一种汽车声学包技术方案数据批量生成方法及系统

本发明属于汽车nvh工程，具体涉及一种汽车声学包技术方案数据批量生成方法及系统。

背景技术：

1、随着消费水平的提升及用户需求的多样化，汽车nvh性能已成为衡量汽车品质的核心指标，车内噪声控制尤为关键，声学包是抑制空气声传递的关键被动手段，对车内声学品质具有决定性影响，在汽车声学包的研发过程中，基于统计能量分析的va one仿真软件被广泛用于声学包性能预测与方案验证。近年来，数据驱动技术为声学预测提供新路径，但模型训练依赖大规模高质量样本。现有仿真数据收集虽比实验测试节省成本，却依赖手动修改参数、提交计算和记录结果，效率低下且易错，导致生成的数据集在规模、质量和一致性上难以满足训练要求。

2、针对va one建模与仿真环节的效率问题，已有专利开展相关研究，如在公告号为cn113553734b的专利中，提出通过前处理模块导入整体数模、确定声腔结构划分数据、简化模型、分割组件并划分网格后导出至va one建立sea模型的方法，有效提升了单次或少量建模的精准度与效率。在公布号为cn108170970a的专利中，则将汽车3d模型导入hypermesh进行几何清理、子系统划分、网格划分及属性建立，分别导出至nastran文件并导入va one不同窗口中建模后复制连接。上述方法均聚焦于sea模型的前处理建模环节，旨在解决建模效率与准确性。

3、但现有专利存在以下不足：一是缺乏从设计样本生成到仿真结果入库的全流程自动化链路，无法高效产出数据驱动所需的大规模可靠样本；二是过度依赖特定软件的手动操作，不具备批量复现和灵活扩展的通用性；三是传统线性数据增强方法无法有效生成具有强非线性特征的声学包仿真样本，难以通过后处理方式扩充高质量训练数据集；此外，面对数据驱动模型对大规模样本的迫切需求，图像等领域常用的数据增强方法（如mixup、cutmix等）本质上基于线性插值或线性组合生成新样本，而汽车声学包的整车隔声性能与设计参数（如材料类型、厚度、覆盖率等）之间存在显著的强非线性、高维度及多尺度耦合特征，因此传统的线性数据增强方法在此领域并不适用。因此亟需一种汽车声学包仿真数据高效批量生成的方法，以解决上述问题。

技术实现思路

1、本发明公开了一种汽车声学包技术方案数据批量生成方法及系统，拟解决现有技术依赖人工操作效率低下且易发生错误以及基于线性插值或组合的数据增强方法难以生成真实、有效的训练样本的技术问题。

2、为解决上述存在的技术问题，本发明采用的技术方案如下：

3、一种汽车声学包技术方案数据批量生成方法，包括以下步骤：

4、s1：构建汽车声学包性能层级分解树，并定义参数空间；

5、s2：基于最优拉丁超立方算法，在所述参数空间内生成离散的设计样本集；

6、s3：解析xml格式的声学包结构文件，基于所述设计样本集自动化重构参数化模型，得到更新后的声学包结构文件；

7、s4：基于统计能量分析法的仿真求解内核对所述更新后的声学包结构文件进行批处理计算获得声学响应结果；

8、s5：处理所述声学响应结果，构建仿真数据集。

9、在本发明中，通过步骤s1-s5，构建了一套自动化的汽车声学包仿真数据批量生成流程，具体在于：在s1中，将整车声学性能沿空气声传递路径逐级解耦分解，直至可量化的设计参数层面，并定义参数空间为后续采样提供标准化输入；通过s2在所述参数空间内进行采样，生成覆盖全面的设计样本集；通过s3对xml格式的声学包结构文件进行自动化解析与参数覆写，实现参数化模型的重构；通过s4基于统计能量分析法进行批处理计算，获取各设计方案对应的声学响应结果；通过s5对所述声学响应结果进行处理，构建仿真数据集。上述s1至s5形成了从参数空间定义、实验设计采样、模型自动重构、批处理计算到数据集生成的完整自动化数据生产流程，实现了声学包仿真数据的高效批量生成，从而避免了传统手动操作效率低下、无法满足数据驱动模型训练需求的问题。

10、进一步地，s1包括以下步骤：

11、s11：基于整车空气声传递路径，将声学包整车性能解耦为多个独立声学子系统的系统级隔声性能，并分解为钣金件、护板、隔音垫和玻璃的部件隔声性能，将各部件隔声性能分解为声学包设计参数，所述声学包整车性能包括有声传递函数与整车噪声降低量；

12、s12：构建从声学包整车性能到声学包设计参数的四阶映射结构，所述四阶映射结构依次包括：整车级、系统级、部件级和设计参数级；

13、s13：定义参数空间，确定声学包设计参数的取值范围及变量类型，所述声学包设计参数至少包括钣金件面积和厚度分布；护板面积和厚度分布；隔音垫覆盖率、材料类型和厚度分布；玻璃面积、材料和厚度；所述变量类型包括连续型变量与离散型变量，所述连续型变量至少包括钣金件厚度和隔音垫覆盖率，所述离散型变量至少包括隔音垫材料类型和玻璃材料。

14、采用该技术方案后，需要说明的是，汽车声学包整车性能与声学包设计参数之间存在多层耦合关系，整车级性能由多个子系统的系统级隔声性能共同决定，而各子系统的隔声性能又依赖于钣金件、护板、隔音垫、玻璃等部件的本征隔声性能，最终这些部件性能由具体的声学包设计参数，如材料类型、厚度、覆盖率、面积等所驱动。s12中通过构建从整车性能到声学包设计参数的四阶映射结构，即整车级、系统级、部件级、设计参数级，将整车声学性能指标沿着空气声传递路径逐级向下解耦分解，直至可量化、可调整的设计参数层面，从而将整车性能目标转化为具体的工程可操作变量。在此基础上，s13进一步区分连续型变量（如钣金件厚度、隔音垫覆盖率）与离散型变量（如隔音垫材料类型、玻璃材料），分别配置其取值范围或候选集合。通过上述层级分解与参数空间定义，确保了后续各设计参数取值均具备明确的物理含义和工程可行性。

15、进一步地，s2包括以下步骤：

16、s21：确定声学包设计参数取值范围，构建混合变量类型的参数采样空间，对连续型变量配置数值上下限区间，对离散型变量建立材料类型与整数索引值的映射字典，将非数值型材料选项转化为整数编码；

17、s22：在所述参数采样空间内执行最优拉丁超立方采样的多维空间填充，对各维度的变量区间进行分层随机抽样，生成覆盖高维度参数空间的原始采样矩阵；

18、s23：对所述原始采样矩阵进行逆向解析，将整数编码逆向映射回对应的材料类型，并将所有参数组合序列化为结构化数据表，按预设采样规模输出标准化的声学包设计样本集。

19、采用该技术方案后，需要说明的是，声学包设计参数空间具有混合变量类型的特征，既包含连续型物理量，如厚度、覆盖率，也包含离散型材料选项，如pet棉、pu发泡棉，而最优拉丁超立方采样算法要求输入为全数值化的参数空间，s21中通过为离散型变量建立材料类型与整数索引值的映射字典，如将“pet棉”映射为1、“pu发泡棉”映射为2，将非数值型材料选项转化为整数编码空间，从而构建了全数字化的参数采样空间，使得最优拉丁超立方算法能够在统一的数值框架下进行高维空间填充和分层随机抽样；s22中，最优拉丁超立方算法通过对每个维度的变量区间进行分层抽样，使得最终生成的采样点在高维空间中均匀分布，避免采样点聚集于参数空间的局部区域而忽略其他区域，从而保证采样结果对全参数空间的覆盖充分性；s23，将整数编码通过映射字典还原为对应的材料类型名称，同时保留连续型变量的物理量值，将所有参数组合整理为结构化数据表输出。通过上述步骤，保证了采样算法在统一数值框架下的可计算性。

20、进一步地，s3包括以下步骤：

21、s31：对声学包结构文件进行树状结构解析，遍历声学包结构文件的节点层级，识别并映射包含声学包设计参数、激励条件、声约束条件和求解器设置信息的子元素名称及其对应的属性内容，构建参数节点索引表；

22、s32：将声学包设计样本集中的各声学包设计参数与所述参数节点索引表进行匹配，定位至声学包结构文件中对应的子元素属性；

23、s33：将声学包设计参数的数值覆写至所映射的子元素属性中，从而自动完成参数化模型的重构，生成与声学包设计样本集对应的更新后的声学包结构文件。

24、采用该技术方案后，需要说明的是，s31中通过遍历其各个层级的节点，识别出哪些节点属性对应设计参数、哪些对应激励条件、哪些对应声约束条件、哪些对应求解器设置，并建立参数名称→节点路径→属性名称的映射关系，即参数节点索引表。该索引表使得系统后续只需根据参数名称即可快速定位至xml文件中对应的具体写入位置。s32将设计样本集中的每一维参数与索引表进行匹配，确定其在xml文件中的目标节点和属性；s33将各设计参数的具体数值写入所定位的属性中，完成对该xml文件的更新。通过上述索引表构建与参数覆写机制，实现了从设计样本集到参数化模型文件的自动化转换，使得设计样本集中的每一组参数组合均可快速生成对应的独立模型文件。

25、进一步地，s33中，通过建立设计样本集中各声学包设计参数与参数节点索引表的映射关系，基于该映射关系，批量覆写各声学包设计参数的数值至声学包结构文件中对应的节点属性中，生成与所述设计样本集对应的多个更新后的声学包结构文件。

26、采用该技术方案后，需要说明的是，设计样本通常包含多组不同的设计参数组合，其中每一组参数均代表一个独立的声学包设计方案，此处基于已建立的映射关系，对设计样本集中每一组参数组合执行覆写操作，每次覆写均基于同一个原始的xml模板文件，将其中对应节点属性的数值替换为该组方案的具体参数数值，从而生成该方案独有的更新后的xml文件，通过批量覆写，实现从设计样本集到大量参数化模型文件的自动、高效转化。

27、进一步地，s4中，所述仿真求解内核支持以xml文件格式导入声学包结构参数并执行声学响应计算。

28、进一步地，s4包括以下步骤：

29、s41：基于声学仿真软件，创建空白数据库文件，将更新后的声学包结构文件导入所述空白数据库文件中，生成与各更新后的声学包结构文件一一对应的可执行计算文件，所述计算文件包含完整模型参数和仿真参数，每个计算文件对应一个设计方案；

30、s42：调用声学仿真软件内核，对所述计算文件提交计算任务，获取各设计方案对应的车内声腔噪声响应；

31、s43：将所述车内声腔噪声响应结果导出，以结构化格式储存至预设的hdf5数据文件中。

32、采用该技术方案后，需要说明的是，外部程序可向声学仿真软件发送指令，控制其执行创建文件、导入模型、提交计算、导出结果等一系列操作。s41通过调用声学仿真软件，首先在软件环境中创建一个新的空白数据库文件，然后将s33生成的更新后的声学包结构文件导入该空白数据库中，导入过程中，软件会自动解析xml文件中的全部模型信息，生成可直接用于后续计算的可执行计算文件，该可执行计算文件包含了一个完整模型所需的所有信息。s42中仿真内核基于统计能量分析法，通过求解各子系统间的能量平衡方程，获得在给定噪声源激励下车内声腔的声压响应结果。s43将计算完成的声压响应结果从软件环境中导出，以hdf5格式存储。hdf5是一种面向大规模科学数据设计的文件格式，其采用分层分组结构组织数据，支持在同一文件中存储多组不同方案的响应结果，且支持按组索引快速读取特定方案的数据，适合作为大量仿真结果数据的存储载体。通过上述声学仿真软件与批处理流程，实现了多方案仿真计算任务的自动化提交和结果归集。

33、进一步地，s5包括以下步骤：

34、s51：通过脚本解析所述hdf5数据文件，提取各设计方案的车内声腔噪声响应结果，并将结果由声压物理量转换为声压级表征；

35、s52：通过所述噪声响应结果计算声传递函数及整车噪声降低量；

36、s53：将各设计方案及其对应的声传递函数和整车噪声降低量进行关联映射，并结构化写入预设的数据样本表中，完成不同设计方案的整车声学性能的批量收集，得到所述仿真数据集。

37、采用该技术方案后，需要说明的是，s43存储的hdf5数据文件中保存的是各设计方案对应的车内声腔噪声响应结果，其物理形式为声压（单位pa），然而在工程实践中，声学性能指标通常以声压级（单位db）和声传递函数等形式表征，其更符合人耳对声音强度的感知特性；声传递函数则表征了从噪声源到车内接收位置的声能量传递特性。因此s51首先通过数据解析程序读取hdf5文件中各方案对应的声压响应数据，按照声压级转换公式将其转换为声压级形式。s52根据转换后的声压级数据计算各传递路径的声传递函数和整车噪声降低量。s53将各设计方案的设计参数组合与计算得到的声传递函数和整车噪声降低量进行一一对应关联，形成设计参数→声学性能的结构化数据对，并写入预设的数据样本表中。

38、进一步地，通过预设的所述脚本顺序执行以下操作：读取所述设计样本集、声学包设计参数的数值覆写、创建空白数据库与更新后的声学包结构文件导入、计算任务的提交及计算结果储存。

39、一种汽车声学包技术方案数据批量生成系统，包括：

40、参数空间定义模块，用于构建声学包性能层级分解树并定义参数空间，生成包含声学包设计参数取值范围及变量类型的参数空间数据；

41、实验设计采样模块，用于与所述参数空间定义模块通信连接，并接收所述参数空间数据，基于最优拉丁超立方算法进行采样，生成设计样本集；

42、xml解析与生成模块，用于解析声学包结构文件，并基于所述设计样本集批量覆写参数，生成与各设计方案对应的多个更新后的声学包结构文件；

43、仿真批处理模块，用于与所述xml解析与生成模块通信连接，并调用声学仿真软件内核，顺序导入所述更新后的声学包结构文件并执行批处理计算，输出包含声学响应结果的hdf5文件；

44、整车隔声性能计算模块，用于与所述仿真批处理模块通信连接，并解析所述hdf5文件，将声压物理量转换为声压级表征并计算声传递函数及整车噪声降低量；

45、数据集构建模块，用于与所述整车隔声性能计算模块和实验设计采样模块通信连接，并将声学包设计参数与对应的声学性能指标关联映射，构建结构化仿真数据集；

46、中央调度模块，分别与参数空间定义模块、实验设计采样模块、xml解析与生成模块、仿真批处理模块、整车隔声性能计算模块和数据集构建模块通信连接，并执行时序及数据交互。

47、综上所述，由于采用了上述技术方案，本发明的有益效果是：

48、1.本发明提供的一种汽车声学包技术方案数据批量生成方法及系统，通过构建层级分解树、最优拉丁超立方采样、xml解析与参数覆写、批处理计算及后处理数据集生成，将传统需手动操作的流程通过系统自动完成，批量高效生成设计方案，满足了数据驱动模型对大规模训练样本的需求。

49、2.本发明提供的一种汽车声学包技术方案数据批量生成方法及系统，通过最优拉丁超立方算法在高维混合变量参数空间中进行分层采样，保证采样点均匀覆盖整个参数空间，避免了采样聚集导致的参数空间覆盖不均问题，为后续模型训练提供了全面多样的样本基础。

50、3.本发明提供的一种汽车声学包技术方案数据批量生成方法及系统，通过参数节点索引表构建和批量覆写机制，实现了从设计样本集到大量参数化模型文件的自动化转换，避免了手动修改模型时因疏忽导致的参数录入错误，确保生成数据集的高质量。