加裝排氣消聲器是降低汽車噪聲最有效的手段。但排氣消聲器的設計高度依 賴于經驗設計，開發效率較低，設計成本較高。針對這一問題，將人工智能的相 關理論與排氣消聲器的設計技術相結合，研究排氣消聲器智能設計中的關鍵技術 難點，構建基于人工智能的排氣消聲器設計系統。從而提高消聲器企業的競爭力， 促進汽車零部件產業的發展。

　　在剖析消聲器常規設計流程與設計邏輯的基礎上，建立包含以智能選型設計、 智能正向設計和智能輔助設計為主體的消聲器智能設計體系，然后針對實現智能 設計體系的關鍵技術及重要難點進行研究，并給出了相應的解決方案。 首先，將案例推理與綜合評價相結合，從設計問題相似度、性能匹配度、成 本評估三個方面建立了多層級的消聲器智能選型匹配體系；針對選型匹配體系構 建了設計案例的表達方式與交互框架，并建立與之相適應的三層推理邏輯，實現 消聲器的智能選型匹配。此外，提出多消聲器組合后整體性能的快速預測算法， 并利用該算法實現消聲器案例的重組，為消聲器選型設計提供了新途徑； 然后，對常用的排氣消聲器設計知識進行總結歸納，并利用消聲器案例的數 據統計結果補充部分隱性設計知識；基于規則推理技術與頻率匹配原理實現子結 構參數的詳細設計；提出消聲子結構及其拓撲關系的識別方法，并利用子結構案 例抽象，構建融合規則設計與經驗設計的消聲器設計推理機制，解決規則推理技 術無法適應經驗設計的難題；在分析消聲器設計知識與設計經驗數據特征的基礎 上，構建各類消聲器設計知識的表達規范、建立知識庫與推理機，實現消聲器的 智能正向設計開發。

　　最后，將人工智能技術與消聲器輔助設計相結合，實現建模、分析、改進的 智能化，并基于神經網絡提出可考慮氣流再生噪聲的消聲器聲學預測方法；利用 貝葉斯網絡，提出基于消聲器設計案例的設計經驗挖掘技術；開發出融合多種推 理方式的消聲器智能設計系統，并通過應用案例證明該系統的工程實用價值。 以上研究涉及多個交叉學科，所取得的成果主要包括：建立的選型匹配體系 使消聲器的選型設計和綜合評價更加科學；將隱性設計經驗融入到消聲器正向開 發之中，突破規則推理的技術瓶頸，有效提高消聲器的設計成功率；將設計規則 和分析經驗與輔助設計相結合，提高了輔助設計的效率和準確性；通過案例重組、 案例統計、案例抽象、案例訓練等方法更為深層的挖掘出案例數據的價值。