基于贝叶斯 NVH 元模型利用测量数据库评估车内噪声
应用统计
2022-07-06 v1 机器学习
摘要
近年来，人们对设计车辆声学特征给予了极大重视，该特征代表了乘客的整体舒适度水平。由于量产车行为高度不确定，概率元模型或代理模型可用于估计 NVH 离散性并评估不同的 NVH 风险。这些元模型遵循物理行为，应作为早期设计阶段设计空间探索工具，以支持 NVH 优化。测量数据库构成不同的噪声路径，如气动噪声（风洞试验）、轮胎-路面相互作用噪声（滚动噪声）以及由电动机产生的噪声（啸叫噪声）。本研究提出了一种针对气动和滚动等宽带噪声的全局 NVH 元建模技术，利用贝叶斯框架考虑关于复杂物理机制的先验（领域专家）知识。使用带多项式和高斯基函数的广义加性模型（GAMs）来建模声压级（SPL）对预测变量的依赖关系。此外，基于使用点估计的数据生成机制的参数自助算法用于估计未知参数中的离散性。概率建模使用开源库 PyMC3 进行，其利用 No-U-Turn 采样器（NUTS），所开发模型使用交叉验证技术进行验证。
引用
@article{arxiv.2207.02120,
title = {Bayesian NVH metamodels to assess interior cabin noise using measurement databases},
author = {V. Prakash and O. Sauvage and J. Antoni and L. Gagliardini},
journal= {arXiv preprint arXiv:2207.02120},
year = {2022}
}
备注
ISMA 2022 conference paper