(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111266159.4 (22)申请日 2021.10.28 (71)申请人 重庆长安汽车股份有限公司 地址 400023 重庆市江北区建新 东路260号 (72)发明人 范大力　贾文宇　贾小利　马东正　 李沙　张健　余雄鹰　 (74)专利代理 机构 重庆华科专利事务所 5 0123 代理人 黄启梅 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 119/10(2020.01) (54)发明名称 一种车内结构声路噪预测方法 (57)摘要 本发明提供了一种车内结构声路噪预测方 法， 包括： 基于悬架NV H性能对整车路噪进行层级 分解， 构建整车路噪性能层级分解体系； 结合试 验设计DOE和路面试验测得整车路噪性能层 级分 解体系中的各参数的样本数据集， 并将样本数据 集划分为训练样本数据集和测试样 本数据集； 基 于所构建的整车路噪性能层 级分解体系， 构建支 持向量回归算法SVR的预测模型； 对训练样本数 据集进行归一化处理后， 利用归一化处理后的训 练样本数据集训练基于支持向量回归算法SVR的 预测模型， 得到训练后的路噪预测模型； 对测试 样本数据集进行前处理后， 利用前处理后的测试 样本数据集验证已训练后的路噪预测模型； 利用 已验证的路噪预测模型， 进行车内结构声路噪预 测。 权利要求书2页 说明书7页 附图4页 CN 113886974 A 2022.01.04 CN 113886974 A 1.一种车内结构声路噪预测方法， 其特 征在于， 包括： 步骤1， 基于悬架NVH性能对整车路噪进行层级分解， 构建整车路噪性能层级分解体系； 步骤2， 结合试验设计DOE和路面试验测得整车路噪性能层级分解体系中的各参数的样 本数据集， 并将 样本数据集划分为训练样本数据集和 测试样本数据集； 步骤3， 基于所构建的整车路噪性能层级分解体系， 构建支持向量回归算法SVR的预测 模型； 步骤4， 对训练样本数据集进行归一化处理后， 利用归一化处理后的训练样本数据集训 练基于支持向量回归算法SVR的预测模型， 得到训练后的路噪预测模型； 步骤5， 对测试样本数据集进行前处理后， 利用前处理后的测试样本数据集验证已训练 后的路噪预测模型； 步骤6， 利用已验证的路噪预测模型， 进行 车内结构声路噪预测。 2.根据权利要求1所述的方法， 其特征在于， 步骤1中， 在构建路噪性能层级分解体系 时， 先验性地剔除对结构振动衰减作用低于预设强度的一个或多个零部件参数； 再通过灵 敏度分析剔除对结构振动衰减作用低于第二预设强度的零部件参数； 保留前摆臂前衬套刚度、 前摆臂后衬套刚度、 前减震器阻尼系数、 前减安装衬套动刚 度、 前螺旋弹簧垂向刚度、 后纵臂衬套刚度、 后 横向拉杆衬套刚度、 后下摆臂衬套刚度、 后横 向控制臂衬套刚度、 后减震器阻尼系数和后减安装衬套动刚度作为路噪性能层级分解体系 的第三层级参数； 保留前转向节、 前副车架与车身接附点被动端、 前减振器上安装点被动 侧、 后转向节、 后纵臂前衬套被动端、 后副车架与车身接附点被动端、 后减振器被动侧的振 动加速度为第二层级参数。 3.根据权利要求1所述的方法， 其特 征在于， 步骤2包括： 采用正交设计方法设计试验方案， 以试验车辆的前摆臂前衬套刚度、 前摆臂后衬套刚 度、 前减震器阻尼系数、 前减安装衬套动刚度、 前螺旋弹簧垂向刚度、 后纵臂衬套刚度、 后横 向拉杆衬套刚度、 后下摆臂衬套刚度、 后横向控制臂衬套刚度、 后减震器阻尼系数和 后减安 装衬套动刚度作为影响因子； 在试验车辆的前转向节、 前副车架与车身接附点被动端、 前减振器上安装点被动侧、 后 转向节、 后纵臂前衬套被动端、 后副车架与车身接附点被动端、 后减振器被动侧分别布置进 行振动数据采集的振动传感器， 在试验车辆的车内主驾右耳头枕 处布置进 行噪声数据采集 的声压传感器； 进行11因子3水平的设计， 选取正交表L33 （311） 对试验车辆进行33次匀速工况试验， 完 成噪声数据和振动数据采集； 对采集到的噪声数据和振动数据分别用20 ‑50Hz、 50‑100Hz、 100 ‑300Hz三个频段的均 方根值RMS进行度量， 得到训练样本数据集和 测试样本数据集。 4.根据权利要求1所述的方法， 其特 征在于， 步骤4包括： 步骤41， 先将经过归一化处理后的训练样本数据集中的前摆臂前衬套刚度、 前摆臂后 衬套刚度、 前减震器阻尼系数、 前减安装衬套动刚度、 前螺旋弹簧垂向刚度、 后纵臂衬套刚 度、 后横向拉杆衬套刚度、 后下摆臂衬套刚度、 后横向控制臂衬套刚度、 后减震器阻尼系数 和后减安装衬套动刚度共11个参数作为预测模型的输入特征， 将前转向节、 前副车架与车 身接附点被动端、 前减振器上安装点被动侧、 后转向节、 后纵臂前衬套被动端、 后副车架与权　利　要　求　书 1/2 页 2 CN 113886974 A 2车身接附点被动端、 后减振器被动侧的振动加速度共7个参数作为标准输出来进行第一轮 预测模型训练； 步骤42， 将前转向节、 前副车架与车身接附点被动端、 前减振器上安装点被动侧、 后转 向节、 后纵臂前衬套被动端、 后副车架与车身接附点被动端、 后减振器被动侧的振动加速度 共7个参数作为预测模型 的输入特征， 将车内主驾右耳头枕处采集到的噪声作为标准输出 进行第二轮预测模型训练； 迭代执行步骤41和步骤42,直至训练后的预测模型的输出结果满足设计精度， 将此时 的预测模型确定为路噪预测模型。 5.根据权利要求1所述的方法， 其特 征在于， 步骤5中， 采用均 方误差和决定系数验证已训练好的路噪预测模型的精度， 其中决定系 数越接近1， 路噪预测模型的精度越高； 均方误差越小， 路噪预测模型的精度越高。权　利　要　求　书 2/2 页 3 CN 113886974 A 3