电驱系统声学分析

降低噪声已成为现代传动系统和电驱动力总成的核心设计目标。MASTA 的NVH 分析功能可通过加速度计测点位置的箱体振动和声功率数据，计算齿轮与电机激励的动态响应。MASTA可实现集成的全声学仿真解决方案。 声学分析以频响分析获取的箱体表面振动速度作为输入，计算声压与声强。用户还可在MASTA 模型中指定麦克风位置，获取特定位置的声压数据。

虚拟仿真

电驱动

基于机器学习的齿面微观参数优化

采用高维度输入参数进行高精度CAE 分析的设计优化难度较大。传统全局优化方法耗时过长，而局部优化方法在多局部最优解空间中仅能找到一个最优解。MASTA 中基于机器学习的优化技术则可同时解决这两大难题。 SMT 开发的MASTA 机器学习优化通过历史分析数据构建代理模型，用于预测后续分析结果。该模型能识别优化空间中可能产生更优解的区域。 该优化方法不仅效率出众，还能获得接近全局最优的解。快速微观参数优化工具不仅能实现齿面微观参数的快速设计，更为宏观几何参数的优化改进创造了可能。

机器学习、虚拟仿真

电驱动

NVH-传递路径分析

在对齿轮箱进行谐波分析时，通常以传递误差形式存在的激励会在齿轮啮合处激发系统振动，这种振动通过模型传递，最终由箱体振动产生声功率。 利用传递路径分析技术，现在可以追踪振动在模型中的不同传递路径，从而定位可优化的潜在区域以最小化振动响应。

虚拟仿真

电驱动