【技术实现步骤摘要】
本专利技术涉及重型汽车nvh开发，具体地涉及一种声学包的选取方法、系统、电子设备及存储介质。
技术介绍
1、随着商用车行业的不断发展，越来越多的厂商和乘员开始关注车辆的nvh性能和行驶过程中的主观驾评舒适度。其中声学包作为控制汽车噪声的一个重要手段，在提高nvh性能方面发挥必不可少的作用。
2、声学包通常由多种材质组合而成，比如tpo、pet和pu等，不同的材质参数、组合、重叠顺序都会对最终的隔音效果产生影响。
3、为了验证声学包的隔声效果，一般会采用试验的方法，如阻抗管或声强法，亦或者通过整车测试的方法，去评价声学包的隔声性能。但是在市场快速开发更迭车型的需求下，新的声学包上场需要花费大量时间，去考虑如何平衡性能和成本，而较长的试验周期会影响整体的开发效率。
技术实现思路
1、本专利技术实施例的目的是提供一种声学包的选取方法、系统、电子设备及存储介质，用于借助预测模型，缩短开发周期提高效率，并结合寻优模型，在诸多声学包组合中，选取最具性价比的声学包方案。
2、为了实现上述目的，本专利技术实施例提供一种声学包的选取方法，包括：
3、获取各种材质对应的声学包参数；
4、分别将每种材质或多种材质的组合对应的声学包参数输入至预先构建的预测模型，输出每种材质下声学包参数对应的隔声量，其中，所述预测模型是预先基于bp神经网络构建的；
5、将所述每种材质或多种材质的组合下声学包参数对应的隔声量输入至寻优模型，通过比对筛选，
6、可选的，每种材质对应的声学包参数包括但不限于厚度、面积以及质量。
7、可选的，所述预测模型的构建过程包括：
8、获取历史数据集，并将所述历史数据集划分为训练数据集和验证数据集，其中，所述历史数据集包括材质参数和隔声量；
9、初始化bp神经网络参数；
10、设计输入层、隐藏层以及输出层以构建初始预测模型，其中，所述隐藏层在输入层与输出层之间不断迭代更新权值；
11、将所述训练数据集中的材质参数输入至初始预测模型中的输入层，获得预测隔声量，并基于所述训练数据集中的隔声量确定误差；
12、基于所述误差，进行反向传播调整初始预测模型中各层的权值，获得优化后的初始预测模型；
13、通过所述验证数据集对所述优化后的初始预测模型进行验证，以获得目标预测模型。
14、可选的，将所述每种材质下声学包参数对应的隔声量输入至寻优模型，通过比对筛选，获得目标声学包方案，包括：
15、价格确定步骤：确定任一种材质对应的声学包成本价格；
16、初步筛选步骤：判断该种材质下声学包参数对应的隔声量是否符合期望噪声值，且成本价格是否预设约束条件，若是则选取该种材质对应的声学包参数作为初始声学包方案；
17、否则，调整该材质对应的声学包参数，并将调整后的声学包参数输入至所述预先构建的预测模型，获得隔声量，继续循环执行价格确定步骤和初步筛选步骤，获得多种初始声学包方案；
18、目标筛选步骤：从所述多种初始声学包方案中选取成本价格符合预审要求的初始声学包方案作为目标声学包方案；
19、针对每种材质或多种材质的组合，循环执行上述价格确定步骤、初步筛选步骤以及目标筛选步骤。
20、可选的，针对每种材质，根据其厚度、面积以及质量参数的乘积确定对应的声学包成本价格。
21、另一方面，本专利技术提供一种声学包的选取系统，包括：
22、获取单元，用于获取各种材质对应的声学包参数；
23、预测单元，用于分别将每种材质对应的声学包参数输入至预先构建的预测模型，输出每种材质下声学包参数对应的隔声量，其中，所述预测模型是预先基于bp神经网络构建的；
24、寻优单元，用于将所述每种材质下声学包参数对应的隔声量输入至寻优模型，通过比对筛选，获得目标声学包方案，其中，寻优模型中设置有声学包参数调整范围和成本约束条件。
25、可选的，所述选取系统还包括构建单元，所述构建单元用于：
26、获取历史数据集，并将所述历史数据集划分为训练数据集和验证数据集，其中，所述历史数据集包括材质参数和隔声量；
27、初始化bp神经网络参数；
28、设计输入层、隐藏层以及输出层以构建初始预测模型，其中，所述隐藏层在输入层与输出层之间不断迭代更新权值；
29、将所述训练数据集中的材质参数输入至初始预测模型中的输入层，获得预测隔声量，并基于所述训练数据集中的隔声量确定误差；
30、基于所述误差，进行反向传播调整初始预测模型中各层的权值，获得优化后的初始预测模型；
31、通过所述验证数据集对所述优化后的初始预测模型进行验证，以获得目标预测模型。
32、可选的，所述寻优单元具体用于：
33、价格确定步骤：确定任一种材质对应的声学包成本价格；
34、初步筛选步骤：判断该种材质下声学包参数对应的隔声量是否符合期望噪声值，且成本价格是否预设约束条件，若是，则选取该种材质对应的声学包参数作为初始声学包方案；
35、否则，调整该材质对应的声学包参数，并将调整后的声学包参数输入至所述预先构建的预测模型，获得隔声量，继续循环执行价格确定步骤和初步筛选步骤，获得多种初始声学包方案；
36、目标筛选步骤：从所述多种初始声学包方案中选取成本价格符合预审要求的初始声学包方案作为目标声学包方案；
37、针对每种材质或多种材质的组合，循环执行上述价格确定步骤、初步筛选步骤以及目标筛选步骤。
38、另一方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上进行运行的计算机程序，所述处理器执行所述程序时实现上述所述的声学包的选取方法的步骤。
39、另一方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的声学包的选取方法的步骤。
40、通过上述技术方案，预测模型在处理大量样本数据时，可以发掘构建单一材质或组合材质的输入和输出之间的隐藏关系，并结合后续的寻优方法，平衡性能和成本之间的关系，进而选取合适的声学包方案或声学包组合方案，从而避免重复的声学包试验，缩短开发周期，提升整体的开发效率。
41、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种声学包的选取方法，其特征在于，包括：
2.根据权利要求1所述的选取方法，其特征在于，每种材质对应的声学包参数包括但不限于厚度、面积以及质量。
3.根据权利要求1所述的选取方法，其特征在于，所述预测模型的构建过程包括：
4.根据权利要求1所述的选取方法，其特征在于，将所述每种材质或多种材质组合下声学包参数对应的隔声量输入至寻优模型，通过比对筛选，获得目标声学包方案，包括：
5.根据权利要求4所述的选取方法，其特征在于，针对每种材质，根据其厚度、面积以及质量参数的乘积确定对应的声学包成本价格。
6.一种声学包的选取系统，其特征在于，包括：
7.根据权利要求6所述的选取系统，其特征在于，所述选取系统还包括构建单元，所述构建单元用于：
8.根据权利要求6所述的选取系统，其特征在于，所述寻优单元具体用于：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上进行运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述的声学包的选取方法的步
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的声学包的选取方法的步骤。
...【技术特征摘要】
1.一种声学包的选取方法，其特征在于，包括：
2.根据权利要求1所述的选取方法，其特征在于，每种材质对应的声学包参数包括但不限于厚度、面积以及质量。
3.根据权利要求1所述的选取方法，其特征在于，所述预测模型的构建过程包括：
4.根据权利要求1所述的选取方法，其特征在于，将所述每种材质或多种材质组合下声学包参数对应的隔声量输入至寻优模型，通过比对筛选，获得目标声学包方案，包括：
5.根据权利要求4所述的选取方法，其特征在于，针对每种材质，根据其厚度、面积以及质量参数的乘积确定对应的声学包成本价格。
6.一种声学包的选取...
【专利技术属性】
技术研发人员：张志豪，王健，王传青，冯蕾，孙佳冕，
申请(专利权)人：中国重汽集团济南动力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。