轮胎噪声是体现轮胎性能优劣的重要指标之一,轮胎噪声性能与控制是当前轮胎行业和城市交通领域的重点研究内容,对于促进轮胎工业的技术进步和改善城市环境有着重要的意义。轮胎噪声试验是建立和检验噪声预测模型的必要手段,轮胎噪声预测是低噪声优化设计的基础,噪声优化控制是轮胎新产品设计开发的重要环节。论文以轮胎噪声预测方法与试验以及低噪声轮胎的优化设计为主要研究内容,设计了室内轮胎噪声试验系统,提出了完整的轮胎噪声试验方法,在噪声试验基础上提出了新的轮胎噪声预测方法并建立了基于BP神经网络的轮胎噪声预测模型,最后以轮胎花纹为主要对象进行了轮胎低噪声目标优化设计。论文的主要研究成果与创新主要体现在以下几个方面：(1)提出了一种新的基于BP神经网络的轮胎噪声预测方法。根据轮胎发声机理的复杂性和噪声影响因素的多样性,本质上轮胎发声是一个复杂的非线性过程。在分析现有的轮胎噪声预测方法的基础上,利用人工神经网络开展轮胎噪声预测模型的研究,建立起噪声影响因素与噪声性能的非线性映射关系。应用最为广泛的BP神经网络,采用了基于交互式设计与验证的神经网络建模方法。(2)为了获取神经网络预测模型的学习样本,在分析目前常用的轮胎噪声测试方法的基础上,设计了适合于噪声预测模型的LDR试验系统,对试验系统中的主要组成部分和关键技术进行了论述,对试验系统的硬件和软件进行了分析与设计。(3)提出了一套基于LDR法的轮胎噪声试验方法与规范。为了获取有代表性的试验数据作为模型的学习样本,采用了正交试验法对试验方案进行设计,在有限的试验次数基础上,能获取具有普遍性和代表性的噪声试验数据。分析和对比了光面轮胎和花纹轮胎噪声与典型影响因素之间的关系。(4)建立了基于BP神经网络的轮胎噪声预测模型,对各种不同类型的轮胎噪声进行了预测仿真。提出了以轮胎花纹结构特征为主要模型输入的参数化提取方法,此方法将轮胎花纹进行分类,提取花纹的主要特征参数,对复杂没有规律的花纹结构进行参数化。(5)结合模拟退火算法的基本思想,提出了一种基于改进的自适应遗传算法——ASAGA方法。该方法针对传统的遗传算法在进行轮胎低噪声目标优化中出现的容易早熟和局部最优解的问题,对GA进行了改进,同时融入了SA算法的全局寻优的优点,在优化效率和优化结果上满足了轮胎低噪声目标优化设计的要求。以轮胎花纹为对象,论述了轮胎噪声优化设计的实现过程,进行了算例仿真和分析。