Bayesian NVH metamodels to assess interior cabin noise using measurement databases - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Bayesian NVH metamodels to assess interior cabin noise using measurement databases

Métamodèles bayésiens NVH pour évaluer le bruit intérieur de la cabine à l'aide de bases de données de mesure

O Sauvage
  • Fonction : Directeur scientifique
Jérôme Antoni

Résumé

In recent years, a great emphasis has been put on engineering the acoustic signature of vehicles that represents the overall comfort level for passengers. Due to the inherent uncertain behavior of production cars, probabilistic metamodels can be useful to estimate the NVH dispersion and assess different NVH risks in the early-design stage. These metamodels mimic physical behaviors and shall aid as a design space exploration tool. This work proposes a global NVH metamodelling technique for broadband noises exploiting the Bayesian framework that considers the prior knowledge about complex physical mechanisms. Generalized additive models (GAMs) with polynomials and Gaussian basis functions are used to model the sound pressure level (SPL). Moreover, parametric bootstrap algorithm based on data-generating mechanism is used to estimate the dispersion in unknown parameters. Probabilistic modelling is carried out using an open-source library (PyMC3) and the developed models are validated using cross-validation technique.
Ces dernières années, l'accent a été mis sur l'ingénierie de la signature acoustique des véhicules qui représente le niveau de confort global des passagers. En raison du comportement incertain inhérent des voitures de production, les métamodèles probabilistes peuvent être utiles pour estimer la dispersion NVH et évaluer différents risques NVH au stade précoce de la conception. Ces métamodèles imitent les comportements physiques et doivent servir d'outil d'exploration de l'espace de conception. Ce travail propose une technique globale de métamodélisation NVH pour les bruits à large bande exploitant le cadre Bayésien qui considère les connaissances préalables sur les mécanismes physiques complexes. Des modèles additifs généralisés (GAM) avec des polynômes et des fonctions de base gaussiennes sont utilisés pour modéliser le niveau de pression acoustique (SPL). De plus, un algorithme de bootstrap paramétrique basé sur un mécanisme de génération de données est utilisé pour estimer la dispersion des paramètres inconnus. La modélisation probabiliste est réalisée à l'aide d'une open source library (PyMC3) et les modèles développés sont validés à l'aide de la technique de cross-validation.
Fichier principal
Vignette du fichier
ISMA2022_confPaper_Bayesian_NVH_Metamodels_Vinay.pdf (5.18 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03938267 , version 1 (13-01-2023)

Identifiants

  • HAL Id : hal-03938267 , version 1

Citer

V Prakash, O Sauvage, Jérôme Antoni, L Gagliardini. Bayesian NVH metamodels to assess interior cabin noise using measurement databases. International Conference on Noise and Vibration Engineering (ISMA), KU Leuven, Sep 2022, Leuven (Louvain), KU Leuven, Belgium. pp.1666-1682. ⟨hal-03938267⟩
83 Consultations
35 Téléchargements

Partager

Gmail Facebook X LinkedIn More