基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

不同侧风工况下汽车稳定性双向耦合研究

为了研究汽车在自然侧风环境下的稳定性,建立了汽车空气动力学与汽车多体系统动力学的实时双向耦合仿真系统,并通过风洞试验验证了空气动力学模拟方法的准确性,通过调整风压中心的方法分析了汽车多体系统动力学模型的鲁棒性。采用动边界方法对ISO12021汽车侧风稳定性试验工况进行了单向和双向耦合分析研究,并将汽车在标准工况下的侧风稳定性模拟结果与自然侧风模拟结果进行对比分析。研究结果表明：汽车在标准侧风工况下的车身姿态变化会反过来影响汽车周围流场的变化,特别是底部流场和背风侧流场,汽车在侧风下的运动同时受侧风和悬架的共同作用,对汽车侧风稳定性的研究需要采用双向耦合分析方法;相较于标准侧风,自然侧风对汽车周围流场的作用更加迅速和不稳定,峰值气动侧力和横摆力矩使汽车稳定性较标准侧风更差。对汽车侧风稳定性的评价需要综合考虑不同侧风工况的影响。