【技术实现步骤摘要】
本申请涉及发动机，特别涉及一种基于振动信号的发动机台架标定试验方法、装置和设备。
技术介绍
1、随着乘用车用户对于整车的nvh性能的重视程度逐步提升，发动机作为整车噪声的主要来源，nvh问题日益凸显。当前，解决发动机nvh技术从早期的局部屏蔽、全屏蔽等隔声附件控制噪声方法，逐步发展到发动机本体结构设计参数化、发动机燃烧系统动态控制、声学包裹等多维度及方法对噪声进行控制。其中发动机台架nvh标定的目的是通过性能参数的标定优化，改善发动机燃烧噪声。但是从实际操作层面来看，存在以下两项问题：
2、(1)发动机nvh测试需要专业半消声实验室、低噪声测功机和高精度噪声测试设备，一般而言很难和发动机的动力、排放和经济性等重要性能试验同时进行，因此很难找到适合的台架同时满足性能标定工程师和nvh工程师同步开展工作。如果用两个台架同时进行nvh标定和性能标定，就需要nvh工程师和性能标定工程师反复测试、迭代，才能获得一个完整的map；
3、(2)基于nvh台架和性能标定台架共同获得的map，不一定是在可调范围内最优的map。
技术实现思路
1、本申请提供一种基于振动信号的发动机台架标定试验方法、装置和设备，以解决发动机的nvh标定和性能标定难以同步开展等问题。
2、本申请第一方面实施例提供一种基于振动信号的发动机台架标定试验方法，包括以下步骤：确定多个测试工况，并基于每个测试工况，采集多个方向的振动信号数据和噪声信号数据；将所述多个测试工况的振动信号数据和噪声信
3、可选地，将所述多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值之前，包括：采集所述发动机在所述多个测试工况下的的多个方向的待处理振动信号数据和待处理噪声信号数据；对所述待处理振动信号数据和所述待处理噪声信号数据进行均方根和归一化处理后得到待训练数据；将所述待训练数据按照预设比例划分为训练集和验证集，利用训练集训练预设的神经网络得到初始噪声预测模型，并基于所述验证集评估所述初始噪声预测模型的预测性能，若所述初始噪声预测模型满足预设使用条件，则将所述初始噪声预测模型作为所述目标噪声预测模型。
4、可选地，所述基于所述验证集评估所述初始噪声预测模型的预测性能，包括：利用可解释方差分数的计算公式和平均绝对误差的计算公式计算所述初始噪声预测模型的的可解释方差分数值和平均绝对误差值；若所述可解释方差分数值大于第一预设阈值，且所述平均绝对误值差小于第二预设阈值，则判定所述所述初始噪声预测模型满足所述预设使用条件。
5、可选地，所述可解释方差分数的计算公式为：
6、
7、所述平均绝对误差的计算公式为：
8、
9、其中，var{y}为模型的预测值的方差，nsamples为样本容量，y为模型的预测值，为测量的真实值。
10、可选地，所述目标函数为：
11、
12、其中，fbsfc为发动机油耗，为发动机的排放量，fdb为发动机的噪声，speed为发动机转速，tor为发动机扭矩，vcxia为进气vvt角度，vcxea为排气vvt角度。
13、本申请第二方面实施例提供一种基于振动信号的发动机台架标定试验装置，包括：采集模块，用于确定多个测试工况，并基于每个测试工况，采集多个方向的振动信号数据和噪声信号数据；获取模块，用于将所述多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值；标定模块，用于基于所述发动机的油耗、排放和噪声为优化目标确定目标函数，通过台架测试调节发动机的转速、扭矩、进气vvt角度和排气vvt角度，并采用预设的遗传算法，基于所述当前噪声预测值对所述目标函数进行优化，得到满足预设的油耗、排放和噪声条件的所述发动机进排气vvt角度。
14、可选地，将所述多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值之前之前，所述获取模块，还用于：采集所述发动机在所述多个测试工况下的的多个方向的待处理振动信号数据和待处理噪声信号数据；对所述待处理振动信号数据和所述待处理噪声信号数据进行均方根和归一化处理后得到待训练数据；将所述待训练数据按照预设比例划分为训练集和验证集，利用训练集训练预设的神经网络得到初始噪声预测模型，并基于所述验证集评估所述初始噪声预测模型的预测性能，若所述初始噪声预测模型满足预设使用条件，则将所述初始噪声预测模型作为所述目标噪声预测模型。
15、可选地，所述获取模块，还用于：利用可解释方差分数的计算公式和平均绝对误差的计算公式计算所述初始噪声预测模型的的可解释方差分数值和平均绝对误差值；若所述可解释方差分数值大于第一预设阈值，且所述平均绝对误值差小于第二预设阈值，则判定所述所述初始噪声预测模型满足所述预设使用条件。
16、可选地，所述可解释方差分数的计算公式为：
17、
18、所述平均绝对误差的计算公式为：
19、
20、其中，var{y}为模型的预测值的方差，nsamples为样本容量，y为模型的预测值，为测量的真实值。
21、可选地，所述目标函数为：
22、
23、其中，fbsfc为发动机油耗，为发动机的排放量，fdb为发动机的噪声，speed为发动机转速，tor为发动机扭矩，vcxia为进气vvt角度，vcxea为排气vvt角度。
24、本申请第三方面实施例提供一种电子设备，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运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的基于振动信号的发动机台架标定试验方法。
25、本申请第四方面实施例提供一种计算机程序产品，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的基于振动信号的发动机台架标定试验方法。
26、上述实施方式中，确定多个测试工况，并基于每个测试工况，采集多个方向的振动信号数据和噪声信号数据，将多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值，基于发动机的油耗、排放和噪声为优化目标确定目标函数，通过台架测试调节发动机的转速、扭矩、进气vvt角度和排气vvt角度，并采用预设的遗传算法，基于当前噪声预测值对目标函数进行优化，得到满足预设的油耗、排放和噪声条件的发动机进排气vvt角度。由此，解决了发动机的nvh标定和性能标定难以同步开展等问题，可以实现在非半消声环境下，在线监测发动机噪声，可适用本文档来自技高网...
【技术保护点】
1.一种基于振动信号的发动机台架标定试验方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，将所述多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值之前，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述验证集评估所述初始噪声预测模型的预测性能，包括：
4.根据权利要求3所述的方法，其特征在于，所述可解释方差分数的计算公式为：
5.根据权利要求1所述的方法，其特征在于，所述目标函数为：
6.一种基于振动信号的发动机台架标定试验装置，其特征在于，装置包括：
7.根据权利要求6所述的装置，其特征在于，将所述多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值之前之前，所述获取模块，还用于：
8.根据权利要求7所述的装置，其特征在于，所述获取模块，还用于：
9.一种车辆，其特征在于，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运行的计算机程序，所述处理器执行所述程序，以实
10.一种计算机程序产品，所述计算机程序产品存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的基于振动信号的发动机台架标定试验方法。
...【技术特征摘要】
1.一种基于振动信号的发动机台架标定试验方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，将所述多个测试工况的振动信号数据和噪声信号数据输入至目标噪声预测模型得到发动机的当前噪声预测值之前，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述验证集评估所述初始噪声预测模型的预测性能，包括：
4.根据权利要求3所述的方法，其特征在于，所述可解释方差分数的计算公式为：
5.根据权利要求1所述的方法，其特征在于，所述目标函数为：
6.一种基于振动信号的发动机台架标定试验装置，其特征在于，装置包括：
7.根据权利要...
【专利技术属性】
技术研发人员：原宗辉，陈明，刘子鸣，杨航，周天鹏，梁登书，王丙祥，王帅，单贇，朱凯军，
申请(专利权)人：中国第一汽车股份有限公司，
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。