能发生岩爆，软岩和断层带可能发生大变形.

2. 现场地应力测试结果及分析

水压致裂法地应力测量是目前国际上能较好地直接进行深孔地应力测量的先进方法. 该方法无需知道岩石的力学参数就可获得地层中现今地应力的多种参量，并具有操作简便、可在任意深度进行连续或重复测试、测量速度快、测值稳定可靠等优点. 缺点是只宜用铅垂孔进行测量，且必须假定铅垂方向为一个主应力方向，不适合于地形变化大的浅部. 本项研究结合该方法优点，采用数值模拟来弥补其缺点，即两种方法相互补充、对照和印证，从而提高了研究结果的可信度.

地应力测试的目的是测量地层原位地应力的大小和方向. 通过原地应力测量，确定隧道围岩的现今地壳应力状态，即原地应力的大小和方向，小型水压致裂法地应力测量是一种能够可靠而有效测量地壳深部应力的方法. 水压致裂原地应力测量是以弹性力学为基础，通过小体积、高压的流体注入，小型压裂测试在测试层位产生一条张性裂缝并将破裂扩展到远离井筒影响范围的原始地层中.

在工程区采用钻孔水压致裂法进行了深孔地应力测试，并假定：1）测试孔是竖直的，即岩层中的竖向主应力平行于孔轴；2）测试孔在测试段内为圆形且测试孔相对地层是无限小的，这个假定确保了弹性力学解的实用性；3）岩层中的孔隙压力为净水压力；4）岩石的渗透率较低，即在小型压裂过程中，测试孔内的流体压力不会在短时间内影响岩石的孔隙压力. 根据水压致裂法测试结果得到DZ-04号测孔地应力分布如图4与表1所示. 图中：H为埋深. 表1中：P₀为自重压力；P_b为破裂压力；P_r为重张压力；P_s为瞬时关闭压力；以上压力值为地表监测仪器显示量值与水柱压力相加所得；T为岩石抗拉强度.

图 4 DZ-04号测孔地应力沿深度分布规律

Figure 4. Distribution law of ground stress along depth in dZ-04 measuring hole

下载: 全尺寸图片幻灯片

通过DZ-04号测孔应力测量结果可以分析得出：主应力值随地层深度增加而增加，在380～685 m测试深度范围内，竖向应力为9.88～17.81 MPa，最大水平主应力为10.99～20.28 MPa，最小水平主应力为8.94～15.98 MPa. 侧压系数为1.111～1.138，表明地应力以水平应力占主导，方向为N49°～N57°，和区域地应力一致.

通过拟合计算可得：最大和最小主应力的线性拟合系数分别为0.990 2和0.995 4，显示主应力随深度变化趋势的线性度较好，说明了本次水压致裂测量结果的可靠性和代表性.

表 1 DZ-04号测孔水压致裂地应力测量结果

Table 1. Measurement results of ground stress caused by water pressure in borehole DZ-04

测段序号	测段中心深度/m	压裂参数/MPa					应力值/MPa			破裂方向/（°）
测段序号	测段中心深度/m	P₀	P_b	P_r	P_s	T	σ_H	σ_h	σ_v	破裂方向/（°）
1	685.0～685.7	15.98	26.20	20.95	19.21	5.25	20.28	15.98	17.81	N53W
2	624.0～624.7	14.78	24.26	19.76	18.13	4.50	18.46	14.78	16.22	N58W
3	504.0～504.7	11.69	18.00	14.50	13.29	3.50	15.63	11.69	13.10	N65W
4	440.0～440.7	9.88	15.43	12.01	11.49	3.42	13.32	9.88	11.44
5	380.0～380.7	8.94	13.50	12.11	10.34	1.39	10.99	8.94	9.88

下载: 导出CSV

| 显示表格

根据相同的方法，对其余各孔地应力分布进行线性拟合，所得结果如表2所示.

表 2 不同钻孔地应力拟合结果

Table 2. In-situ stress fitting results of different boreholes

孔号	拟合公式	最大值/ MPa	最小值/ MPa
DZ-01	σ_H=0.031 2H−8.027 0 σ_h=0.010 9H + 0.328 0	14.24	11.19
DZ-01-1	σ_H=0.022 8H−1.417 0 σ_h=0.009 1H + 3.226 0	17.88	10.84
DZ-01-2	σ_H=0.023 3H−0.188 4 σ_h=0.014 1H + 1.029 9	11.44	7.91
DZ-02	σ_H=0.042 6H−6.773 9 σ_h=0.031 9H−4.133 3	36.91	28.53
DZ-03-1	σ_H=0.038 9H−2.014 1 σ_h=0.025 4H + 1.037 8	41.69	29.84
DZ-04	σ_H=0.033 9H−0.106 7 σ_h=0.027 3H−0.073 8	27.85	22.12
DZ-04-2	σ_H=0.040 2H−2.167 2 σ_h=0.027 2H + 0.383 1	27.86	20.39
DZ07	σ_H=0.018 4H + 3.284 6 σ_h=0.013 4H + 1.547 3	18.65	13.49

下载: 导出CSV

| 显示表格

3. 某隧道地应力场模拟

采用边界荷载法，施加合适的边界条件，对水压致裂法测量得到的原地应力结果进行拟合，开展隧道地应力反演，获得地应力计算结果.

3.1 模型建立

通过综合勘察绘制隧道纵断面，使用ANSYS软件建立隧道纵断面的二维模型，模型包含隧道长为17 730 m，模型厚度为1 000 m. 模型中包含隧道沿线的各个地层及断层，共有12个组和164万个网格单元，如图5所示.

通过对隧道区域地质构造及地应力测试结果进行分析，其构造应力主要来源于NW向，因而模型的边界设置为：底边界和两个侧边界采用位移边界条件，两个侧边界采用应力边界，如图6所示. 图中：W为竖向应力；F为不同方向的水平应力.

图 5 模型计算示意

Figure 5. Model calculation diagram

下载: 全尺寸图片幻灯片

地应力反演计算时岩体采用弹性本构模型，计算参数如表1所示. 根据不同钻孔水压致裂测得的地应力结果可以看出：隧址区的最大水平主应力在深度方向的递增梯度约为0.385 MPa/km，最小水平主应力在深度方向的递增梯度约为0.257 MPa/km. 根据隧道钻孔取样试验结果，结合《工程地质手册》（第五版）相关经验值，取隧道主要围岩物理力学参数如表3、4所示.

图 6 边界条件示意

Figure 6. Schematic diagram of boundary conditions

下载: 全尺寸图片幻灯片

表 3 隧道围岩物理力学参数

Table 3. Physical and mechanical parameters of tunnel surrounding rock

地层	围岩级别	弹性模量/GPa	泊松比	体积模量/GPa	剪切模量/GPa	密度/ （kg•m⁻³）
板岩	Ⅳ	20	0.32	18.52	13.20	2 630
板岩	Ⅴ	6	0.35	6.67	4.05	2 600
花岗岩	Ⅲ	50	0.25	33.33	31.25	2 750
	Ⅳ	20	0.30	16.67	13.00	2 650
	Ⅴ	6	0.35	6.67	4.05	2 600
糜棱岩	Ⅳ	22	0.30	18.33	14.30	2 650
糜棱岩	Ⅴ	8	0.35	8.89	5.40	2 620

下载: 导出CSV

| 显示表格

表 4 隧道断层破碎带力学参数

Table 4. Mechanical parameters of tunnel fault fracture zone

断层	弹性模量/ GPa	泊松比	体积模量/ GPa	剪切模量/ GPa	密度/ （kg•m⁻³）
F1	9.0	0.24	5.77	3.63	2 250
F2	8.5	0.25	5.67	3.40	2 250
F4	8.1	0.25	5.40	3.24	2 250
F5	8.2	0.25	5.47	3.28	2 250
F6	7.9	0.26	5.49	3.13	2 250
F7	7.5	0.26	5.21	2.98	2 250

下载: 导出CSV

| 显示表格

3.2 模型验证

为验证数值反演结果的有效性，将计算结果与钻孔实测地应力进行比较，限于篇幅，仅将DZ-04与DZ-07号钻孔与数值模拟结果进行对比，如表5、6所示.

通过对比可得：数值模拟计算的结果与地应力测量结果大致相当，拟合度均接近于1，表明数值计算的拟合精度较高，其计算结果真实可信.

表 5 DZ-04应力计算结果与实测应力值对比

Table 5. Comparison between calculated and measured results of dZ-04 horizontal principal stress

测段序号	深度/m	$\sigma_{\rm{H}}$			$\sigma_{\rm{h}}$			$\sigma_{\rm{v}}$
测段序号	深度/m	实测/MPa	计算/MPa	拟合度/%	实测/MPa	计算/MPa	拟合度/%	实测/MPa	计算/MPa	拟合度/%
1	835.7	27.85	30.8	111	22.12	21.87	99	21.71	23.45	108
2	705.7	24.23	27.56	114	20.45	19.45	95	18.33	20.22	110
3	635.7	21.27	22.35	105	16.74	17.36	104	16.51	14.53	88
4	540.7	18.80	18.56	99	14.58	15.98	110	14.04	12.56	89
5	455.7	14.78	14.32	97	12.23	13.65	112	11.83	9.76	83

下载: 导出CSV

| 显示表格

表 6 DZ-07应力计算结果与实测应力值对比

Table 6. Comparison between calculated and measured results of dZ-07 maximum horizontal principal stress

测段序号	深度/m	$\sigma_{\rm{H}}$			$\sigma_{\rm{h}}$			$\sigma_{\rm{v}}$
测段序号	深度/m	实测/MPa	计算/MPa	拟合度/%	实测/MPa	计算/MPa	拟合度/%	实测/MPa	计算/MPa	拟合度/%
1	294.5	8.91	8.45	95	5.85	6.21	106	7.80	8.32	107
2	382.5	10.39	11.20	108	7.13	8.02	112	10.14	11.23	111
3	546.6	13.03	12.67	97	9.07	10.08	111	14.48	15.64	108
4	659.5	15.06	14.76	98	10.80	11.78	109	17.48	18.56	106
5	758.5	17.75	16.87	95	12.69	13.65	108	20.10	21.47	107
6	835.0	18.65	19.19	103	13.49	15.04	111	22.13	24.51	111

下载: 导出CSV

| 显示表格

3.3 结果分析

3.3.1 最大主应力

根据隧道数值模拟结果，提取模型最大主应力云图与最大主应力折线图如图7所示.

从云图及折线图可以看出，隧道沿线最大地应力随埋深、岩性、断裂构造的变化而有所变化，将其分段描述如下：

1） CK260 + 150～CK263 + 960最大主应力值为3.80～17.48 MPa，无断层的位置最大主应力为6.86～22.48 MPa，在断层F1、F2发育位置，最大主应力值则急剧减小，最小值在F1（CK261）位置，为3.80 MPa.

图 7 隧道最大主应力云图及数值折线图

Figure 7. Cloud diagram and numerical broken-line diagram of maximum principal stress of tunnel

下载: 全尺寸图片幻灯片

2） CK263 + 960～CK265 + 892最大主应力值为9.47～26.62 MPa，在断层F4位置（CK263 + 960），最大主应力值则急剧减小，为9.47 MPa.

3）由于隧道在里程段CK265 + 892～CK272 + 488埋深最大，且其岩性为花岗闪长岩和二长花岗岩，重度较大，其最大主应力值在整个隧道轴线中是最大的，为22.94～32.14 MPa.

4）由于 CK272 + 488～CK277 + 880地形变化，隧道埋深逐渐减小，最大主应力值缓慢变小，其值为1.49～21.40 MPa，同样存在断层位置减小，断层两端增大的规律.

5）由于在CK263 + 942处地形变化大，所以地应力也急剧增加. 在该里程段中存在5个岩性分界面，分别位于CK263 + 960、 CK265 + 892、 CK266 + 717、 CK267 + 726、CK275 + 954，在这些位置最大主应力值均有所增加.

隧道各里程段最大主应力值如表7所示：

综合最大主应力云图、折线图以及表7可以看出：最大主应力值主要受到埋深、岩石重度以及构造应力的影响，在构造应力一定的条件下，埋深越大，岩石重度越大，则最大主应力的值越大. 而在断层位置，由于岩石破裂使应力得到释放，所以最大主应力值比同深度的完整岩体较低；在岩性分界面以及断裂附近的上盘，则会发生应力集中，出现应力增高的现象.

表 7 隧道各里程段最大主应力值

Table 7. Maximum principal stress in each mileage section of tunnel

地层或断层编号	里程段	最大主应力值/MPa
D1	CK260 + 150～CK261 + 000	6.86～9.02
F1	CK261 + 000～CK261 + 200	3.80～7.97
D1	CK261 + 200～CK262 + 154	8.75～13.57
F2	CK262 + 154～CK262 + 405	4.53～14.33
D1	CK262 + 405～CK263 + 960	13.60～17.48
F4	CK263 + 960～CK264 + 412	9.47～27.13
D2	CK264 + 412～CK265 + 892	21.32～26.62
D3	CK265 + 892～CK266 + 717	25.80～30.15
D4	CK266 + 717～CK267 + 726	25.80～30.15
D3	CK267 + 726～CK267 + 873	25.80～30.15
D3	CK267 + 873～CK268 + 652	30.01～32.14
D3	CK268 + 652～CK272 + 488	22.94～29.83
F5	CK272 + 488～CK272 + 639	10.58～18.84
D3	CK272 + 639～CK275 + 648	13.63～21.40
F6	CK275 + 648～CK275 + 954	8.86～14.36
D5	CK275 + 954～CK277 + 880	1.49～12.81

下载: 导出CSV

| 显示表格

3.3.2 中间主应力

根据隧道数值模拟结果，提取模型中间主应力云图如图8所示.

由图8可知：隧道中间主应力值在0～30.21 MPa，与最大主应力有相似的规律，随埋深变化明显，在断层部位有所下降，而在断层的两端围岩中则发生了应力集中，隧道轴线沿线中间主应力值约在0～13.00 MPa.

图 8 隧道中间主应力云图

Figure 8. Cloud diagram of principal stress in the middle of tunnel

下载: 全尺寸图片幻灯片

3.3.3 最小主应力

模型最小主应力云图如图9所示. 由图9可知：隧道最小主应力值在0～29.84 MPa，与最大主应力有相似的规律，随埋深变化明显，在断层部位有所下降，而在断层的两端围岩中则发生了应力集中，隧道轴线沿线最小主应力值在0～6.00 MPa.

图 9 隧道最小主应力云图

Figure 9. Cloud diagram of minimum principal stress of tunnel

下载: 全尺寸图片幻灯片

综上所述：隧道沿线最大主应力值主要受埋深的影响，隧道埋深越大，其围岩最大主应力越大；断裂与完整岩体交汇处最大主应力差值较大，岩性分界面处则存在应力集中，隧道开挖会扰乱这些位置的应力状况，形成应力释放条件，产生岩爆.

4. 结　论

1）本文结合水压致裂法获取8个测孔实测地应力进行了地应力反演计算，获得洞轴线各个里程段落任一点地应力值，并获取其分布规律，为岩爆和大变形合理预测、针对性设计以及综合防控奠定了基础.

2）隧道纵断面水平最大主应力为32.14 MPa，最小主应力为29.84 MPa，侧压力系数为1.363～1.438，最大水平主应力在深度方向的递增梯度约为0.385 MPa/km，最小水平主应力在深度方向的递增梯度约为0.257 MPa/km. 实测围岩地应力方向为NW—NWW向，和区域地应力方向基本一致，围岩地应力水平高，具备发生岩爆和大变形的条件.

3）地应力在断层部位得到了一定程度的释放，地应力较小，断层两侧的完整岩体应力存在一定程度的集中，应力值较高. 在断层段设计和施工时应充分考虑应力的释放和局部集中因素.

4）由于岩石物理力学试验参数偏少且离散性较大，地应力反演模型参数取值不够准确，地应力计算结果可能会存在一定误差.

致谢：感谢中铁二院院控科研项目基金（KYY2019004）对本论文的支持.

图 1 前围声学包多层级目标分解架构

Figure 1. Multi-level goals decomposition architecture of firewall acoustic package

下载: 全尺寸图片幻灯片

图 2 DBNs拓扑结构

Figure 2. DBNs topology

下载: 全尺寸图片幻灯片

图 3 SVR-DBN训练流程

Figure 3. SVR-DBN training flowchart

下载: 全尺寸图片幻灯片

图 4 前围声学包系统及零部件测试环境

Figure 4. Firewall acoustic package system and parts test environment

下载: 全尺寸图片幻灯片

图 5 模型 ${f}_{1}^{\left[1\right]}$ ～ ${f}_{3}^{\left[1\right]}$ 的训练与测试结果

Figure 5. Training and test results of model ${f}_{1}^{\left[1\right]}$ − ${f}_{3}^{\left[1\right]}$

下载: 全尺寸图片幻灯片

表 1 前围声学包系统及零部件原始状态

Table 1. Original state of firewall acoustic package system

部件名称	材料名称	厚度/ mm	面积占比/%	密度/ （kg·m⁻³）	单价/ （元·m⁻³）
前围钣金	高强度钢	① 1.0	② 30	7820	39100
前围钣金	高强度钢	③ 1.2	④ 70	7820	39100
外前围隔音垫	玻璃纤维	⑤ 10.0	⑥ 20	100	5800
外前围隔音垫	玻璃纤维	⑦ 20.0	⑧ 80	100	5800
内前围隔音垫	PU 泡沫	⑨ 5.0	⑩ 35	64	7200
	PU 泡沫	⑪ 10.0	⑫ 65	64	7200
	棉毡	⑬ 3.0	⑭ 20	113	4000
	棉毡	⑮ 5.0	⑯ 80	113	4000
前围覆盖率		⑰ 99.5%			±0.1%, ±25 元
前围泄漏量		⑱ 0.20%			±0.05%, ±35 元
注：①～⑱表示构建预测模型的设计变量.

下载: 导出CSV

表 2 多层级分解模型在测试集上的准确度

Table 2. Accuracy of multi-level model on test set

目标	第一～二层级（R²）	第二～三层级（R²）
MTL	0.975	0.970、0.974、0.968
重量	0.983	0.979、0.984、0.981
成本	0.986	0.988、0.978、0.980

下载: 导出CSV

表 3 声学包多目标优化结果

Table 3. Multi-goals optimization results of acoustic package

预测模型	MTL		重量		成本
预测模型	R²	MSE/dB	R²	MSE/kg	R²	MSE/元
BPNN	0.917	0.771	0.924	1.267	0.931	13.457
SVR	0.955	0.364	0.959	0.846	0.961	7.950
DBNs	0.971	0.341	0.979	0.611	0.974	7.491
SVR-DBNs	0.975	0.296	0.983	0.579	0.986	4.360

下载: 导出CSV

表 4 前围声学包多目标优化设计参数

Table 4. Multi-goals optimization design parameters of firewall acoustic package

部件名称	材料名称	厚度/mm	面积占比/%
前围钣金	高强度钢	1.0	32
前围钣金	高强度钢	1.2	68
外前围隔音垫	玻璃纤维	14.0	28
外前围隔音垫	玻璃纤维	20.0	72
内前围隔音垫	PU 泡沫	6.0	37
	PU 泡沫	10.0	63
	棉毡	4.0	28
	棉毡	5.0	72
前围覆盖率/%		99.6
前围泄露量/%		0.20

下载: 导出CSV

表 5 前围声学包多目标优化结果与实测结果

Table 5. Multi-goals optimization results and measured results of firewall acoustic package

状态		MTL/dB	重量/kg	成本/元	加权目标
原始状态		45.4	21.4	281.6	1.0247
优化后	预测值	48.6	19.3	267.3	0.9588
优化后	实测值	47.9	19.5	269.2	0.9693

下载: 导出CSV

参考文献(23)

[1]	PANG J. Noise and vibration control in automotive bodies[M]. Chichester: John Wiley & Sons, Ltd., 2018.
[2]	《中国公路学报》编辑部. 中国路基工程学术研究综述·2021[J]. 中国公路学报,2021,34(3): 1-49. doi: 10.3969/j.issn.1001-7372.2021.03.001 Editorial Department of China Journal of Highway and Transport. Review on China’s subgrade engineering research·2021[J]. China Journal of Highway and Transport, 2021, 34(3): 1-49. doi: 10.3969/j.issn.1001-7372.2021.03.001
[3]	董俊红. 面向汽车高频噪声分析的不确定性理论与应用研究[D]. 长春: 吉林大学, 2020.
[4]	EGAB L, WANG X. On the analysis of coupling strength of a stiffened plate-cavity coupling system using a deterministic-statistical energy analysis method[J]. Mechanical Systems and Signal Processing, 2022, 164: 108234.1-108234.13.
[5]	唐荣江,李申芳,郑伟光,等. 利用混合FE-SEA方法的前围隔声性能优化设计[J]. 应用声学,2019,38(1): 22-28. TANG Rongjiang, LI Shenfang, ZHENG Weiguang, et al. Optimization design of sound insulation property in front wall using hybrid FE-SEA method[J]. Journal of Applied Acoustics, 2019, 38(1): 22-28.
[6]	LEE H R, KIM H Y, JEON J H, et al. Application of global sensitivity analysis to statistical energy analysis: vehicle model development and transmission path contribution[J]. Applied Acoustics, 2019, 146: 368-389. doi: 10.1016/j.apacoust.2018.11.023
[7]	HUANG H B, HUANG X R, DING W P, et al. Uncertainty optimization of pure electric vehicle interior tire/road noise comfort based on data-driven[J]. Mechanical Systems and Signal Processing, 2022, 165: 108300.1-108300.23.
[8]	CHAUDHARI V V, RADHIKA V, VIJAY R. Frontloading approach for sound package design for noise reduction and weight optimization using statistical energy analysis[J]. SAE International Journal of Vehicle Dynamics, Stability, and NVH, 2017, 1(1): 66-72. doi: 10.4271/2017-26-0222
[9]	周信,肖新标,何宾,等. 高速铁路声屏障插入损失影响因素及规律[J]. 西南交通大学学报,2014,49(6): 1024-1031. doi: 10.3969/j.issn.0258-2724.2014.06.014 ZHOU Xin, XIAO Xinbiao, HE Bin, et al. Influential factors and rules for insertion loss of high-speed railway noise barriers[J]. Journal of Southwest Jiaotong University, 2014, 49(6): 1024-1031. doi: 10.3969/j.issn.0258-2724.2014.06.014
[10]	代浩,金铭,陈星,等. 数据驱动的应用自适应技术综述[J]. 计算机研究与发展,2022,59(11): 2549-2568. DAI Hao, JIN Ming, CHEN Xing, et al. Data-driven application adaptive technology: a survey[J]. Computer Research and Development, 2022, 59(11): 2549-2568.
[11]	贺岩松,张辉,夏小均,等. 轿车车内声学包多目标优化与分析[J]. 机械科学与技术,2017,36(3): 455-461. HE Yansong, ZHANG Hui, XIA Xiaojun, et al. Multi-objective optimization analysis of a passenger car’s interior sound packages[J]. Mechanical Science and Technology for Aerospace Engineering, 2017, 36(3): 455-461.
[12]	SCHAEFER N, BERGEN B, KEPPENS T, et al. A design space exploration framework for automotive sound packages in the mid-frequency range[C]//Noise and Vibration Conference and Exhibition. Leuven: SAE International, 2017: 1751.1-1751.11.
[13]	孙志军,薛磊,许阳明,等. 深度学习研究综述[J]. 计算机应用研究,2012,29(8): 2806-2810. doi: 10.3969/j.issn.1001-3695.2012.08.002 SUN Zhijun, XUE Lei, XU Yangming, et al. Overview of deep learning[J]. Application Research of Computers, 2012, 29(8): 2806-2810. doi: 10.3969/j.issn.1001-3695.2012.08.002
[14]	MOHAMED A R, DAHL G E, HINTON G. Acoustic modeling using deep belief networks[J]. IEEE Transactions on Audio, Speech, and Language Processing, 2012, 20(1): 14-22. doi: 10.1109/TASL.2011.2109382
[15]	SRIVASTAVA N, SALAKHUTDINOV R. Learning representations for multimodal data with deep belief nets[C]//International Conference on Machine Learning Workshop.Edinburgh: [s.n.], 2012: 1-8.
[16]	黄海波. 基于系统目标决策的汽车NVH设计理论与方法研究[D]. 成都: 西南交通大学, 2017.
[17]	ZHANG J, PANG J, ZHANG S W, et al. A lightweight dash insulator development and engineering application for the vehicle NVH improvement[C]//Noise and Vibration Conference and Exhibition. Leuven: SAE International, 2015: 2342.1-2342.5.
[18]	姜东明,丁渭平,苏瑞强,等. 汽车前围声学包中频插入损失仿真计算[J]. 噪声与振动控制,2018,38(4): 106-110,202. JIANG Dongming, DING Weiping, SU Ruiqiang, et al. Simulation of insertion loss of vehicle firewall’s sound package in intermediate frequency range[J]. Noise and Vibration Control, 2018, 38(4): 106-110,202.
[19]	潘广源,柴伟,乔俊飞. DBN网络的深度确定方法[J]. 控制与决策,2015,30(2): 256-260. doi: 10.13195/j.kzyjc.2013.1390 PAN Guangyuan, CHAI Wei, QIAO Junfei. Calculation for depth of deep belief network[J]. Control and Decision, 2015, 30(2): 256-260. doi: 10.13195/j.kzyjc.2013.1390
[20]	黄海波,李人宪,杨琪,等. 基于DBNs的车辆悬架减振器异响鉴别方法[J]. 西南交通大学学报,2015,50(5): 776-782. doi: 10.3969/j.issn.0258-2724.2015.05.002 HUANG Haibo, LI Renxian, YANG Qi, et al. Identifying abnormal noise of vehicle suspension shock absorber based on deep belief networks[J]. Journal of Southwest Jiaotong University, 2015, 50(5): 776-782. doi: 10.3969/j.issn.0258-2724.2015.05.002
[21]	BENGIO Y, DELALLEAU O. Justifying and generalizing contrastive divergence[J]. Neural Computation, 2009, 21(6): 1601-1621. doi: 10.1162/neco.2008.11-07-647
[22]	LI Y, WANG N, SHI J, et al. Adaptive batch normalization for practical domain adaptation[J]. Pattern Recognition, 2018, 80: 109-117. doi: 10.1016/j.patcog.2018.03.005
[23]	SAE. Laboratory measurement of the airborne sound barrier performance: J1400—2017[S]. [S. l.]: SAE international, 2017.

施引文献

附加材料(0)

访问统计

点击查看大图

图(5) / 表(5)

计量

文章访问数: 639
HTML全文浏览量: 199
PDF下载量: 47
被引次数: 0

1. 区域地质环境
1.1 地形地貌
1.2 地层岩性
1.3 地质构造
1.4 区域地应力特征
2. 现场地应力测试结果及分析
3. 某隧道地应力场模拟
3.1 模型建立
3.2 模型验证
3.3 结果分析
4. 结　论

面向多层级目标的汽车前围声学包优化研究

doi: 10.3969/j.issn.0258-2724.20211086

作者简介: 黄海波（1989—），男，讲师，博士，研究方向为汽车NVH现代设计理论与方法，E-mail：huanghaibo214@swjtu.edu.cn

通讯作者: 丁渭平（1968—），男，教授，博士，研究方向为汽车NVH现代设计理论与方法，E-mail：dwp@swjtu.edu.cn

计量

出版历程