基于人工智能的汽车排气消声器设计技术研究

摘要

加装排气消声器是降低汽车噪声最有效的手段。但排气消声器的设计高度依赖于经验设计，开发效率较低，设计成本较高。针对这一问题，将人工智能的相关理论与排气消声器的设计技术相结合，研究排气消声器智能设计中的关键技术难点，构建基于人工智能的排气消声器设计系统。从而提高消声器企业的竞争力，促进汽车零部件产业的发展。 在剖析消声器常规设计流程与设计逻辑的基础上，建立包含以智能选型设计、智能正向设计和智能辅助设计为主体的消声器智能设计体系，然后针对实现智能设计体系的关键技术及重要难点进行研究，并给出了相应的解决方案。 首先，将案例推理与综合评价相结合，从设计问题相似度、性能匹配度、成本评估三个方面建立了多层级的消声器智能选型匹配体系；针对选型匹配体系构建了设计案例的表达方式与交互框架，并建立与之相适应的三层推理逻辑，实现消声器的智能选型匹配。此外，提出多消声器组合后整体性能的快速预测算法，并利用该算法实现消声器案例的重组，为消声器选型设计提供了新途径； 然后，对常用的排气消声器设计知识进行总结归纳，并利用消声器案例的数据统计结果补充部分隐性设计知识；基于规则推理技术与频率匹配原理实现子结构参数的详细设计；提出消声子结构及其拓扑关系的识别方法，并利用子结构案例抽象，构建融合规则设计与经验设计的消声器设计推理机制，解决规则推理技术无法适应经验设计的难题；在分析消声器设计知识与设计经验数据特征的基础上，构建各类消声器设计知识的表达规范、建立知识库与推理机，实现消声器的智能正向设计开发。 最后，将人工智能技术与消声器辅助设计相结合，实现建模、分析、改进的智能化，并基于神经网络提出可考虑气流再生噪声的消声器声学预测方法；利用贝叶斯网络，提出基于消声器设计案例的设计经验挖掘技术；开发出融合多种推理方式的消声器智能设计系统，并通过应用案例证明该系统的工程实用价值。 以上研究涉及多个交叉学科，所取得的成果主要包括：建立的选型匹配体系使消声器的选型设计和综合评价更加科学；将隐性设计经验融入到消声器正向开发之中，突破规则推理的技术瓶颈，有效提高消声器的设计成功率；将设计规则和分析经验与辅助设计相结合，提高了辅助设计的效率和准确性；通过案例重组、案例统计、案例抽象、案例训练等方法更为深层的挖掘出案例数据的价值。

目录

第一个书签之前