[發明專利]基于深度學習預測車輛NVH系統性能的方法及裝置

在審

• 申請號: 202011319254.1
• 申請日: 2020-11-23
• 公開（公告）號: CN113837425A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 宋大憲;李文錫;安煐寬;韓銀俊;樸商汎
• 申請（專利權）人: 現代自動車株式會社;起亞自動車株式會社
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 北京尚誠知識產權代理有限公司 11322
• 代理人: 龍淳

本發明提供了一種基于深度學習預測車輛NVH系統性能的方法。該方法包括：針對為與行駛時的噪聲和振動相關聯的各通道收集的學習數據進行預測；使用人工神經網絡學習模型，該模型形成與預處理后的學習數據相對應的多個輸入與多個輸出之間的相關函數的模型；以及使用通過學習后的模型形成的車輛NVH系統模型來預測性能。

技術領域

本發明涉及一種車輛噪聲、振動與聲振粗糙度(NVH)系統，并且更具體地，本發明涉及一種基于使用人工神經網絡的深度學習來預測車輛NVH系統的性能的技術。

背景技術

車輛噪聲、振動與聲振粗糙度(NVH)是指車輛的所有振動和噪聲現象的術語。

噪聲是指以分貝(dB)顯示的、使人的情緒不愉快的較大的聲音，并且噪聲大致分為由車輛部件產生的車內噪聲以及從車輛外部產生的車外噪聲。

振動是指車身在一定周期內發生抖動的振動現象，并且是由動能和勢能的反復運動的結果而引起的。振動可以大致包括：由于內部部件(例如，發動機)的操作而引起的內部振動，以及由于與路面、風等的摩擦而通過車身、輪胎或懸架傳遞到車輛的外部振動。

聲振粗糙度是指當車輛行駛過安裝在道路上的減速帶或行駛過鐵路軌道時，由不規則沖擊而引起的噪聲和振動。

NVH是決定車輛情感品質的重要因素。之前的NVH研究旨在通過簡單的降低聲音和振動制造安靜的車輛。近年來，NVH研究朝著以下方向發展：實現有感情的并且有良好音質的聲音，并且產生給駕駛員帶來樂趣的聲音的頻率或波形。

作為預測車輛NVH性能的常規技術，大致存在解析法和實驗訪問法。代表性的解析法是有限元法(FEM)。代表性的實驗訪問法是基于頻率響應函數(FRF)識別噪聲的傳遞路徑的傳遞路徑分析(TPA)。

然而，這種技術在簡單的系統中精度高，但是這種技術在包括各種類型的襯套并且通過焊接和各種組裝工藝制成的復雜系統中精度低。另外，因為上述技術難以精確地反映針對各給定駕駛情況和條件而變化的頻域上的非線性特性，所以進一步降低了性能評估的可靠性。

發明內容

本發明旨在解決現有技術中出現的上述問題，同時保持現有技術所實現的優點。

本發明的一個方面提供了一種用于創建車輛NVH系統模型并且基于深度學習預測車輛NVH系統的性能的方法。

本發明的另一方面提供一種用于創建車輛NVH系統模型并且基于深度學習預測車輛NVH系統的性能的方法及裝置，能夠通過將所有駕駛數據應用至學習來使數據浪費最小化，并且通過反映駕駛狀態中的非線性特性來提供高效的、數據友好的車輛NVH系統模型。

本發明的另一方面提供一種用于創建車輛NVH系統模型的方法，能夠使用駕駛時的數據提供指示車輛特性和/或零件特性的NVH系統模型，而無需預先檢查傳遞路徑中的每一者的特性的過程。

本發明的另一方面提供了一種用于創建車輛NVH系統模型和預測車輛NVH系統的性能的方法，能夠通過一次監測快速并且簡單地識別整個車輛NVH系統的特性和性能。

本發明的另一方面提供了一種集成的性能模型用戶界面，用于通過分析技術和實驗技術的融合解釋來學習車輛NVH系統模型，并且對所學習的模型執行一次性能預測。

本發明構思所要解決的技術問題不限于上述問題，并且本發明所屬領域的技術人員通過以下描述將清楚地理解本文未提及的任何其它技術問題。

根據本發明的一個方面，一種基于深度學習預測車輛NVH系統的性能的方法，可以包括：通過預處理設備，針對為與行駛時的噪聲和振動相關聯的各通道收集的學習數據進行預處理；使用人工神經網絡，通過學習設備，學習模型，該模型形成與預處理后的學習數據相對應的多個輸入與多個輸出之間的相關函數；以及使用通過所學習的模型創建的車輛NVH系統模型，通過預測設備來預測性能。