跳到正文
原文
Archives of Acoustics RSS· Haijun Wang, Zhijie Huang, Zengjun Lu, Xianghua He, Tie Xu·· 2026-06-24精选

NN-MMFNet：面向纯电动车结构路噪预测的因果与非负注意力网络

Causality- and Passivity-Constrained Nonnegative Attention for Interpretable Structure-Borne Road Noise Prediction in Battery Electric Vehicles

AI 导读

论文提出物理信息驱动的非负多模态融合网络 NN-MMFNet，从多点底盘激励预测纯电动车车内声压，用于 20 Hz 至 300 Hz 结构路噪。模型用双流编码器分离瞬态冲击与稳态共振，融合解码路径严格因果，并施加无源性谱增益上限、将跨模态注意力权重约束为非负以实现可加路径归因。

正文 · 机器翻译

来源：Archives of Acoustics RSS · CC BY 4.0 · Haijun Wang, Zhijie Huang, Zengjun Lu, Xianghua He, Tie Xu · 原文 · 许可条款

作者

摘要

在纯电动汽车（BEV）中，由于发动机掩蔽成分基本缺失，20 Hz 至 300 Hz 频段的结构传播路噪变得更加明显，而传统的传递路径公式可能对悬架非线性和病态求逆较为敏感。本文提出了一种物理信息驱动的非负多模态融合网络（NN-MMFNet），可从多点底盘激励预测车内声压，同时保持映射的物理合理性和可解释性。该模型结合了双流编码器，将瞬态冲击特征与稳态共振内容分离，并采用严格
因果融合/解码路径。应用了基于无源性的频谱增益上限，以防止非物理放大，同时保留相位。为实现可加性的路径归因，跨模态注意力权重被约束为非负。训练遵循仿真到真实的工作流程，使用虚拟车队预训练并在实测数据上进行短时微调。在一辆量产 BEV 上，NN-MMFNet 在 60 km/h 下以 1.12 dB(A) 的全局均方根误差（RMSE）重现了 20 Hz 至 300 Hz 频谱，在 128 Hz 轰鸣处误差为 0.14 dB，优于传递路径分析（TPA）、频率传递矩阵（FTM）和自回归滑动平均（ARMA）基线。脉冲响应检查显示无源性违规率可忽略不计（<0.01 %）。学习到的注意力一致指向 128 Hz 附近的后副车架到车身安装路径，对该位置进行有针对性的刚度调整后，实测车内噪声降低了 4.2 dB(A)。

关键词：

结构传播路噪， 物理信息神经网络（PINN）， 传递路径分析（TPA）， 跨模态注意力， 纯电动汽车（BEV）

参考文献


  1. Cervantes-Madrid G., Peral-Orts R., Campillo-Davo N., Campello-Vincente H. (2021), Inverse transfer path analysis, a different approach to shorten time in NVH assessments, Applied Acoustics, 181: 108178, https://doi.org/10.1016/j.apacoust.2021.108178

  2. Cheng W. et al. (2022), AR model-based crosstalk cancellation method for operational transfer path analysis, Journal of Mechanical Science and Technology, 36: 1131–1144, https://doi.org/10.1007/s12206-022-0206-7

  3. Cheng W., Chu Y., Chen X., Zhou G., Blamaud D., Lu J. (2020), Operational transfer path analysis with crosstalk cancellation using independent component analysis, Journal of Sound and Vibration, 473: 115224, https://doi.org/10.1016/j.jsv.2020.115224

  4. Cheng W., Lu Y., Zhang Z. (2016), Tikhonov regularization-based operational transfer path analysis, Mechanical Systems and Signal Processing, 75: 494–514, https://doi.org/10.1016/j.ymssp.2015.12.025

  5. de Klerk D., Ossipov A. (2010), Operational transfer path analysis: Theory, guidelines and tire road noise application, Mechanical Systems and Signal Processing, 24(7): 1950–1962, https://doi.org/10.1016/j.ymssp.2010.05.009

  6. de Klerk D., Rixen D.J. (2010)，考虑试验台动力学补偿的部件传递路径分析方法，Mechanical Systems and Signal Processing，24(6)：1693–1710，https://doi.org/10.1016/j.ymssp.2010.01.006

  7. Gao L. 等 (2024)，基于最小方差谱估计的串扰消除运行传递路径分析，Journal of Mechanical Science and Technology，38：5311–5322，https://doi.org/10.1007/s12206-024-0907-1

  8. Gustavsen B., Semlyen A. (1999)，用矢量拟合对频域响应进行有理逼近，IEEE Transactions on Power Delivery，14(3)：1052–1061，https://doi.org/10.1109/61.772353

  9. Gustavsen B., Semlyen A. (2001)，对用有理函数逼近的导纳矩阵强制无源性，IEEE Transactions on Power Systems，16(1)：97–104，https://doi.org/10.1109/59.910786

  10. Huang H., Lim T.C., Wu J., Ding W., Pang J. (2023)，基于知识与数据驱动方法的纯电动汽车轮胎/路面空气噪声声品质多目标预测与优化，Mechanical Systems and Signal Processing，197：110361，https://doi.org/10.1016/j.ymssp.2023.110361

  11. Jia X., Zhou L., Huang H., Pang J., Yang L. (2024)，基于卷积神经网络-支持向量回归改善电动汽车结构噪声，Electronics，13(1)：113，https://doi.org/10.3390/electronics13010113

  12. Khan D., Burdzik R. (2023)，交通噪声与振动的测量和分析：技术、案例研究及未来方向综述，Measurement，220：113354，https://doi.org/10.1016/j.measurement.2023.113354

  13. Kiranyaz S., Avci O., Abdeljaber O., Ince T., Gabbouj M., Inman D.J. (2021)，一维卷积神经网络及其应用：综述，Mechanical Systems and Signal Processing，151：107398，https://doi.org/10.1016/j.ymssp.2020.107398

  14. Kong L. 等 (2025)，基于复值串扰消除方法的新型运行传递路径分析，Measurement，253(Part D)：117813，https://doi.org/10.1016/j.measurement.2025.117813

  15. Ma Y., Dai R., Liu T., Liu J., Yang S., Wang J. (2025)，基于AFW-LSTM的车辆路噪预测研究，Machines，13(5)：425，https://doi.org/10.3390/machines13050425

  16. Masri J., Amer M., Salman S., Ismail M., Elsisi M. (2024)，现代车辆噪声、振动与声振粗糙度综述：最新进展，Ain Shams Engineering Journal，15：102957，https://doi.org/10.1016/j.asej.2024.102957

  17. Mohammadi N. (2023)，通过传递路径降噪控制MB卡车驾驶室内部的空气噪声与结构噪声，Archives of Acoustics，48(1)：93–101，https://doi.org/10.24425/aoa.2022.142908

  18. Moorhouse A.T., Elliott A.S., Evans T.A. (2009)，结构声源阻塞力的原位测量，Journal of Sound and Vibration，325(4–5)：679–685，https://doi.org/10.1016/j.jsv.2009.04.035

  19. Munder M., Carbon C.C. (2022)，关于车辆声学的文献综述[2000–2022]：电动车辆内饰声景感知参数研究，Frontiers in Mechanical Engineering，8：974464，https://doi.org/10.3389/fmech.2022.974464

  20. Ortega Almiron J., Bianciardi F., Corbeels P., Pieroni N., Kindt P., Desmet W. (2022)，基于滚动轮胎试验台测量的部件传递路径分析的车辆路噪预测，Journal of Sound and Vibration，523：116694，https://doi.org/10.1016/j.jsv.2021.116694

  21. Park U., Kang Y.J. (2024)，基于神经网络的运行传递路径分析，Journal of Sound and Vibration，579：118364，https://doi.org/10.1016/j.jsv.2024.118364

  22. Raissi M., Perdikaris P., Karniadakis G.E. (2019)，物理信息神经网络：求解涉及非线性偏微分方程的正问题和反问题的深度学习框架，Journal of Computational Physics，378：686–707，https://doi.org/10.1016/j.jcp.2018.10.045

  23. Shang Z., Hu F., Zeng F., Wei L., Xu Q., Wang J. (2021)，基于音质贡献因子的传递路径分析研究，Applied Acoustics，173：107693，https://doi.org/10.1016/j.apacoust.2020.107693

  24. van der Seijs M.V., de Klerk D., Rixen D.J. (2016)，传递路径分析的通用框架：技术的历史、理论与分类，Mechanical Systems and Signal Processing，68–69：217–244，https://doi.org/10.1016/j.ymssp.2015.08.004

  25. Yang M., Dai P., Yin Y., Wang D., Wang Y., Huang H. (2025)，通过局部敏感哈希变换器和区间分析预测与优化纯电动车辆路噪，ISA Transactions，157：556–572，https://doi.org/10.1016/j.isatra.2024.11.059

  26. Zhang E., Chen Y., Su L., Zhonglian R., Chen X., Jiang S. (2024)，基于使用GS和PSO的两种改进XGBoost算法的电动公交车内饰音质评价建模，Archives of Acoustics，49(3)：307–317，https://doi.org/10.24425/aoa.2024.148794

  27. Zhu H., Zhao J., Wang Y., Ding W., Pang J., Huang H. (2024)，使用任务依赖加权方法的多任务学习改善纯电动车辆声振舒适性，Measurement，233：114752，https://doi.org/10.1016/j.measurement.2024.114752

来源：Archives of Acoustics RSS · acoustics.ippt.pan.pl