车辆声学包隔声性能预测模型的搭建方法及预测方法与流程

技术特征：
1.一种车辆声学包隔声性能预测模型的搭建方法，其特征在于，包括以下步骤：（1）建立声学包隔声性能目标分解架构；对噪声传递路径进行分析；基于噪声传递路径对声学包隔声性能目标进行分解，得到声学包隔声性能目标分解架构，所述声学包隔声性能目标分解架构包括顶层数据和底层数据；（2）数据收集及预处理；在所述声学包隔声性能目标分解架构下，制定试验方案，并收集试验数据，对数据进行清洗，去除掉噪声数据，并将数据划分为训练集和测试集，对数据进行归一化处理；（3）建立svr预测模型；建立svr预测模型，将声学包隔声性能目标分解架构的底层参数作为svr预测模型的输入，顶层参数作为svr预测模型的输出，导入训练集进入svr预测模型训练，在svr预测模型训练完成后，导入测试样本，检验svr预测模型的精度；判断预测结果精度是否满足要求，若svr预测模型的精度满足预设精度要求，则svr预测模型搭建完成，若否，则返回数据收集及预处理步骤，直到svr预测模型的精度满足预设精度要求。2.根据权利要求1所述的车辆声学包隔声性能预测模型的搭建方法，其特征在于：声学包隔声性能目标分解架构的顶层数据为发动机噪声
‑
车内噪声衰减量；底层数据为前罩隔音垫吸声系数、前围钣金传递损失、内前围隔音垫插入损失、内前围隔音垫吸声系数、外前围隔音垫插入损失、外前围隔音垫吸声系数和仪表台声学包吸声系数。3.根据权利要求2所述的车辆声学包隔声性能预测模型的搭建方法，其特征在于：收集的数据类型包括吸声系数、传递损失、插入损失和噪声衰减量。4.一种汽车声学包隔声性能预测方法，其特征在于，包括以下步骤：获取与声学包隔声性能目标分解架构的底层数据相关的零件级或部件级的声学包隔吸声性能试验数据；基于零件级或部件级的声学包隔声性能数据通过如权利要求1至3任一所述的车辆声学包隔声性能预测模型的搭建方法所得到的svr预测模型对整车的声学包隔声性能进行预测。

技术总结
本发明公开了一种车辆声学包隔声性能预测模型的搭建方法及预测方法，包括以下步骤：（1）建立声学包隔声性能目标分解架构；（2）数据收集及预处理；（3）建立SVR预测模型；建立SVR预测模型。本发明通过建立隔声性能指标噪声衰减量与各声学包部件吸隔声性能的映射关系，以实现对噪声源到接收点的噪声衰减量的准确预测。现对噪声源到接收点的噪声衰减量的准确预测。现对噪声源到接收点的噪声衰减量的准确预测。


技术研发人员：张思文 姜豪 刘宏玉 贾文宇 刘庆丰 庞剑
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2021.08.30
技术公布日：2021/12/7