车内噪声逐渐成为汽车舒适性的重要评价指标,消费者、政府、公司技术、竞争对手共同推动汽车企业加大车内降噪方面的投入,提升品牌竞争力。传统的吸声、隔声材料主要针对中高频噪声,对低频噪声效果不明显。为了在汽车的前期开发阶段,降低车内低频噪声,缩短产品开发周期。本文基于CAE仿真技术,分析车身NVH性能和整车碰撞性能,基于Elman神经网络预测的方法,确定最优的车身结构参数,车内噪声降低的同时提升整车碰撞性能,主要研究工作有:⑴整车有限元模型的建立。Hyper Mesh软件中建立NVH分析和整车碰撞分析有限元模型,NVH分析模型即声固耦合模型,包含车内声腔有限元模型。⑵基于有限元模型的车身NVH性能分析。基于建立的声固耦合模型进行车身NVH性能分析,得到车内噪声优化的目标、约束条件和设计变量。基于模态分析求解模态频率和模态振型,确定白车身一阶扭转和一阶弯曲模态为约束条件;基于模态法求解各车身接附点到车内目标点的噪声传递函数,确定1条路径在某频率处的声压级为优化目标,3条路径分别在某频率处的声压级为约束条件;分析白车身刚度和车身接附点原点动刚度,结果均符合NVH要求;考虑车身轻量化、优化目标和约束条件共7个响应,对包围声腔的板件进行厚度灵敏度分析,确定9块板件的厚度为设计变量。车身NVH性能分析共确定车内噪声优化的1个优化目标、6个约束条件、9个设计变量。⑶基于整车有限元模型的碰撞分析。根据C-NCAP和C-IASI的测试标准进行整车正面碰撞、整车25%偏置碰撞、整车侧面碰撞仿真分析,以关键板件的侵入量评价碰撞过程车内空间的压缩情况,得到车内噪声优化的约束条件和设计变量。整车正面碰撞性能评价指标符合要求,无需优化;整车25%偏置碰撞的前围板某测量点的侵入量过大,确定该测量点侵入量最大值为约束条件,并将前柱下内板的厚度确定为设计变量;整车侧面碰撞的中柱内板某测量点的侵入量过大,确定该测量点侵入量最大值为约束条件。整车有限元模型的碰撞分析共确定车内噪声优化的2个约束条件、1个设计变量。⑷基于Elman神经网络的车内噪声优化。车身NVH和整车碰撞性能分析共确定1个优化目标、8个约束条件、10个设计变量。在此基础上,采用Hammersley方法在设计变量区间内采样,结合仿真计算得到神经网络训练集、测试集。分别使用训练集和测试集对Elman神经网络进行训练和预测精度验证,结果表明,Elman神经网络预测精度优于广义回归、BP和GA-BP神经网络。基于Elman神经网络预测得到设计变量板件的最优厚度和对应的响应值,与基于该最优板件厚度得到的有限元响应值对比,各响应值的预测误差均在3%以内,预测精度符合要求,目标路径的声压级最大值降低3.38 d B（A）。在最优板件厚度的基础上,进行25%偏置碰撞和侧面碰撞的有限元仿真,目标测量点的侵入量最大值分别降低27.62 mm和21.47 mm。论文利用有限元仿真结合Elman神经网络在考虑碰撞的情况下优化了车内噪声,提升了整车的碰撞性能,可用于汽车前期开发阶段的多性能优化。