虛擬車內噪聲響度場分布的聲源識別分析與優化

高印寒, 張澧桐, 梁　杰, 王智博, 姜文君

(1.吉林大學 汽車仿真與控制國家重點實驗室,長春　130022；2. 吉林大學 儀器科學與電氣工程學院,長春　130022； 3. 中國第一汽車股份有限公司技術中心,長春　130011)

?

虛擬車內噪聲響度場分布的聲源識別分析與優化

高印寒1, 張澧桐2, 梁杰1, 王智博1, 姜文君3

(1.吉林大學 汽車仿真與控制國家重點實驗室,長春130022；2. 吉林大學 儀器科學與電氣工程學院,長春130022； 3. 中國第一汽車股份有限公司技術中心,長春130011)

摘要：針對傳統聲壓級對車內噪聲主觀性考慮不足的缺陷，提出符合人雙耳特性的虛擬車內噪聲特征響度預測及聲源識別方法。根據某重型商用車駕駛室內低頻轟鳴聲嚴重的問題，基于Zwicker響度模型，在matlab中建立頻域的混響場特征響度計算模型。結合路試實驗激勵數據和駕駛室有限元聲-固耦合模型，對駕駛室內噪聲響度分布和響度結構板塊貢獻量進行計算，識別不同板材振動產生的輻射噪聲分量對駕駛室內噪聲品質頻譜特性的影響。實驗結果表明：相對于聲壓級，采用響度作為分析參數提高了駕駛室內噪聲源識別精度，指導結構優化設計，改善車內聲學品質具有更好的效果。

關鍵詞：汽車工程；混響場；聲-固耦合；響度分布；貢獻分析

科技的飛速發展將汽車NVH研究從降噪控制推向聲品質設計的新階段。傳統A計權聲壓級是以人耳的“痛閾”而不是衡量聽覺舒適性的“聽閾”為基礎，所以不能反映人對噪聲的真實感受，以此指導車內噪聲品質設計不能適應新的噪聲設計要求[1-2]。

目前，相關研究人員致力于將聲品質評價指標與結構設計參數有效地結合，使其能夠直觀的描述結構的聲學特性[3-4]。而響度作為聲品質概念中描述聲學屬性的48個物理特征量最重要的參數，可以部分取代非常耗時的主觀試驗，成為此領域的研究焦點。例如Haruki Saito等，基于聲學全息影像技術，應用響度場分布代替傳統的聲壓級場分布對發動機和車內的噪聲源進行識別，取得較高的精度[5]。范蓉平等在實車試驗中，用響度參數代替A計權聲壓級，評價車內噪聲分布，指導高速列車內的聲學優化設計，取得了良好的效果[6]。

本文針對某款重型商用車在70 km/h工況轟鳴噪聲嚴重，A計權聲壓級與聲品質主觀評價不一致的問題。參考Zwicker響度模型，建立混響場頻域特征響度計算模型，可通過頻域聲壓級直接計算特征響度。結合駕駛室聲-固耦合有限元模型，預測駕駛室內特征響度分布和響度結構板塊貢獻量，優化聲壓級分析結果，識別各結構板塊振動對駕駛室內噪聲品質的影響，并通過結構優化實驗驗證此方法的準確性和實用性。

1混響場響度分布計算方法

聲-固耦合有限元方法是將聲傳播的封閉空氣域空間離散化，結合結構模態振動特性，將結構上的力加載到空腔上，根據聲學波動方程求解空氣域的聲學特性，并充分考慮內部聲壓對結構的反作用，其相應結構和聲腔上任意節點在頻域下的有限元運動方程可表示為：

(Ks+jωDs-ω2Ms)u(ω)+Kcp(ω)=Fs

(1)

(Ka+jωDa-ω2Ma)p(ω)+ω2Mcu(ω)=Fa

(2)

綜合式(1)和式(2)可得到聲-固耦合的有限元離散化方程：

其特征方程為：

(4)

(5)

(6)

將式(5)和式(6)代入式(3)，式(3)轉換到模態坐標如下：

(7)

(8)

結構板塊的聲壓級貢獻量方程如下所示：

(9)

式中:qM為各個不同頻率下的結構模態振幅矢量的對角化矩陣。

參考國際標準ISO532B中的Zwicker響度計算模型，采用 1/3 倍頻帶作為基礎數據，引入特征頻帶對人耳的掩蔽效應作修正，特征頻率和頻帶之間的關系可表示為：

z=13arctan(0.76f/1 000)+

3.5arctan(f/7 500)2

(10)

將單個臨界帶寬上的響度稱為比率響度或特征響度，用N′表示。總響度N為特征響度N′在整個頻帶上的積分，響度和特征響度計算方程表示如下：

(11)

(12)

將模態坐標下的場點聲壓式(8)代入式(12)，得到模態坐標下的特征響度方程可表示為：

綜上所述，結合噪聲特性與相關聲源及結構振動特性的關系，建立響度與結構質量、阻尼和剛度的數學關系，綜合指導汽車結構的優化設計。本文針對駕駛室內低頻轟鳴聲，則分析的頻率范圍是20~355 Hz(0~4 Bark)[7]。

2駕駛室內響度分布模型的建立

2.1實車路試數據采集

如圖1，駕駛室內聲學測試點布置在副駕駛員的左右耳處和臥鋪上。三向加速度傳感器測量駕駛室的結構激勵，測試點位置選擇懸置系統的彈性阻尼單元與駕駛室的連接處。參考GB/T18697-2002《聲學-汽車車內噪聲測量方法》，采用最高擋，以10 km/h為步長，測試40~90 km/h六個工況的振動激勵和噪聲信號。對各工況進行聲品質主觀煩躁度等級評價試驗，實驗結果顯示70 km/h工況評價結果最差，低頻轟鳴噪聲尤為嚴重[8-9]。

圖1　駕駛室激勵和輸出噪聲測試點Fig.1 The test point of excitation point and output point

2.2有限元駕駛室聲-固耦合模型建立

駕駛室內中低頻噪聲主要駕駛室組成板振動與室內空腔的耦合產生的結構傳播噪聲。駕駛室有限元模型主要采用四節點和三節點殼單元進行網格劃分，網格大小為10 mm。焊點采用cweld、RBE2和RBE3完成(見圖2(a))。整個模型包含1001101個節點、1079655個單元。其中Tria3單元27009個，Quad4單元856456個，Tetra4單元140054個，Penta6單元355個。

圖2　駕駛室有限元聲-固耦合模型Fig.2 The acoustic-structural coupled finite element model of the cab

駕駛室聲腔網格尺寸為70 mm，以六面體單元為主，包含Tetra4單元598535個(見圖2(b))。聲腔網格劃分中考慮駕駛室主要內飾對聲腔的影響，忽略小內飾部件。

2.3頻域響度計算模型的建立與驗證

相對于噪聲的時頻分析方法，特征響度更能準確反映影響人響度感受的車內噪聲來源[10-11]。傳統Zwicker響度模型通過濾波器組修正時域數據來完成特征響度計算，無法直接通過噪聲頻域數據計算特征響度，使響度分析局限于實車評價試驗。

本文對Zwicker響度模型進行改進，采用聲壓級修正系數、雙耳傳遞函數、人耳傳遞函數和頻域掩蔽修正系數代替濾波器組，通過聲壓級1/3倍頻程數據直接計算特征響度，將特征響度分析直接引入虛擬仿真實驗中(見圖3)。由于駕駛室屬于混響場，在計算模型中加入混響場衰變系數，結合駕駛室內各場點聲壓級和幾何坐標，在聲壓級預測分析的基礎上，對任何場點的特征響度進行計算并分析結構板塊貢獻量。

圖3　混響場響度計算模型Fig.3 Loudness calculation model of diffuse sound field

將實驗測試的振動激勵數據作為駕駛室聲-固耦合有限元模型的輸入，計算駕駛室內的線性聲壓級、A計權聲壓級和特征響度。提取副駕駛室左耳和臥鋪測點20~330 Hz(0~4 Bark)的1/3線性聲壓級、A計權聲壓級和特征響度，并與實車測試數據對比，其中實驗的特征響度是通過傳統Zwicker響度模型計算得到(見圖4)。1/3線性聲壓級和A計權聲壓級計算值與實測值的趨勢和各峰主要值點基本一致，在20~250 Hz平均誤差小于3%；在250~325 Hz趨勢一致；誤差達8%左右，平均誤差低于5%；特征響度計算值與實測值的平均誤差同樣低于5%。其誤差隨車速增加而增大，主要原因是200 Hz以上的車內噪聲含空氣傳遞噪聲。結果對比說明模型精度達到實用要求。

圖4　70 km/h噪聲頻譜和特征響度圖Fig.4 The frequency characteristics and characteristic loudness during 70 km/h

3駕駛室低頻聲學性能分析與優化

3.1駕駛室內響度分布分析

70 km/h工況下駕駛室內不同測點的噪聲1/3倍頻程線性聲壓級以中心頻率為25 Hz、31.5 Hz、50 Hz和63 Hz的4個頻帶，噪聲能量主要集中在22~36 Hz和56~71 Hz兩段低頻范圍內(見圖4(a))。各測點的較大差異表明駕駛室內噪聲分布不均勻。A計權聲壓級曲線顯示的噪聲能量集中于50~70 Hz和230~260 Hz兩個頻段范圍內，峰值分布在58 Hz、236 Hz和259 Hz。由于A計權聲壓級結果對于低頻段(22~80 Hz)衰減較大，直接導致中頻段噪聲(230~260 Hz)反而較為突出，造成與聲品質主觀評價結果的矛盾(見圖4(b))。駕駛室內特征響度顯示噪聲能量分布于0~1.5 Bark(20~130 Hz)范圍內，占總響度值的22%，在0~1 Bark(20~89 Hz)尤為突出(見圖4(c))。1 Bark之后特征響度值大幅度遞減，4 Bark以后趨于穩定。0~1 Bark特征響度值相對于3~4 Bark(224~355 Hz)高出近3倍。說明駕駛室內低頻段(20~89 Hz)噪聲能量過高，對中高頻噪聲產生掩蔽效應，特征響度分析與聲品質主觀評價結果一致，都表現出車內低頻轟鳴聲嚴重。需要集中分析20~89 Hz頻段的駕駛室內噪聲頻譜特征，尤其是22~36 Hz和56~90 Hz兩個頻段。

對比駕駛室內峰值頻率的聲壓級分布和0~1 Bark特征響度分布(如圖5)。駕駛室24 Hz和60 Hz處的聲壓級在X向聲壓級分布呈線性規律，兩側大中間小，在駕駛室底板和門板底部位置的聲壓最高，向駕駛時中上部逐漸呈線性衰減，到中部最小；Y向聲壓級則從駕駛室底部向上方線性衰減，噪聲主要來源于駕駛室底板前側、后側中央區域和后圍板底部。相對于駕駛室聲壓級分布，特征響度分布規律呈非線性，具有明顯的聲音掩蔽現象。在X向表現為底部兩側大，在中間副駕駛員左耳位置區域衰減中斷，局部區域內響度值不變；Y向在駕駛室后底板中央位置區域特征響度值最大，在副駕駛員頭部區域突然衰減。

綜合對比駕駛室內聲壓級分布，確定22~36 Hz和56~90 Hz這兩個頻段內噪聲能量較高，掩蔽了其他頻段的噪聲能量，使正副駕駛員處的局部范圍內響度衰減較小，形成了令人煩躁的低頻轟鳴聲。其形成原因是24 Hz附近結構激勵，及結構系統固有模態與激勵在60 Hz附近的共振。駕駛室左右前底板、后底板中央區域以及門板底部的耦合振動最為明顯，產生駕駛室內特殊的噪聲分布現象。

圖5　70 km/h工況駕駛室內聲壓級和響度場點分布Fig.5 The field point sound pressures and loudness distribution of the cab during 70 km/h

3.2駕駛室響度結構貢獻量分析

參考聲-固耦合的振動特性以及聲壓級和特征響度分布，將駕駛室詳細劃分成為23個部分(見表1)。

計算20~89 Hz(0~1 Bark)駕駛室聲壓級的結構板塊貢獻量和響度貢獻量(見圖6)。考慮相位的60 Hz峰值和20~90 Hz低頻段聲壓級結構板塊之間的貢獻值較為接近，難以明確的分辨出主要聲源板塊。其中駕駛室的門板、后圍板、后頂板、左右前底板和前內板相對較大，以此為基礎需要優化的結構板塊過多。而采用駕駛室0~1 Bark特征響度結構板塊貢獻分析，門板和左右前底板相對于其他板塊貢獻值最大，數值位于4.2~3.5 Sone之間。除了中央后底板，主要貢獻板塊相對于其他結構滿足聲音的掩蔽效應條件。由于響度不用考慮相位問題，即可忽略貢獻小的板塊。綜上所述，駕駛室內低頻轟鳴噪聲主要來源于左右前底板、門板底側和中央后底板。

表1　駕駛室結構板塊劃分表

圖6　70 km/h駕駛室結構板塊聲壓級貢獻圖和響度貢獻圖Fig.6 The sound pressures and loudness contribution during 70 km/h

3.3駕駛室聲學優化計算與驗證

對駕駛室采用自由阻尼優化，即將阻尼材料直接粘貼或噴涂在車身壁板表面，使阻尼層隨壁板振動自由壓縮和延伸，耗損部分機械能，達到控制車內結構低頻噪聲的目的，其優化區域的位置及大小對優化效果影響較大[11-12]。傳統采用結構模態能量分布和聲壓級貢獻分析來確定車身能量敏感區域的位置和大小[13-14]。

本文引入駕駛室響度分布及響度板塊貢獻量分析結果，結合結構模態數據確定結構噪聲能量敏感區域。分別建立如表2所示的2種優化方案， 方案1以傳統聲壓級分析結果為基礎，方案2則以響度分析為基礎，各方案所有阻尼材料的厚度和材質都相同。其方案2的成本較方案1減少41%。

表2　優化方案對比

以駕駛室結構模態為基礎，按方案1和2優化相應結構板塊的局部位置，并計算駕駛室內特征響度分布，結果顯示方案2在低頻響度分布明顯優于方案1(見圖7)。實車優化措施如圖8，同時進行實車驗證實驗。測試結果如圖9，方案2比方案1在A計權聲壓級曲線總值僅高0.54 dB(A)，對比頻譜曲線相差不大。而相對于特征響度，方案2明顯優于方案1，方案2在0~1 Bark比原車降低1.1 Sone。主觀評價結果顯示方案2在70 km/h的主觀煩躁度評價等級較原車提高了0.95，低頻轟鳴噪聲基本消失，驗證了本文技術的有效性。

圖7　駕駛室結構模態結果與優化后70 km/h的響度分布Fig.7 Modal shapesresult and after optimal loudness mapping of the cab during 70 km/h

圖8　實車優化措施Fig.8 Optimal case for the cab

圖9　70 km/h優化前后聲壓級與特征響度對比Fig.9 Confrontation of the sound pressures and characteristic loudness before and after during 70 km/h

4結論

本文采用有限元技術，提出了一種基于虛擬混響場特征響度分布的聲源識別方法，在傳統技術基礎上提供了一種全新的聲學優化方法，主要結論如下：

(1)響度比聲壓級更能真實表現人的主觀感受，與主觀評價結果具有較好的一致性，尤其對中低頻轟鳴噪聲評價效果明顯；

(2)改進Zwicker響度模型，采用聲壓級修正系數、雙耳傳遞函數、人耳傳遞函數和頻域掩蔽修正系數代替濾波器組，通過聲壓級1/3倍頻程數據直接計算的特征響度預實驗數據一致，具有較高精度；

(3)建立的虛擬混響場特征響度分布和響度結構貢獻量計模型，相比傳統聲壓級分析對駕駛室內聲源識別分析精度更高。

(4)采用響度參數指導結構優化，新方案相對于傳統方案成本減少41%，總聲壓級基本不變，駕駛室內主觀煩躁度提高了一級，低頻轟鳴聲消失。

參 考 文 獻

[1] Genuit K. Product sound quality of vehicle noise-a permanent challenge for NVH measurement technologies [C]//SAE Paper, 2008-36-0517.

[2] Wolfindale A, Dunne G, Walsh S J. Veichle noise primary attribute balance[J]. Applied Acoustics, 2012:386-394.

[3] Jailani M, Nor M, Fouladi M H. index for vehicle acoustical comfort inside a passenger car [J]. Applied Acoustics,2008,69:343-353.

[4] Hueser M G, Govindswamy K, Wolff K, et al. Sound quality and engine performance optimization development utilizing air-to-air simulation and interior noise synthesis[C]//Traverse City: SAE Noise and Vibration Conference and Exhibition, 2003-01-1652.

[5] Song W, Saito H, Haddad K. Improved noise source identification using sound quality metrics mapping in vehicle noise measurements[C]//SAE paper,2011-01-1671.

[6] 范蓉平，孟光，孫旭,等. 基于心理聲學響度分析的高速列車車內噪聲評價[J].振動與沖擊,2005,24(5):46-52.

FAN Rong-ping, MENG Guang, SUN Xu, et al. Sound loudness of high-speed trains evaluation[J]. Journal of Vibration and Shock,2005,24(5):46-52.

[7] Lee S K, Kim B S, Chae H C. Sound quality analysis of a passenger car based on rumbling index[C]//SAE Paper,2005-01-2481.

[8] Falasca V, Bandera F, Irato G. Acoustic quality evaluation of heavy commercial vehicles[C]//SAE Paper, 2010-01-1411.

[9] Pietila G, Lim T C. Intelligent systems approaches to product sound quality evaluations -A review [J]. Applied Acoustics,2012: 987-1002.

[10] 徐中明，周小林，賀巖松,等. 符合人耳聽覺特性的車內異常噪聲分析[J]. 汽車工程學報,2012,12(3):179-182.

XU Zhong-ming, ZHAO Xiao-lin, HE Yan-song, et al. Analysis of interior noise according with human auditory properties [J]. Chinese Journal of Automotive Engineering,2012,12(3):179-182.

[11] Caprioli D, Bertolini C, Gaudino C. Improved NVH performance optimization of damping and shape of vehicle panels[C]//SAE Paper, 2005-01-2329.

[12] 陳書明，彭登志，王登峰,等. 車內低頻噪聲聲固耦合及試驗優化設計[J]. 吉林大學學報:工學版,2014,44(6):1550-1555.

CHEN Shu-ming, PENG Deng-zhi, WANG Deng-feng, et al. Acoustic-structure coupling and optimal experimental design for automotive interior low frequency noise [J]. Journal of Jilin University:Engineering and Technology,2014,44(6):1550-1555.

[13] 張志飛，倪新帥，徐中明,等. 利用阻尼材料改善駕駛室聲學特性的研究[J]. 機械工程學報,2012,48(16):36-40.

ZHANG Zhi-fei, NI Xin-shuai, XU Zhong-ming, et al. Research on improvement of cab acoustic characteristics using damping material[J].Journal of Mechanical Engineering,2012,48(16):36-40.

[14] 張志勇,張義波,劉鑫,等. 重型卡車駕駛室結構噪聲預測與板件聲學貢獻度分析[J].振動與沖擊,2014,33(13):67-71.

ZHANG Zhi-yong, ZHANG Yi-bo, LIU Xin, et al. Structure-borne noise prediction and panel acoustic contribution analysis of a heavy truck cab [J]. Journal of Vibration and Shock, 2014,33(13):67-71.

Virtual loudness mapping for noise source identification and optimization design for vehicle interior noise reduction

GAOYin-han1,ZHANGLi-tong2,LIANGJie1,WANGZhi-bo1,JIANGWen-jun3

(1. State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China;2. Instrument Science and Electrical Engineering College, Jilin University, Changchun 130022, China;3. R&D Center, FAW Group Corporation, Changchun 130011, China)

Abstract:The shortcomings of traditional sound pressures level (SPL) were discussed, such as the lack of subjectivity consideration for noise and so on. A virtual method for predicting loudness characteristics and identifying noise sources based on human auditory properties was applied to analyze vehicle interior noises. In order to reduce the interior low booming of commercial vehicle, a characteristic loudness calculation model for diffuse sound field was built in Matlab on the basis of Zwicker model. The excitation signals at the suspension mountings and the responding signals of the interior noise were measured by road testing. And to predict and calculate the loudness mapping and structural contribution of the cab, an acoustic-structure coupled finite element model was established, by which the influences of the vehicle interior noise from different plates sources on the sound quality frequency spectrum design were analysed. The results of noise source identification reveal that compared with the traditional SPL, the loudness mapping adopted as an identifying parameter in noise source identification is more effective to detect rattling sources from cab plates vibrations. By using the proposed method, the acoustic optimization design of the cab was carried out and results in excellent performances.

Key words:vehicle engineering; diffuse sound field; acoustic-structure coupled; loudness mapping; contribution analysis

中圖分類號:TH53；TB533+.2

文獻標志碼：A

DOI:10.13465/j.cnki.jvs.2016.03.022

通信作者梁杰 男，教授,1964年生

收稿日期：2014-12-26修改稿收到日期：2015-04-08

基金項目：吉林省科技發展計劃(20126007;20130206031GX)

第一作者 高印寒 男，教授,博士生導師，1951年生