员工姓名：张景怡

班生姓级：车辆2019-02班

指导教师：黄海波

毕设题目：基于组合吸隔声理论的汽车声学包性能预测

一、概况

1.选题意义

随着汽车技术的进步和生活水平的提高，人们更加关注汽车的乘坐舒适性，因此乘坐舒适性中的振动与噪声性能常常作为评价汽车品质的关键因素。汽车声学包是指具有降低车内声压尤其是空气声声压的声学部件组合，是降低噪声水平的主要手段之一，对车内声学特征分布具有重要的影响，一直以来就在汽车行业广泛使用。好的声学包设计，不仅能够提升车内声学品质，而且能够促进车辆轻量化与降低成本。

目前，国内外解决声学包性能的预测问题处于起步阶段，在汽车NVH领域里并未广泛应用，研究方法主要通过试验和CAE方法展开。此类方法虽然已经较为成熟，但是由于需要进行复杂的建模仿真与大量的试验工作，尚存在效率较低、精度难以把控、较难获取完整且精确的建模参数等不足。组合吸隔声理论具有计算速度快、泛化性好、准确度较高的特点，目前国内外应用较少，是研究的热点也是难点。

本选题基于组合吸隔声理论对汽车声学包性能进行预测，提前评估声学包性能的好坏，不仅避免了大量试验样件的生产，节约研发成本，还为声学包优化方案的制定提供一定的思路，具有重要的现实与工程意义。

2.任务分解

（1）调研文献，熟悉相关基础知识

通过查阅资料，学习汽车声学包构造相关知识，熟悉噪声传递路径。了解汽车声学包的国内外研究现状，总结每种研究方法的优缺点并进行比较，选择适合的研究方法。明确本选题的研究目的及意义，制定工作计划和设计目标。

（2）学习理论公式，掌握应用方法

学习组合吸隔声理论的公式，掌握部件级、系统级的吸隔声量的计算方法，拟定技术思路，将理论公式应用在声学包性能预测中。整理试验样车的声学包吸隔声数据，并学会基于一些基础数据库的部件参数计算上层级的吸隔声量。

（3）编写算法进行数据处理与模型搭建

学习Python编程语言，根据组合吸隔声理论公式，拟定程序框图，编写相关算法。利用Python读取数据库中相关参数，计算吸隔声量，建立预测模型。

（4）编写算法进行数据预测与分析

利用Python绘制声学包各部件及系统的STL（噪声传递损失）-频率图像，并与试验数据进行对照，计算评估该车型的声学包性能，验证该模型的有效性。总结设计过程中存在的问题，并优化预测模型，使预测精度达到设计标准。

（5）撰写论文，准备毕业设计答辩

按照标准的论文格式进行初稿撰写，交予老师审核，并积极向老师请教存在问题，及时完善论文内容，提高论文质量。最后进行毕业设计答辩，虚心接受老师们的意见，并及时改正。

    二、已完成工作

    1.调研文献，熟悉相关基础知识

    通过查阅大量国内外资料，将目前主要的研究方法分为仿真模拟方法、近似模型方法，并总结目前的研究成果以及各类方法的优缺点。

图1 研究现状（仿真模拟法）

图2 研究现状（仿真模拟法）

图3 研究方法优缺点 

    2.学习理论公式，编写算法进行数据处理、模型搭建、数据预测与分析

    （1）整理计算参数及试验数据

    基于组合吸隔声理论公式及声学包数据库，将声学包部件级、系统级进行分类，共10个系统、20个部件（含10个钣金件、10个平板件）。

图4 声学包分类

    （2）计算部件级（钣金件）隔声量

 应用Python编程，先读取声学包隔声性能参数（如各厚度面积占比、各厚度隔音量），然后利用for嵌套循环语句进行部件级隔声量计算，最后绘制频率-STL图像，以及绝对误差、相对误差图像，验证预测模型的有效性。

             图5 部件级-程序流程图             图6 部件级-for嵌套循环流程图

 图7 部件级-程序代码 

图8 部件级频率-STL图 

图9 部件级频率-误差图

   （3）计算系统级（钣金件+平板件）隔声量

应用Python编程，其中读取参数部分与部件级相似，但计算部分需要将厚度叠加转换为面积叠加，进行两次叠加计算。即编写算法需要增加一次嵌套循环（17种平板件厚度循环）。

创新成果：一次性计算所有部件和系统，程序运行一次即遍历10个部件、系统，自动对应各个名称和隔声量，节省了大量的计算时间。

                                                                                   图10 系统级—程序流程图            图11 系统级—for嵌套循环流程图

图12 系统级-程序代码

图13 系统级频率-STL图

图14 系统级频率-误差图 

   三、下一步工作计划

    1.调研文献，改善预测模型（第七周-第八周）

（1）提高预测精度

目前建立预测模型的绝对误差在5dB以内，相对误差在10%以内，初步验证模型有效性，但要求绝对误差在3dB以内，相对误差在8%以内，因此在后续工作中应基于组合吸隔声公式的理论计算，提高预测精度。

（2）简化程序，提高效率

目前程序中存在多重嵌套循环结构，导致程序设计复杂，影响计算速度，因此在后续工作中应进一步学习Python编程知识，简化程序，提高运行效率。

    2.计算部件级、系统级吸声量，验证预测精度（第八周-第十周）

    3.撰写并修改论文，进行毕业设计答辩（第十周-第十三周）

问题一：选题中的“预测”如何体现？

回答：本选题通过将难以测量的声学包材料参数和特性参数转化为容易获取的声学包吸隔声性能及其组成部件的厚度和面积等参数，实现在不进行整车试验的情况下，仅仅通过一些容易获取的参数计算吸隔声量，提前预知汽车声学包性能的优劣。

问题二：提高预测精度和简化程序如何同时实现？

回答：提高预测精度通过深入学习组合吸隔声原理，更改算法，重新建立预测模型来实现；简化程序通过减少循环嵌套结构，缩短代码长度，改为更精简的读取、计算方法来实现。

在毕业设计从开始到中期答辩的这四个月中，我收获了很多，也给我留下了很多难忘的回忆。在我徜徉书海查找资料的日子里，面对无数书本的罗列，最难忘的是每次找到资料时的激动和兴奋；亲手设计程序的时间里，记忆最深的是每一步小小思路实现时那幸福的心情；为了论文我曾赶稿到深夜，但看着亲手打出的一字一句，心里满满的只有喜悦毫无疲惫。这段旅程看似荆棘密布，实则蕴藏着无尽的宝藏。

认真严谨，实事求是的学习态度，坚持不懈、吃苦耐劳的精神是我在这次设计中最大的收益。我想这是一次意志的磨练，是对我实际能力的一次提升，也会对我未来的学习和工作有很大的帮助。

在此更要感谢我的导师和师兄师姐，是你们的细心指导和关怀，使我能够顺利的完成前期工作。中期答辩时，老师们严谨的治学态度也使我深受启迪，在此向老师们致以最衷心的感谢和深深的敬意。在后续的工作中，我会继续努力，加快进度，保证高质量的完成毕业设计。