基于MCS和改进遗传算法的进气消声器优化分析

作者：朱传峰; 毕嵘; 韦静思; 袁懋荣; 李波; 朱亚亚

来源：现代车用动力, 2020, (02): 6-46.

• 蒙特卡洛模拟
• 神经网络
• 遗传算法
• 传递损失
• 压力损失

综合考虑发动机进气消声器声学性能和阻力特性,采用蒙特卡洛模拟(MCS),分别对基于传递矩阵和神经网络建立的进气消声器传递损失和压力损失数值模型进行参数贡献度分析,结合改进遗传算法(GA)对进气消声器进行单目标和多目标优化。研究结果表明:MCS方法有效辨识出参数L2,L4,L6,D2,D3,D4对传递损失和压力损失贡献都较大,简化了优化分析模型。基于神经网络建立的消声器压力损失数值模型精度较高,消声器压力损失大小的限制对进气消声器的优化结果影响较大。在满足压力损失的情况下,单目标优化能使进气消声器的传递损失在单个共振带中心频率处传递损失达到最大值,而多目标优化得到的进气消声器比原始进气消声器控制进气噪声最多降低5. 31 dB,在整个工况范围,进气噪声基本都有所降低,性能优于单目标优化的结果。