1.一种基于遗传算法的车内噪声优化方法，包括如下步骤：S100：建立车内噪声预测模型；

S200：建立响应面模型；

S300：建立噪声目标函数的数学优化模型；

S400：应用遗传算法优化所述数学优化模型；

其中，所述步骤S100进一步包括：

S101：建立车身结构有限元模型；其中，

利用Hypermesh对CAD模型进行几何清理，使用8mm的网格对白车身、车门、前机盖进行网格划分；通过RBE2单元将车门闭合件连接到车身上；黏胶单元Adhesives模拟车窗与车身、车门的连接，仪表盘、座椅支架附件，以集中质量体现，并采用RBE3单元与车身连接；由体单元和REB3组成的ACM单元模拟焊点结构和材料特性；其中，白车身是不带车门、前机盖、玻璃闭合件的；

S102：建立声固耦合模型；其中，

所述步骤S102进一步包括：

S1021：建立声腔网格需要封闭的车厢模型，封闭车厢模型的小孔；

S1022：利用ACMODL卡片采用节点对节点的方式进行耦合设置，建立声固耦合模型；

S103：对发动机左、右悬置点的X、Y、Z共6条路径进行噪声传递函数分析，分别在两个悬置点上施加不同方向的激励后，分析车内目标点产生的声压是否超过目标值；如果左悬置X向激励在车内产生的声压超过目标值，将这一路径作为研究对象，目标节点最大声压响应面所对应的minf(xi)即通过这一路径得到；其中，所述步骤S103进一步包括：用响应与激励的拉氏变换比值得到噪声传递函数；

S104：对板件厚度进行板件声学灵敏度分析；所述步骤S104进一步包括：利用Hyperstudy对一阶模态、车身质量、车内目标节点最大声压进行灵敏度分析，筛选出对车内目标点声压影响大的板件；将筛选出来的板件的厚度为设计变量，响应面拟合时用到的就是这几个板件的厚度值，优化也是优化这几个板件的厚度，具体的，响应灵敏度高的板件和负灵敏度板件，分别是侧围、B柱C柱内板、中部底板、后部底板、尾灯内板、A柱内板、顶棚这7个板件；

其中，所述步骤S200进一步包括：

S201：通过Hammersley试验设计，构造出白车身一阶模态、质量和目标节点最大声压响应面；其中，所述步骤S201进一步包括：采用最小二乘法拟合响应面；其中，采用最小二乘法拟合一阶模态、质量、目标节点最大声压响应面，变量取值如下，其中，各个变量的单位为mm：侧围，其初始值为0.9，其变量取值范围为[0.7,0.9]；

B柱C柱内板，其初始值为1，其变量取值范围为[0.8,1.2]；

中部底板，其初始值为1.6，其变量取值范围为[1.3,1.9]；

后部底板，其初始值为1.6，其变量取值范围为[1.3,1.9]；

尾灯内板，其初始值为0.8，其变量取值范围为[0.6,1]；

A柱内板，其初始值为2，其变量取值范围为[1.7,2.3]；

顶棚，其初始值为0.8，其变量取值范围为[0.6,1]；

S202：采用确定性系数对响应面进行评价；其中，为保证响应面的有效性，需要在设计空间内均匀撒点；哈默斯利Hammersley采样方法试图让落在每一个单位空间的点更平均，2

并且能控制单位空间内撒点的均匀性；其中，所述步骤S202中的确定性系数R定义为：其中: 为响应面计算的值；yi为仿真的响应真实值； 为响应真实值均值；

其中，所述步骤S300进一步包括：

以目标节点最大声压最小化为优化目标，数学优化模型如下：其中:xil和xiu是第i个板件厚度区间的下限和上限；f(xi)为目标节点最大声压响应函数；h(xi)为一阶模态响应函数；m(xi)为车身质量响应函数；xi为第i个板件的厚度；h1(xi)为白车身一阶扭转模态；h2(xi)为白车身一阶弯曲模态；

其中，所述步骤S400进一步包括：

(1)选择编码策略为浮点数编码方法，直接对决策变量xi进行编码操作，编码长度l等于决策变量xi的个数n，即板件的总个数；

其中，l为7；7个决策变量分别是侧围、B柱C柱内板、中部底板、后部底板、尾灯内板、A柱内板、顶棚这7个板件；

(2)为提高群体的多样性，避免出现早熟现象，群体大小应取较大值，随机生成114个个t t体Xi 作为初始种群,其中，Xi是对所有决策变量xi进行编码操作得到的一串编码长度为l的编码；

(3)将待优化的目标函数f(xi)定义为适应度函数，因适应度函数要求非负，而目标函数有正有负，需要在目标函数与适应度函数之间进行变换，对于目标函数为最小化的问题，适应度函数为：式中，cmax是目标函数f(xi)的最大值估计；

(4)采用罚函数法对约束条件进行处理，当xi不满足约束条件，计算该个体的适应度时，减去一个罚函数，通过降低该个体的适应度，减小该个体遗传到下一代的概率；

调整后的新适应度函数F′(xi)：

约束条件：

式中，F(xi)为原适应度函数，P(xi)为罚函数；

(5)根据新适应度函数计算初始种群的适应度；

(6)判断适应度值是否满足终止条件，若满足，输出解，否则，对初始种群进行选择、交叉、变异3种运算；其中：选择运算选用轮盘赌选择算子，即：个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比值，适应度越高，被选中进入下一代的概率就越大，优良的个体被大量复制，劣质的个体复制的少甚至淘汰；

交叉运算选用算数交叉算子，假设在114个个体中的 和 之间进行算数交叉，则交叉运算后的新个体为：式中，μ为交叉概率，取0.9；

变异运算选用均匀变异，用符合取值范围的均匀分布的随机数，以较小的概率来替换个体基因上原有的基因值，取变异概率为0.01；

(7)初始种群经过选择、交叉、变异运算之后，得到由114个新个体构成的下一代种群，并计算新种群的适应度值；

(8)迭代执行(3)‑(7)以使得新种群不断地进化，设置迭代终止代数为某一阈值，当进化代数达到阈值门限或群体中所有个体适应度的方差小于预设阈值时停止进化，并将迭代过程中，符合约束条件且声压值最小的一组板件厚度值作为最优解输出，终止计算；

其中，

所述方法运用哈默斯利Hammersley实验设计方法建立白车身一阶模态、车身质量、目标节点最大声压响应面，运用遗传算法对车身板件厚度优化设计，使得车内噪声得到优化的同时保证了车身质量不增大以及白车身一阶模态不降低。