一种汽车NVH开发中的并行优化建模方法技术

本发明专利技术公开了一种汽车NVH开发中的并行优化建模方法，本发明专利技术涉及模型优化技术领域，现提出如下方案，包括有如下的优化建模步骤：S1：收集汽车NVH数值作为样品值进行数据建模；S2：将S1中的NVH模型数据进行并行化层级处理；S3：在并行化层级处理后，串行NVH模型数据的代码进行优化；S4：优化代码后，设计针对NVH模型数据的并行算法；S5：输出行算法演算后的优化NVH模型数值。本发明专利技术中使用并行算法对汽车NVH模型数据进行优化，实现可并行处理任，务减少单个任务的等待时间的效果；且在多核情况下可充分利用CPU资源，发挥多处理器的性能，提升资源利用率以及系统的吞吐率。另外，模型数据线程可以共享资源，不必每个进程都要加载应用环境，从而减少CPU消耗。从而减少CPU消耗。从而减少CPU消耗。

【技术实现步骤摘要】
一种汽车NVH开发中的并行优化建模方法


[0001]本专利技术涉及模型优化
，具体涉及一种汽车NVH开发中的并行优化建模方法。

技术介绍

[0002]虽然各行各业的产品都有振动噪声问题，但只有在汽车行业，才将振动噪声称之为NVH，其他行业均无此称呼。这是因为汽车作为人们出行的主要交通工具，与人的关系非常密切。汽车的振动噪声会让乘员直接感受到该车是否舒适，所以，人们在购买汽车时对此会特别关心。为此，各大汽车公司在汽车的开发过程中投入大量人力和物力来提高汽车的NVH性能。
[0003]就NVH工作手段而言，主要有CAE技术与试验技术两个大的方面；而用于NVH的CAE技术主要有以下方法：多体动力学、FEA、边界元法、统计能量法、CFD。用于NVH的试验技术主要有以下方法：频谱分析、传函分析、模态分析、TPA分析、声学分析。而无论是NVH开发过程中的CAE技术还是试验技术，这些开发过程中的数据都会以模型数据的方式借助计算机进行试验，但是由于这些整车NVH数据规模过于庞大，一般都是多台计算机计算，而就算是这样也无法很好的运行NVH模型数据，庞大糅杂的数据没有较好的优化方法来推进计算，就会让计算机的性能无法最大限度释放。而且优化算法是求解目标函数中参数的重要工具，在大数据环境下，通过设计并行与分布式的优化算法，能够实现多核计算和分布式计算技术来加速模型数据训练过程的效果。因此，本科领域技术人员提出一种汽车NVH开发中的并行优化建模方法。

技术实现思路

[0004]针对上述缺陷，本专利技术所要解决的技术问题在于提供一种汽车NVH开发中的并行优化建模方法，包括有如下的优化建模步骤：
[0005]S1：收集汽车NVH数值作为样品值进行数据建模；
[0006]S2：将S1中的NVH模型数据进行并行化层级处理；
[0007]S3：在并行化层级处理后，串行NVH模型数据的代码进行优化；
[0008]S4：优化代码后，设计针对NVH模型数据的并行算法；
[0009]S5：输出行算法演算后的优化NVH模型数值。
[0010]在上述一种汽车NVH开发中的并行优化建模方法的技术方案中，优选地，所述S1中的汽车NVH数值包括：发动机噪音、动力总成噪音、轮胎噪音和空气噪音。
[0011]在上述一种汽车NVH开发中的并行优化建模方法的技术方案中，优选地，所述S2中的并行化层级处理，具体有：
[0012]指令集并行：通过流水线技术实现指令集的并行化操作；
[0013]向量化并行：利用向量化指令，实现一条指令操作多条数据的并行化作用；
[0014]线程级并行：在多核处理器上，使用多个线程在多个核心同时执行多条指令；在单
核处理器上主要是当某个线程处于等待数据的时候，可以立即导入其他就绪的线程直接执行，提高处理器的利用率；
[0015]进程并行：利用集群实现大规模并行。
[0016]在上述一种汽车NVH开发中的并行优化建模方法的技术方案中，优选地，所述S3中的串行NVH数值的代码进行优化，具体有如下方面：
[0017]系统级别：网络速度的利用率，网卡的带宽；处理器利用率，可通过增加局部访问、缓存、减少读写依赖手段增加处理器的利用率；利用异步通信，解决处理器的利用率忽高忽低；
[0018]应用级别：调用高性能库；
[0019]算法级别：缓存优化，增加程序的局部访问性；缓存分块，针对数据在有多个维度的情况下；指令预期，通过内置函数或者硬件指令实现；
[0020]函数级别：内联小函数；
[0021]循环级别：循环展开或合并；
[0022]语句级别：结构体对齐，大的数据类型在前面，可以减少内存使用量，并且更满足处理器对齐的要求；
[0023]指令级别：优化乘除法和模余数，位运算一个指令周期，乘法三个周期，除法十几个周期，取模上百个周期。
[0024]在上述一种汽车NVH开发中的并行优化建模方法的技术方案中，优选地，所述S4中的设计针对NVH数值的并行算法，具体有：
[0025]①
划分：分为数据划分和任务划分；
[0026]②
通信：在MPI的模式下，通信的方式是消息传递，而基于共享存储的系统中，使用有锁、临界区、原子操作、栅栏方式；
[0027]③
结果归并；
[0028]④
负载均衡：静态方面，程序运行前就指定好负载分配；动态方面，基于任务队列实现。
[0029]在上述一种汽车NVH开发中的并行优化建模方法的技术方案中，优选地，所述S4中具有如下的优化流程：
[0030]s1：利用Flynn计算机方法分类汽车NVH噪音数据，获得单指令单数据模型或多指令多数据模型；
[0031]s2：借助加速比公式提升程序并行化之后的效率，其中p代表CPU数量，T1代表使用串行算法的执行时间，T
p
代表当有p个处理器时使用并行算法的执行时间；其公式为：
[0032][0033]s3：借助阿姆达尔定律估计程序可以达到的最大加速比，其中，W
S
和W
p
分别表示程序串行部分和并行部分所占的百分比，W
S
+W
p
表示程序串行执行的时间，W
S
+W
p
/p表示程序使用p个处理器执行的时间；当p>∞时，其上限是W
S
+W
p
/W
S
，其公式如下：
[0034]；
[0035][0036]s4：通过古斯塔夫森定律来描述加速比，p(代表处理器的数量)作为X轴，a(代表程序串行化的部分)作为Y轴绘制图形表格来显示模型优化后的NVH数据；
[0037]s5：通过性能公式验算和量度优化后的模型性能指标，表示每个处理器在这个算法中的利用率，其公式是：
[0038][0039]s6：在验算完优化后的模型性能后，通过时钟加速比衡量加速比；其公式如下：
[0040][0041]由上述技术方案可知，本专利技术提供一种汽车NVH开发中的并行优化建模方法与现有技术相比，本专利技术具有以下有益效果：
[0042]本专利技术中使用并行算法对汽车NVH模型数据进行优化，实现可并行处理任，务减少单个任务的等待时间的效果；且在多核情况下可充分利用CPU资源，发挥多处理器的性能，提升资源利用率以及系统的吞吐率。另外，模型数据线程可以共享资源，不必每个进程都要加载应用环境，从而减少CPU消耗。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对本专利技术实施例或现有技术描述中所需要使用的附图做出简单地介绍和说明。显而易见地，下面描述中的附图仅仅是本专利技术的部分实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]图1为汽车NVH模型数据的并行优化方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车NVH开发中的并行优化建模方法，其特征在于，包括有如下的优化建模步骤：S1：收集汽车NVH数值作为样品值进行数据建模；S2：将S1中的NVH模型数据进行并行化层级处理；S3：在并行化层级处理后，串行NVH模型数据的代码进行优化；S4：优化代码后，设计针对NVH模型数据的并行算法；S5：输出行算法演算后的优化NVH模型数值。2.根据权利要求1所述的一种汽车NVH开发中的并行优化建模方法，其特征在于，所述S1中的汽车NVH数值包括：发动机噪音、动力总成噪音、轮胎噪音和空气噪音。3.根据权利要求1所述的一种汽车NVH开发中的并行优化建模方法，其特征在于，所述S2中的并行化层级处理，具体有：指令集并行：通过流水线技术实现指令集的并行化操作；向量化并行：利用向量化指令，实现一条指令操作多条数据的并行化作用；线程级并行：在多核处理器上，使用多个线程在多个核心同时执行多条指令；在单核处理器上主要是当某个线程处于等待数据的时候，可以立即导入其他就绪的线程直接执行，提高处理器的利用率；进程并行：利用集群实现大规模并行。4.根据权利要求1所述的一种汽车NVH开发中的并行优化建模方法，其特征在于，所述S3中的串行NVH数值的代码进行优化，具体有如下方面：系统级别：网络速度的利用率，网卡的带宽；处理器利用率，可通过增加局部访问、缓存、减少读写依赖手段增加处理器的利用率；利用异步通信，解决处理器的利用率忽高忽低；应用级别：调用高性能库；算法级别：缓存优化，增加程序的局部访问性；缓存分块，针对数据在有多个维度的情况下；指令预期，通过内置函数或者硬件指令实现；函数级别：内联小函数；循环级别：循环展开或合并；语句级别：结构体对齐，大的数据类型在前面，可以减少内存使用量，并且更满足处理器对齐的要求；指令级别：优化乘除法和模余数，位运算一个指令周期，乘法三个周期，除法十几个周期，取模上百个周期。5.根据权利要求1所述的一种汽车NVH开发中的并行优化...

【专利技术属性】
技术研发人员：陈江英，高治凌，申一方，赵勇，
申请(专利权)人：陈江英，
类型：发明
国别省市：