車內低頻噪聲預測模型的改進*

徐中明, 何治橋, 賀巖松1,，張志飛1,，夏小均

(1.重慶大學，機械傳動國家重點實驗室,重慶 400030； 2. 重慶大學汽車工程學院,重慶 400030)

2016138

車內低頻噪聲預測模型的改進*

徐中明1，2, 何治橋2, 賀巖松1,2，張志飛1,2，夏小均2

(1.重慶大學，機械傳動國家重點實驗室,重慶 400030； 2. 重慶大學汽車工程學院,重慶 400030)

基于模態阻尼識別和載荷識別原理，提出了改進的車內低頻噪聲預測模型，結合實測加速度響應頻譜，采用遺傳算法修正模態阻尼比和激勵力參數。將該方法應用于某轎車車內低頻噪聲預測中，建立包含座椅和駕駛員的轎車有限元-邊界元聲固耦合改進模型，對20～200Hz頻帶范圍內車內噪聲進行預測計算。同時通過試驗測試實車怠速、30，40和50 km/h勻速工況下動力總成懸置點、車身懸掛點加速度信號和車內聲壓響應。結果表明：改進后的模型預測值與試驗值吻合良好，預測精度優于傳統模型。

車內噪聲；模型改進；遺傳算法；參數識別

前言

在汽車NVH性能中，車內噪聲是影響消費者購買判斷最直接的因素之一[1]。在產品開發階段實現車內噪聲的精確預測與分析可以大大縮短開發周期，降低開發成本，具有重要的工程應用價值。有限元、邊界元方法廣泛應用于車內中低頻噪聲的預測分析之中[2]。 文獻[3]中使用有限元、邊界元方法，計算了某型轎車20～500Hz范圍內發動機懸置激勵下駕駛員右耳聲壓響應，為降低車內噪聲提供了一定基礎。文獻[4]中以實車勻速工況下測試的某載貨車駕駛室4個懸置點加速度信號作為模型激勵輸入，基于耦合有限元法對20～200Hz頻帶內駕駛員右耳噪聲進行預測，通過與試驗值對比證明了模型可以滿足一般工程需要。

預測模型參數的精確程度直接決定了計算結果的準確性[5]。對于車內低頻噪聲預測，因激勵力和模態阻尼比測試困難，在傳統方法中常測試激勵點附近加速度響應信號作為激勵，且將各階模態阻尼比設為一常數[6]，導致模型與實際系統存在較大差異，制約模型預測精度的提高。

本文中以模態迭加法、模態阻尼識別和載荷識別為理論基礎，結合遺傳算法提出了車內低頻噪聲預測模型改進方法。建立某轎車FEM-BEM(有限元-邊界元)聲固耦合模型，通過試驗采集實車怠速和勻速工況下發動機懸置與車身懸置附近加速度信號以及對應工況下車內聲壓信號，將改進方法應用于該車車內低頻噪聲預測，與傳統方法預測結果對比，驗證了改進方法的有效性。

1 模型改進方法

1.1 理論基礎

由頻域載荷識別原理[7]，激勵力可表示為

(1)

對于使用模態迭加法計算系統響應，激勵點a至響應點b的頻率響應函數[8]為

(2)

式中：N為模態階數；φar和φbr分別表示點a和點b第r階模態振型系數；Kr為第r階模態剛度；Mr為第r階模態質量；Cr為第r階模態阻尼；ωr為第r階模態頻率。

由模態應變能模態阻尼識別原理[9]可得：

(3)

式中：ηs,n為第n組單元的結構損耗因子；ESEr,n為第n組單元的第r階模態應變能；ESEr,tot為所有單元第r階模態應變能之和。

在模態空間中，系統響應[8]可表示為

(4)

式中：{X(ω)}為系統的位移響應向量；Φ為模態矩陣；Q表示模態坐標向量；KM為模態剛度矩陣；MM為模態質量矩陣；CM為模態阻尼矩陣。3個模態參數矩陣是對角元素分別為Kr，Mr和Cr的對角矩陣。

將式(1)代入式(4)，系統響應最終可表示為

(5)

將式(2)、式(3)代入式(5)，結構動態響應可通過函數fs表示為

{X(ω)}=fs(ω,ωr,Φ,KM,MM,ESEr,n,

ESEr,tot,ηs,n,{Y(ω)})

(6)

對于結構傳播噪聲，提高模型聲學預測精度可以通過提升結構模型精度來實現。在模型前處理完成并滿足要求的情況下，參數ω,ωr,Φ,KM,MM,ESEr,n和ESEr,tot被唯一確定。設{Y(ω)}為測點集A的加速度響應向量，{X(ω)}為測點集B的位移響應向量。假設ω,ωr,Φ,KM,MM,ESEr,n和ESEr,tot與系統真實值不存在誤差，當B?A時，ηs,n與真實值存在的差異將導致X(ω)與實際值產生誤差。

1.2 模型改進

(2)計算結構模態并導出模態應變能，根據模態阻尼比計算原理，結合結構損耗因子計算模態阻尼比；進而使用模態迭加法計算發動機和車身懸置激勵點至加速度測點頻響函數，最后，依據頻域載荷識別原理，結合試驗測試得到的加速度響應信號Y(ω)識別發動機和車身懸置激勵力。

2 預測模型建立

為驗證上述模型改進方法的有效性，本文中建立某轎車FEM-BEM模型，結合實車道路試驗，將該方法應用于該轎車車內低頻噪聲預測。

2.1 FEM-BEM 模型

通過Hypermesh進行網格劃分。單元尺寸設置為8mm，車身薄壁板件采用二維殼單元離散，發動機、發動機蓋、冷卻系統、排氣系統、油箱采用集中質量和RBE2單元模擬，如圖2所示。

座椅和乘員是車內聲場邊界的重要組成部分，其表面阻抗特性對車內聲場分布有重要影響，因此，邊界元模型的建立需要考慮座椅和人體表面的影響。兼顧計算效率和精度，邊界元單元尺寸設置為40mm[10]。建立包含座椅和駕駛員的邊界元模型，如圖3所示。

為模擬內飾和人體的聲阻抗特性，按照不同區域設置聲學阻抗邊界條件[6]，如表1所示。

2.2 試驗測試

試驗設備采用B&K LAN-XI數據采集系統、B&K4189傳聲器和B&K4524-B加速度傳感器。測試工況為發動機轉速為700r/min時的怠速工況、30，40和50km/h勻速行駛工況。

表1 聲阻抗參數

2.2.1 怠速工況

在發動機3個懸置點附近車身側各安裝一加速度傳感器，測試各點三向加速度頻譜信號，用于發動機振動激勵載荷識別，測點位置如圖4和圖5所示。

根據GB/T 18697—2002《聲學 汽車車內噪聲測量方法》確定駕駛員右耳測點位置，在后排座椅處設置一聲壓采集點，測點位置如圖6和圖7所示。

2.2.2 勻速工況

勻速工況下，除測試發動機懸置加速度信號，還須測試車身4個懸置點加速度信號，用于路面載荷識別，另測試車身地板處2個位置的加速度響應信號，用于誤差計算，如圖8和圖9所示。其余傳感器布置與怠速工況相同。分別測試車速為30，40和50km/h勻速工況下各測點加速度和聲壓信號。

2.3 參數設置

(7)

設置遺傳算法種群數量為20，進化次數為500，選擇概率為0.8，交叉概率為0.4，變異概率為0.1。優化經過333次迭代收斂。目標函數進化曲線如圖10所示。經過優化，最終識別的系統0～500Hz范圍內各階模態阻尼比如圖11所示；識別的50km/h勻速工況下各激勵點激勵力如圖12～圖18所示。

3 預測結果對比

為對比預測精度，采用傳統計算方法計算車內駕駛員右耳及后排測點處聲壓響應。

3.1 傳統預測方法

傳統預測模型流程圖如圖19所示。首先計算結構約束模態，導出模態約束反力，然后加載加速度信號并設置全局均勻模態阻尼比，結合阻抗邊界條件計算車內聲學響應。

3.2 結果對比

預測結果對比如圖20和圖21所示。

由圖可見：采用傳統方法的計算結果與試驗結果整體趨勢一致，各峰值頻率吻合良好，但幅值差異較大；相對于傳統方法，改進后的方法預測結果與試驗值更加吻合；由于模型建立存在一定簡化處理，且實測值包含背景噪聲和空氣傳播噪聲，預測值與實測值仍然存在一定誤差。

將經過優化識別的參數應用于其余工況下車內聲壓響應預測。各工況預測誤差對比(均方根誤差RMSE、相對誤差)見表2。

表2 預測誤差對比

由表可見：改進方法預測結果與試驗值吻合更好，所有研究工況下聲壓級均方根誤差小于4dB(傳統方法為7dB)，最大相對誤差小于9%(傳統方法為12%)；相對于傳統建模方法，預測精度明顯提高。

4 結論

(1)將模態應變能法模態阻尼識別原理和頻域載荷識別原理與模態迭加頻率響應計算原理相結合，基于遺傳算法提出了車內低頻噪聲預測模型改進方法。

(2)將改進方法應用于車內低頻噪聲預測，建立了包含座椅和駕駛員的某轎車FEM-BEM聲固耦合改進模型，通過與傳統預測方法對比，結果表明：改進模型預測結果最大均方根誤差小于4dB，最大相對誤差小于9%，預測精度高于傳統方法。

[1] LAURENT G,MORAD K, ENERGY D. Field approach for low and medium frequency vibration acoustic analysis of a car body using a probabilistic computational model[C]. SAE Paper 2009-01-2219.

[2] ANDRZEJ P, TAGE B. An investigation of the coupling between the passenger compartment and the trunk in a sedan[C]. SAE Paper 2007-01-2356.

[3] 劉獻棟，司志遠，單穎春. 基于聲學傳遞向量法的車內低頻噪聲分析與控制[J]. 汽車工程，2009,31(7):659-663.

[4] 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.

[5] SURKUTWAR Y, PATEL K, AMARA S, et a1. The application of the simulation techniques to predict and reduce the interior noise in bus development[C]. SAE Paper 2012-01-0219.

[6] 張義波. 基于聲固耦合模型的商用車駕駛室結構噪聲分析與控制[D]. 長沙：湖南大學，2013.

[7] 唐榮江. 車內聲品質評價預測與控制技術研究[D]. 長春：吉林大學，2013.

[8] 傅志方，華宏星. 模態分析理論與應用[M]. 上海：上海交通大學出版社，2000.

[10] 孫威，陳昌明. 基于FEM-BEM的轎車車內低頻噪聲綜合分析方法[J]. 噪聲與振動控制，2008,48(1):48-51.

Model Improvement for Car Interior Low-frequency Noise Prediction

Xu Zhongming1,2, He Zhiqiao2, He Yansong1,2, Zhang Zhifei1,2& Xia Xiaojun2

1.ChongqingUniversity,StateKeyLaboratoryofMechanicalTransmission,Chongqing400030; 2.CollegeofVehicleEngineering,ChongqingUniversity,Chongqing400030

Based on the principles of modal damping identification and load identification, an improved model for car interior low-frequency noise prediction is put forward, with modal damping ratio and excitation force parameters revised by using genetic algorithm and based on the frequency spectra of acceleration response measured in real vehicle tests. The scheme is applied to the interior low-frequency noise prediction of a car. An improved FEM-BEM acoustic-solid coupling model including seats and driver is established and the predicted interior noises in the frequency range of 20-200Hz are calculated. Meanwhile corresponding tests are conducted to measure the acceleration signals and interior sound pressure responses at engine mounting points and car body suspended points. The results show that the prediction values with improved model are well agree with test data, with a prediction accuracy superior to the traditional model.

interior noise; model improvement; genetic algorithm; parameter identification

*中央高校基本科研業務費科研專項(CDJZR14115501)和重慶市研究生科研創新項目(CYB14036)資助。

原稿收到日期為2015年4月24日，修改稿收到日期為2015年8月27日。