Die Notwendigkeit gesetzlicher Regulierungen des Außengeräuschs von Personenkraftwagen (PKW) resultiert aus dem Einfluss von Lärm auf das menschliche Wohlbefinden. Die Messung von PKW-Außengeräuschen wird unter genormten Bedingungen nach gesetzlichen Regulierungen als sogenannte Vorbeifahrtmessung durchgeführt. Die jüngste gesetzliche Norm der „Economic Comission of Europe“ (ECE) ist die ECE R51.03.

Die Motivation der vorliegenden Arbeit basiert auf zwei grundsätzlichen Aspekten. Zum einen unterliegen die Anforderungen der ECE R51.03 in Form akustischer Grenzwerte bei der Vorbeifahrtmessung stetigen Verschärfungen. Die Erfüllung der gesetzlichen Grenzwerte wird für „Original Equipment Manufacturer“ (OEMs) zunehmend zur Herausforderung. Zum anderen erfordern immer kürzere Entwicklungszyklen größere Aktivitäten der OEMs in der frühen, digitalen Phase des Fahrzeugentwicklungsprozesses. Zur Zeit existieren keine durchgängigen algorithmischen Lösungen zur Adressierung der beschriebenen Problematik. Akustische State-of-the-Art-Verfahren scheitern an der Komplexität des Außengeräuschs von PKW bestehend aus der Überlagerung multipler, teilweise korrelierter Schallquellen mit nicht-omnidirektionaler Abstrahlung. Vorhersagen des Außengeräuschs von PKW mithilfe von Methoden des Maschinellen Lernens (ML) können die Problemstellung ebenfalls nicht umfassend lösen.

Ziel der Arbeit ist die Entwicklung eines durchgängigen Konzepts zur Digitalisierung des Fahrzeugentwicklungsprozesses hinsichtlich Außengeräusch und dessen algorithmische Realisierung. Bei der Bearbeitung der beschriebenen Aufgabenstellung wurden zwei Hauptaufgaben identifiziert. Zunächst besteht die Notwendigkeit der Vorhersage des Außengeräuschs zukünftiger Fahrzeuge, bevor messfähige Hardware-Prototypen zur Verfügung stehen. Desweiteren muss das Außengeräusch bestehender Fahrzeuge mithilfe von Methoden der Teilschallquellenanalyse in seine Bestandteile in Form der relevanten Fahrzeugkomponenten, wie Motor, Abgasanlage und Reifen zerlegt werden. Die Kombination beider Verfahren ermöglicht die Ableitung von akustischen Komponentengrenzwerten hinsichtlich ECE R51.03 in der frühen, digitalen Phase des Fahrzeugentwicklungsprozesses.

Der erste Aspekt der wissenschaftlichen Relevanz ist die Entwicklung zweier neuer algorithmischer Ansätze. Es werden erstmalig ML-Verfahren zur dynamischen Vorhersage des Außengeräuschs über die gesamte Messstrecke hinsichtlich ECE R51.03 verwendet. Dabei werden „Gradient Boosted Models“ (GBMs) basierend auf Entscheidungsbäumen benutzt. Die Genauigkeit der entwickelten Modelle liegt bei 90 % aller betrachteten Beispiele innerhalb der von der ECE R51.03 erlaubten Varianz bei konsekutiven Vorbeifahrtmessungen. Damit sind Vorhersagen des Außengeräuschs zukünftiger Fahrzeuge mit einer Genauigkeit möglich, die es erlaubt, den weiteren Fahrzeugentwicklungsprozess daraufhin auszulegen.

Zusätzlich wurde mit „Helmholtz Inverse Beamforming“ (HIBF) ein neues Verfahren zur Analyse von Teilschallquellen hinsichtlich ECE R51.03 entwickelt, das wesentliche Schwächen des Stands der Technik kompensiert. „Airborne Source Quantification“ (ASQ), basierend auf Transferpfadanalyse (TPA), beruht auf der Annahme akustischer Monopole. Nicht-omnidirektionale Schallabstrahlungen, beispielsweise der Reifen, können nicht abgebildet werden. Durch die Darstellung der Schallquellen mithilfe von Kugelflächenfunktionen bei HIBF wird diese Schwäche von ASQ aufgelöst. Bei Messungen an einem realen Fahrzeug konnte HIBF signifikant bessere Ergebnisse erzielen als ASQ.

Der zweite wesentliche Aspekt der wissenschaftlichen Relevanz ist die erstmalige Entwicklung und algorithmische Realisierung eines durchgängigen Konzepts zur Digitalisierung des Fahrzeugentwicklungsprozesses hinsichtlich ECE R51.03 durch Kombination der beiden algorithmischen Ansätze. Mithilfe der Kombination von Außengeräuschvorhersagen zukünftiger Fahrzeuge mit GBMs und der Teilschallquellenanalyse mit HIBF können akustische Komponentengrenzwerte für Reifen und Abgasanlage bereits in der digitalen Phase des Fahrzeugentwicklungsprozesses abgeleitet werden.

Melden Sie sich hier an um Einladungen zu den Kolloquium-Vorträgen per E-Mail zu erhalten.
Register here to receive the invitations to colloquium talks via e-mail.

Zoom-Meeting-ID: 952 3208 6517
Passwort: 328324