本發(fā)明涉及噪聲預(yù)測(cè)
技術(shù)領(lǐng)域：
，尤其指一種基于模糊逐維分析理論的車內(nèi)振動(dòng)噪聲預(yù)測(cè)方法，適用于汽車車內(nèi)噪聲的分析、優(yōu)化與控制。
背景技術(shù)：
：隨著世界汽車工業(yè)發(fā)展及市場(chǎng)需求的擴(kuò)大，持續(xù)保持汽車產(chǎn)品的強(qiáng)勢(shì)競(jìng)爭(zhēng)力并不斷擴(kuò)大市場(chǎng)占有份額是所有汽車生產(chǎn)商孜孜追求的目標(biāo)。科技的日新月異極大地促進(jìn)了汽車工業(yè)內(nèi)新技術(shù)、新手段、新方法的持續(xù)推陳出新，且伴隨著人們消費(fèi)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(fèi)者對(duì)汽車綜合性能的要求越來越高。在考慮節(jié)油性、動(dòng)力性、安全性、操縱穩(wěn)定性、平順性等性能指標(biāo)的同時(shí)，汽車噪聲、振動(dòng)與聲振粗糙度(nvh)特性直接地反映了在振動(dòng)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(guān)注，特別是車內(nèi)聲學(xué)環(huán)境正逐步成為衡量乘用車輛的重要指標(biāo)之一。車內(nèi)振動(dòng)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(shí)車外各種聲音信號(hào)能力的重要因素，且直接影響汽車的耐久性和可靠性。車內(nèi)振動(dòng)噪聲的研究對(duì)于提高汽車降噪性能，增強(qiáng)用戶購(gòu)買意愿具有重大意義。經(jīng)驗(yàn)表明，汽車產(chǎn)品在生產(chǎn)制造階段的振動(dòng)噪聲特性的改進(jìn)需付出極其高昂的代價(jià)，因此在設(shè)計(jì)階段就應(yīng)將車內(nèi)振動(dòng)噪聲的優(yōu)化與控制作為重要內(nèi)容和關(guān)鍵環(huán)節(jié)之一。然而，車內(nèi)振動(dòng)噪聲優(yōu)化與控制的首要前提是準(zhǔn)確地預(yù)測(cè)車內(nèi)噪聲特性。從辯證法的角度來看，確定性是相對(duì)的，不確定性是絕對(duì)的。具體而言，在車內(nèi)振動(dòng)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(dòng)機(jī)不同轉(zhuǎn)速引起的外界激勵(lì)波動(dòng)；第二，加工工藝或邊界條件等蘊(yùn)含的不確定性，如幾何尺寸或材料參數(shù)特性的波動(dòng)，生產(chǎn)裝配誤差，焊接、鉚接、螺接或鉸接等邊界條件理想化假設(shè)引入的誤差；第三，車內(nèi)空氣介質(zhì)特性隨環(huán)境變化而產(chǎn)生的波動(dòng)。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(dǎo)致結(jié)構(gòu)聲學(xué)特性產(chǎn)生較大偏差，甚至出現(xiàn)反相現(xiàn)象。因此，考慮不確定性對(duì)車內(nèi)振動(dòng)噪聲分析的影響是十分必要且有意義的。當(dāng)不確定參數(shù)取值由研究人員根據(jù)工程經(jīng)驗(yàn)或縮比模型的試驗(yàn)數(shù)據(jù)等給定時(shí)，需要準(zhǔn)確捕捉這種認(rèn)知不確定性對(duì)車內(nèi)聲學(xué)特性的影響規(guī)律。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)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(chǔ)，能夠有效提高計(jì)算精度和計(jì)算效率的一種基于模糊逐維分析理論的車內(nèi)振動(dòng)噪聲預(yù)測(cè)方法。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于模糊逐維分析理論的車內(nèi)振動(dòng)噪聲預(yù)測(cè)方法，包括以下步驟：步驟一、建立車內(nèi)振動(dòng)噪聲預(yù)測(cè)的有限元模型，確定車內(nèi)振動(dòng)噪聲預(yù)測(cè)的目標(biāo)空間位置及目標(biāo)頻率范圍，并確定車內(nèi)振動(dòng)噪聲預(yù)測(cè)的響應(yīng)列向量l為目標(biāo)空間位置處目標(biāo)頻率范圍內(nèi)不同頻率下振動(dòng)噪聲a聲級(jí)所組成的向量，維數(shù)為nl；步驟二、用步驟一中響應(yīng)列向量l關(guān)于結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)、聲場(chǎng)介質(zhì)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(diǎn)列向量和支集半徑列向量分別表示為和將α截集向量關(guān)于支集向量無量綱化，得到位于[-1,1]范圍內(nèi)的標(biāo)準(zhǔn)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(yīng)列向量l關(guān)于模糊參數(shù)的非線性程度決策關(guān)于每個(gè)參數(shù)最佳平方逼近的階數(shù)n及ng維高斯積分點(diǎn)向量利用高斯積分點(diǎn)向量步驟二中支集中點(diǎn)列向量和支集半徑列向量在支集向量的張成空間內(nèi)對(duì)模糊參數(shù)抽樣，并將樣本點(diǎn)存儲(chǔ)于分塊輸入矩陣minput；步驟四、用車內(nèi)振動(dòng)噪聲預(yù)測(cè)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(gè)行向量，計(jì)算響應(yīng)列向量l的取值，并存儲(chǔ)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(xiàng)式最佳平方逼近，建立響應(yīng)向量l的第i個(gè)分量關(guān)于第k個(gè)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(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)參數(shù)的最佳平方逼近l(i,k)(z)，計(jì)算其導(dǎo)函數(shù)的零點(diǎn)，在零截集水平下，響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)模糊參數(shù)的極值點(diǎn)向量表示為進(jìn)一步獲得對(duì)應(yīng)的最小值點(diǎn)和最大值點(diǎn)同時(shí)，在α截集水平下，響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)模糊參數(shù)的極值點(diǎn)向量進(jìn)一步獲得對(duì)應(yīng)的最小值點(diǎn)和最大值點(diǎn)步驟七、根據(jù)步驟六的結(jié)果，獲得零截集水平下響應(yīng)列向量l的第i個(gè)分量在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)向量和最大值點(diǎn)向量進(jìn)一步獲得零截集水平下響應(yīng)列向量l在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)矩陣z0，min和最大值點(diǎn)矩陣z0,max，進(jìn)行重行消除與歸組操作以減小計(jì)算代價(jià)，獲得無重行最小值點(diǎn)矩陣和無重行最大值點(diǎn)矩陣步驟八、根據(jù)步驟六的結(jié)果，獲得α截集水平下響應(yīng)列向量l的第i個(gè)分量在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)向量和最大值點(diǎn)向量進(jìn)一步獲得α截集水平下響應(yīng)列向量l在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)矩陣zα，min和最大值點(diǎn)矩陣zα,max，進(jìn)行重行消除與歸組操作以減小計(jì)算代價(jià)，獲得無重行最小值點(diǎn)矩陣和無重行最大值點(diǎn)矩陣步驟九、用步驟二中支集中點(diǎn)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(diǎn)矩陣和無重行最大值點(diǎn)矩陣轉(zhuǎn)換到真實(shí)參數(shù)空間內(nèi)，獲得最小值點(diǎn)矩陣及最大值矩陣進(jìn)一步利用車內(nèi)振動(dòng)噪聲預(yù)測(cè)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(yīng)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(nèi)振動(dòng)噪聲模糊聲壓級(jí)的頻響分布優(yōu)化的技術(shù)措施還包括：上述的步驟二中，結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)及聲場(chǎng)介質(zhì)特性參數(shù)的波動(dòng)以模糊數(shù)模型定量化。車內(nèi)振動(dòng)噪聲特性關(guān)于結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)及聲場(chǎng)介質(zhì)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(guān)于結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)及聲場(chǎng)介質(zhì)特性參數(shù)的極值點(diǎn)通過零截集水平上的極值點(diǎn)轉(zhuǎn)化而來，轉(zhuǎn)化關(guān)系式為其中表示在α截集水平上第i個(gè)響應(yīng)分量關(guān)于第k個(gè)不確定參數(shù)的極值點(diǎn)向量的第m個(gè)元素，表示在零截集水平上第i個(gè)響應(yīng)分量關(guān)于第k個(gè)不確定參數(shù)的極值點(diǎn)向量的第m個(gè)元素，表示在α上截集水平上標(biāo)準(zhǔn)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(biāo)準(zhǔn)化α區(qū)間向量的上界向量的第k分量，n表示響應(yīng)關(guān)于結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)及聲場(chǎng)介質(zhì)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(shù)相比的優(yōu)點(diǎn)在于：(1)本發(fā)明以模糊數(shù)模型定量化車內(nèi)振動(dòng)噪聲響應(yīng)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(shí)現(xiàn)車內(nèi)振動(dòng)噪聲響應(yīng)的區(qū)間分析，具有計(jì)算精度或計(jì)算效率的優(yōu)勢(shì)。(3)本發(fā)明在非零截集水平上最值點(diǎn)的計(jì)算以零截集水平上的極值點(diǎn)為基礎(chǔ)，顯著提高了車內(nèi)振動(dòng)噪聲模糊響應(yīng)的計(jì)算效率。附圖說明圖1為基于模糊逐維分析的車內(nèi)振動(dòng)噪聲預(yù)測(cè)方法的原理圖；圖2為基于模糊逐維分析的車內(nèi)振動(dòng)噪聲預(yù)測(cè)方法的流程圖；圖3為車內(nèi)振動(dòng)噪聲預(yù)測(cè)的空氣介質(zhì)有限元模型圖；圖4為車內(nèi)振動(dòng)噪聲預(yù)測(cè)的結(jié)構(gòu)有限元模型圖；圖5為車內(nèi)振動(dòng)噪聲模糊聲壓級(jí)的頻響分布圖。具體實(shí)施方式以下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。首先建立如圖3和圖4所示的車內(nèi)振動(dòng)噪聲預(yù)測(cè)有限元模型并確定所關(guān)心的空間位置及頻率范圍；其次，在以隨機(jī)模型對(duì)不確定性定量化后，利用稀疏網(wǎng)格配點(diǎn)方法對(duì)隨機(jī)參數(shù)進(jìn)行抽樣，獲得隨機(jī)參數(shù)樣本點(diǎn)處響應(yīng)值；最后基于混沌多項(xiàng)式的系數(shù)獲得車內(nèi)振動(dòng)噪聲響應(yīng)的均值頻響分布與方差頻響分布。但汽車車內(nèi)聲學(xué)品質(zhì)有多種不同的度量與評(píng)價(jià)指標(biāo)，本發(fā)明選擇但不限于車內(nèi)振動(dòng)噪聲的a聲級(jí)，其它度量與評(píng)價(jià)指標(biāo)可以平行應(yīng)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(nèi)振動(dòng)噪聲預(yù)測(cè)方法，包括以下步驟：步驟一、建立車內(nèi)振動(dòng)噪聲預(yù)測(cè)的有限元模型(圖3和圖4)，確定車內(nèi)振動(dòng)噪聲預(yù)測(cè)的目標(biāo)空間位置及目標(biāo)頻率范圍，進(jìn)一步確定車內(nèi)振動(dòng)噪聲預(yù)測(cè)的響應(yīng)列向量l為目標(biāo)空間位置處目標(biāo)頻率范圍內(nèi)不同頻率點(diǎn)處的振動(dòng)噪聲a聲級(jí)所組成的向量，維數(shù)為nl；本實(shí)施例中，車內(nèi)振動(dòng)噪聲預(yù)測(cè)的目標(biāo)空間位置選擇為司機(jī)左耳所處的空間位置，目標(biāo)頻率范圍選擇為75赫茲至100赫茲；步驟二、用步驟一中響應(yīng)列向量l關(guān)于結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)、聲場(chǎng)介質(zhì)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(yàn)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(diǎn)列向量和支集半徑列向量通過式(1)分別計(jì)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(guān)于支集向量無量綱化以得到位于[-1,1]范圍內(nèi)的標(biāo)準(zhǔn)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(yùn)算符表示兩個(gè)向量的對(duì)應(yīng)元素相乘；結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)及聲場(chǎng)介質(zhì)特性參數(shù)的波動(dòng)以模糊數(shù)模型定量化。步驟三、根據(jù)步驟一中響應(yīng)列向量l關(guān)于模糊參數(shù)的非線性程度決策關(guān)于每個(gè)參數(shù)最佳平方逼近的階數(shù)n及ng維高斯積分點(diǎn)向量利用高斯積分點(diǎn)向量步驟二中獲得的支集中點(diǎn)列向量和支集半徑列向量在支集向量的張成空間內(nèi)對(duì)模糊參數(shù)抽樣，并將樣本點(diǎn)存儲(chǔ)于分塊輸入矩陣minput中，有式(3)：minput＝[s1；s2；...；sn](3)其中關(guān)于第i個(gè)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(hào)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(dāng)索引值相同時(shí)kronecker函數(shù)取值為1，當(dāng)索引值相異時(shí)kronecker函數(shù)取值為0；步驟四、利用如圖3和圖4所示的車內(nèi)振動(dòng)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(gè)行向量，計(jì)算響應(yīng)列向量l的取值，并存儲(chǔ)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(duì)應(yīng)第i個(gè)模糊參數(shù)的抽樣樣本)的第j行si(j,:)條件下響應(yīng)列向量l的取值。車內(nèi)振動(dòng)噪聲特性關(guān)于結(jié)構(gòu)材料屬性參數(shù)、載荷參數(shù)及聲場(chǎng)介質(zhì)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(xiàng)式最佳平方逼近，建立響應(yīng)向量l的第i個(gè)分量關(guān)于第k個(gè)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(xiàng)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(jì)算為式(9)：其中zs為步驟三中高斯積分點(diǎn)向量的第s個(gè)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(xiàng)式的導(dǎo)函數(shù)；步驟六、根據(jù)步驟五所獲得的響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)參數(shù)的最佳平方逼近l(i,k)(z)，計(jì)算其導(dǎo)函數(shù)的零點(diǎn)，有式(10)：在零截集水平下，響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)模糊參數(shù)的極值點(diǎn)向量表示為其由式(10)的解組成，并獲得響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)模糊參數(shù)在α截集水平下的極值點(diǎn)向量為式(11)：其中和為步驟二中標(biāo)準(zhǔn)化α區(qū)間向量的下界向量的第k個(gè)分量和上界向量的第k個(gè)分量，兩者分別對(duì)應(yīng)于第k個(gè)模糊參數(shù)，進(jìn)一步地，利用步驟五中響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)參數(shù)的最佳平方逼近l(i,k)(z)及零截集水平下極值點(diǎn)向量獲得最小值點(diǎn)和最大值點(diǎn)有式(12)：同時(shí)，根據(jù)步驟五所中響應(yīng)列向量l的第i個(gè)分量關(guān)于第k個(gè)參數(shù)的最佳平方逼近l(i,k)(z)及α截集水平下極值點(diǎn)向量獲得最小值點(diǎn)和最大值點(diǎn)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(yīng)列向量l的第i個(gè)分量在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)向量和最大值點(diǎn)向量有式(14)：從而獲得：在零截集水平下，響應(yīng)列向量l在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)矩陣z0，min和最大值點(diǎn)矩陣z0,max，有式(15)：對(duì)式(15)矩陣進(jìn)行重行消除與歸組操作以減小計(jì)算代價(jià)，獲得無重行最小值點(diǎn)矩陣和無重行最大值點(diǎn)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(yīng)列向量l的第i個(gè)分量在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)向量和最大值點(diǎn)向量有式(16)：從而獲得：在α截集水平下，響應(yīng)列向量l在標(biāo)準(zhǔn)區(qū)間[-1,1]內(nèi)的最小值點(diǎn)矩陣zα，min和最大值點(diǎn)矩陣zα,max，有式(17)：對(duì)式(15)矩陣進(jìn)行重行消除與歸組操作以減小計(jì)算代價(jià)，獲得無重行最小值點(diǎn)矩陣和無重行最大值點(diǎn)矩陣步驟九：利用步驟二中支集中點(diǎn)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(diǎn)矩陣和無重行最大值點(diǎn)矩陣轉(zhuǎn)換到真實(shí)參數(shù)空間內(nèi)，獲得該空間內(nèi)的最小值點(diǎn)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(hào)a為矩陣x或矩陣z，變量β為0或α，函數(shù)符號(hào)sym為min或max，進(jìn)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(yīng)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(nèi)振動(dòng)噪聲模糊聲壓級(jí)的頻響分布以圖3與圖4中的車內(nèi)振動(dòng)噪聲預(yù)測(cè)的有限元模型為基礎(chǔ)，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(shí)施方式，計(jì)算獲得在汽車結(jié)構(gòu)材料屬性參數(shù)、車內(nèi)空氣介質(zhì)特性參數(shù)與載荷參數(shù)的不確定性影響下車內(nèi)振動(dòng)噪聲模糊聲壓級(jí)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(zhì)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(zhì)量密度ρg噸/立方毫米[2.375,2.5,2.625]×10-9空氣介質(zhì)聲速ca毫米/秒[3.230,3.4,3.570]×105本發(fā)明的最佳實(shí)施例已闡明，由本領(lǐng)域普通技術(shù)人員做出的各種變化或改型都不會(huì)脫離本發(fā)明的范圍。當(dāng)前第1頁12