'
  1. EXXETA
  2. /
  3. Referenzen
  4. /
  5. Mit KI zum Sounddesign der Zukunft
Autos, Stadt, Sounddesign der Zukunft KI gestützt in der Fahrzeugentwicklung

Mit Künstlicher Intelligenz zum

Sounddesign der Zukunft in der Fahrzeugentwicklung

Fahrzeugakustik ist ein Thema, das in der Automobilbranche in den vergangenen Jahren an Bedeutung gewonnen hat. In der Vergangenheit kam dieser Bereich insbesondere bei der Entwicklung von Sportwagen zum Tragen, ist doch die Geräuschkulisse prägend für den Charakter solcher Fahrzeuge. Heute legen Kund:innen bei sämtlichen Automobilen größeren Wert auf die Akustik. Darüber hinaus stellen Elektrofahrzeuge die Entwickler vor neue Herausforderungen. Entsprechend wurden messtechnische Vorgehensweisen angepasst und weiterentwickelt.


Hochmoderne Software auf KI-Basis soll Akustik in Fahrzeugen optimal modellieren


 

Die Übertragung von Vibrationen über den Radträger auf verschiedene Fahrzeugkomponenten ist ein komplexes Zusammenspiel. Bislang lassen sich diese Zusammenhänge, die den Schall im Innenraum bestimmen, nur in mühsamer Kleinarbeit durch Einzelmodifikationen testen. Deren Effekt kann vor einer Messung oft nur geraten werden. Durch nicht-lineare Rückkopplungseffekte ist es äußerst schwierig, theoretische Zusammenhänge in einem physikalischen Modell vollständig darzustellen.

EXXETA: Auf dem Weg zur KI-gestützten Akustikanalyse

In einem Vorgängerprojekt hatte EXXETA erfolgreich die Wertung professioneller Testfahrer modelliert. Dabei halfen Schwingungssensoren in Bauteilen, die in direktem Kontakt mit dem Fahrer standen. Darauf folgte ein wesentlich komplexeres Projekt:

Die Innenraumschallgenese sollte möglichst exakt vorhergesagt werden. Grundlage hierfür war ein Modell, welches die Schwingungsübertragung zwischen zahlreichen Bauteilen erfasste und dabei die Materialeigenschaften dieser Bauteile berücksichtigte.

Dank Machine Learning Akustikveränderungen durch Bauteilmodifikation prognostizieren

Ein grundlegendes Ziel ist die Integration moderner Machine-Learning-Ansätze in der Fahrzeugentwicklung. Mit Hilfe eines aussagekräftigen Modells sollen Modifikationen der Bauteile und deren Auswirkungen auf die Akustik gezielter untersucht werden können. Dadurch verringert sich die Zahl an Testfahrten; das Design zukünftiger Fahrzeuge im Hinblick auf den Innenraumschall wird erleichtert.

Um dieses Ziel zu erreichen, wurde ein Projekt mit besonderen Herausforderungen initiiert. Zur Grundlage wurden zahlreiche hochdimensionale Zeitreihenmessungen, deren Erfassung sich jeweils in vielen Details unterschied, wodurch sehr viele Analyseansätze ermöglicht wurden. Gleichzeitig besteht für jeden Analyseansatz die Schwierigkeit, diese unterschiedlich generierten Daten umfassend zu nutzen.

Eine Besonderheit war zudem das Vorhandensein von Messungen, die einmal mit und einmal ohne Bauteilmodifikation vorgenommen wurden. Dies spiegelt den Aufbau von Interventionsstudien wider, die vor allem in der medizinischen Forschung einen prominenten Platz einnehmen.

Mit solchen Studien können kausale Auswirkungen einer Intervention durch den Vergleich mit der unmodifizierten Baseline bestimmt werden. Andernfalls wäre es sehr schwierig, solche kausalen Zusammenhänge von bloßen Korrelationen zu unterscheiden.

Deshalb war von Anfang an das wesentliche Ziel der Analyse, die Übertragungswege der Vibrationen kausal zu modellieren.

Zur Methode der Messungen

Das menschliche Ohr reagiert sehr unterschiedlich auf verschiedene Frequenzbereiche. Deshalb wurden die vorliegenden Vibrationsmessungen in den Frequenzraum überführt und es wurde ein besonderes Augenmerk auf diejenigen drei Bereiche gelegt, die sich für den Fahrzeugnutzer als „Dröhnen“, „Mahlen“ und den sogenannten hochfrequenten „Torus“ äußern.

Auf Basis der Frequenzanalyse wurden Vibrationsübertragungen zwischen verschiedenen Bauteilen mittels Machine Learning modelliert. Die trainierten Modelle wurden dann verwendet, um den Einfluss einzelner Bauteile auf die unterschiedlichen Frequenzbereiche zu quantifizieren. Methodisch stach bei diesem Projekt heraus, dass die Datenlage es erlaubte, diese abgeleiteten Einflüsse einzelner Bauteile auf bestimmte Innenraumfrequenzen auch durch eine separate kausale Analyse zu untermauern.

Die Ergebnisse und das weitere Vorgehen

Im Ergebnis konnte im Rahmen eines mehrwöchigen explorativen Projektes eine kausal untermauerte Quantifizierung des Einflusses einzelner Bauteile auf den Innenraumschall übergeben werden. Mit diesem Leitfaden lassen sich Störgeräusche durch Modifikationen an den konkret beteiligten Bauteilen zielgerichtet beseitigen.

Derzeit wird angestrebt, die bestehenden Ergebnisse in Richtung „Explainable AI“ weiterzuentwickeln, um die Zugänglichkeit der „Black Box“ zu erhöhen und einen weiteren Schritt in Richtung „Sounddesign am Computer“ zu gehen.


Als EXXETA hel­fen wir Ih­nen, er­folg­reich Mehr­wer­te aus Ih­ren Da­ten zu schöp­fen. Mit un­se­ren Dienst­leis­tun­gen sind wir der rich­ti­ge Part­ner für die stra­te­gi­sche For­mu­lie­rung und Um­set­zung Ih­rer Zie­le.