-
题名基于层级分解的前围声学包多目标优化
被引量：1
- 1
-
-
作者
杨帅
吴宪
薛顺达
-
机构
同济大学汽车学院
拾音汽车科技(上海)有限公司
-
出处
《振动与冲击》
北大核心
2025年第3期267-277,共11页
-
文摘
搭建了前围声学包多层级目标分解架构,提出GAPSO-RBFNN(genetic algorithm particle swarm optimization-radial basis function neural network)预测模型,并将其应用于多层级目标分解架构。将材料数据库、覆盖率、泄漏量作为优化的变量范围,以PBNR(power based noise reduction)均值作为约束,以质量和成本作为优化目标,采用非支配排序遗传算法(nondominated sorting genetic algorithm II,NSGA-II)进行多目标优化,得到Pareto多目标解集。并从中选取满足设计目标的最佳组合方案(材料组合、覆盖率、前围过孔密封方案选型)。结果显示,该模型最终的优化结果与实测结果接近,误差分别为0.35%,1.47%,1.82%,相较于初始声学包方案,优化后的结果显示,PBNR均值提升3.05%,其质量降低52.38%,成本降低15.15%,验证了所提方法的有效性和准确性。
-
关键词
gapso-rbfnn
声学包
PBNR
NSGA-II
Pareto多目标解集
-
Keywords
genetic algorithm particle swarm optimization-radial basis function neural network(gapso-rbfnn)
acoustic package
power-based noise reduction(PBNR)
non-dominated sorting genetic algorithm II(NSGA-II)
pareto multi-objective solution set
-
分类号
U27
[机械工程—车辆工程]
U46
[机械工程—车辆工程]
-
