汽车路噪的分析与治理是NVH(Noise,Vibration And Harshness)工作的重要组成部分。由于路噪的产生机理复杂,建立机理模型较困难,故引入数据驱动方法对路噪进行研究。首先,对路噪影响因素进行剖析,界定出具有显著性的影响因素。在此基础...汽车路噪的分析与治理是NVH(Noise,Vibration And Harshness)工作的重要组成部分。由于路噪的产生机理复杂,建立机理模型较困难,故引入数据驱动方法对路噪进行研究。首先,对路噪影响因素进行剖析,界定出具有显著性的影响因素。在此基础上,运用长短时记忆神经网络算法(LSTM)揭示路噪与其影响因素间的复杂非线性关系,建立路噪预测模型。进而在粗糙沥青路面分别以40 km/h、60 km/h的车速工况采集悬架相关部件振动数据和驾驶员右耳畔噪声数据,以获得样本用于路噪模型的训练和检验。并采用Mixup数据增强策略合成新的样本,从而使样本量不足状况得到改善。进一步,对LSTM路噪预测模型进行检验与分析,测试结果均方误差为0.076 2,表明预测效果良好,证明所提方法的有效性。同时,将BPNN、SVR与LSTM预测方法进行比较,发现LSTM路噪预测模型精度更高,泛化能力更好,从而证明该方法的优越性。展开更多
