详情

原文传递一种多目标优化的增程器NVH控制方法

专利名称：	一种多目标优化的增程器NVH控制方法
摘要：	本发明公开了一种多目标优化的增程器NVH控制方法，包括以下步骤：步骤1，获取增程器在不同转速ne下，油耗Be、振动加速度信号及噪声随扭矩Te变化情况；步骤2，将振动加速度信号转化为增程器振动烈度Vs；步骤3，通过疲劳分析得到旋转部件不同扭矩和转速下的动应力循环次数Ne；步骤4，通过径向基神经网络分别构建Be、Ne、Vs及LP四个参数随增程器扭矩及转速间的非线性关系；步骤5，得到驾驶室主驾位综合噪声随车速的非线性函数关系LPS～v；步骤6，以主驾位综合噪声LPA与增程器噪声LPS相等及相差5dB为工况分界点，设计三个区间的多目标优化函数；步骤7，通过自适应粒子群算法获得到不同工况下，增程器的最优工作区间。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	陕西汽车集团股份有限公司
发明人：	王桦瑀;史季青;高东阳
专利状态：	有效
申请日期：	2022-05-12T00:00:00+0800
发布日期：	2023-11-24T00:00:00+0800
申请号：	CN202210513841.7
公开号：	CN117104030A
代理机构：	北京金宏来专利代理事务所(特殊普通合伙)
代理人：	许振强
分类号：	B60L50/62;G06N3/006;G06N3/048;B;G;B60;G06;B60L;G06N;B60L50;G06N3;B60L50/62;G06N3/006;G06N3/048
申请人地址：	710200 陕西省西安市经开区泾渭工业园
主权项：	1.一种多目标优化的增程器NVH控制方法，其特征在于，包括以下步骤：步骤1，通过台架实验获取增程器在不同转速ne下，油耗Be、振动加速度信号及噪声随扭矩Te变化情况；步骤2，将振动加速度信号转化为增程器振动烈度Vs，将所测位置的增程器声压信号转化为驾驶室主驾位的声压级LP；步骤3，通过CAE分析获取增程器中关键旋转部件的动应力分布，通过疲劳分析得到旋转部件不同扭矩和转速下的动应力循环次数Ne；步骤4，通过径向基神经网络分别构建油耗Be、关键旋转动应力循环次数Ne、增程器振动烈度Vs及驾驶室主驾位声压级LP四个参数随增程器扭矩及转速间的非线性关系，并绘制增程器油耗Be、增程器振动烈度Vs及驾驶室主驾位声压级LPA的MAP图；步骤5，通过测试得到驾驶室主驾位实际行驶过程中综合噪声A计权声压级LPS随车速v的变化，并通过径向基神经网络得到驾驶室主驾位综合噪声随车速的非线性函数关系LPS～v；步骤6，根据噪声的掩蔽效应，以主驾位综合噪声LPA与增程器噪声LPS相等及相差5dB为工况分界点，设计三个区间的多目标优化函数；步骤7，通过自适应粒子群算法获得到不同工况下，增程器的最优工作区间。 2.根据权利要求1所述的多目标优化的增程器NVH控制方法，其特征在于：述步骤1中依据发动机的等值油耗特性曲线，按照燃油经济性原则选定油耗率最高值，并根据实际工作区间，选定增程器测试工况点转速范围和扭矩范围。所述步骤1中依据台架实验中测得的转矩和转速信息，获得增程器的燃油消耗Be：式中，B为油耗仪测得燃料消耗量，Te为增程器有效扭矩，ne为增程器转速。 3.根据权利要求1所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤1中通过台架实验获取增程器三个方的向振动加速度信号、1m处包络面的声压信号。 4.根据权利要求3所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤2中将步骤1中获得的振动加速度信号在时域积分转化为振动速度，再将振动速度转化为增程器振动烈度Vs：其中，Vx、Vy、Vz表示x、y、z三个方向上的振动速度；Nx、Ny、Nz表示x、y、z三个方向上的信号点数。 5.根据权利要求2所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤2中，将步骤1测得的声压信号通过隔声量分析转化为驾驶室主驾位的声压级LP；将步骤1测得的声压信号转化为A计权声压级LPA：其中，t1、t2为测量的始末时刻，pA为时刻t所声压值的A计权，p0为基准声压，空气中基准声压为2×10-5Pa。 6.根据权利要求5所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤4中，通过径向基神经网络分别构建油耗Be、关键旋转动应力循环次数Ne、增程器振动烈度Vs及驾驶室主驾位声压级LP四个参数随增程器扭矩及转速间的非线性关系： 7.根据权利要求6所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤4中，按照神经网络拟合结果绘制增程器油耗Be、关键旋转动应力循环次数Ne、增程器振动烈度Vs及驾驶室主驾位声压级LPA的MAP图。 8.根据权利要求1所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤5中，驾驶室主驾位综合噪声随车速的非线性关系： LPS＝f(v) 9.根据权利要求7所述的多目标优化的增程器NVH控制方法，其特征在于：步骤6中的三个区间的多目标优化函数： 10.根据权利要求9所述的多目标优化的增程器NVH控制方法，其特征在于：所述步骤7自适应粒子群具体算法如下：步骤71：随机初始化种群各粒子的位置和速度；步骤72：评价每个粒子的自适应度将粒子的位置和适应值存储在粒子的个体极值pbest中，将pbest中最优适应值的个体位置和适应值保存在全局极值gbest中；步骤73：更新粒子位移和速度： xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2,…,d vi,j(t+1)＝ω·vi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pi,j-xi,j(t)] 其中，ω为惯性权重，r1，r2为两个在[0,1]之间变化的加速度权重系数随机产生，c1，c2为加速度数值，取随机值2；步骤74：更新权重：其中，f表示粒子实时的目标函数值；favg、fmin分别为当前所有粒子的平均值和最小目标值。步骤75：将每个粒子的适应值与粒子的最好位置相比较，若近似，则将当前值作为最好位置；若不近似，则返回步骤72；步骤76：一旦算法达到停滞条件时，则停止搜索输出最优解。