汽車車內噪聲與車外氣動聲源的相關性研究?

賀銀芝，董國旭，張 濤，王 斌，沈 哲

(1.同濟大學汽車學院，上海 201804； 2.汽車噪聲振動和安全技術國家重點實驗室，重慶 401120)

汽車車內噪聲與車外氣動聲源的相關性研究?

賀銀芝1，董國旭2，張 濤2，王 斌1，沈 哲1

(1.同濟大學汽車學院，上海 201804； 2.汽車噪聲振動和安全技術國家重點實驗室，重慶 401120)

在簡單介紹了Beam forming聲源識別技術的基本原理和車外氣動聲源與車內噪聲相關性分析的方法之后，在整車氣動聲學風洞中應用流場外聲陣列與車內2個參考麥克風同時進行車內外噪聲信號的同步測量，應用頻域內聲源識別的傳統的Beamforming算法和改進的CLEAN-SC算法，識別出了車外的氣動噪聲源分布，并分析了車外聲源與車內噪聲的相關性，得出車外噪聲源對車內噪聲的相對貢獻度。結果表明：頻域內改進的CLEAN-SC算法可以在很大程度上改善傳統Beam forming算法在動態范圍和空間分辨率方面的局限性，且算法穩健，使該項技術在風洞內的應用更具實用性。對車內噪聲而言，在較多的特征頻段，車外后視鏡作為聲源對車內噪聲的貢獻度最大。但在一些特征頻段，前雨刮和門把手對車內噪聲的貢獻也不容忽視。

車內噪聲；聲源識別；Beam form ing；相關性分析；CLEAN-SC

前言

汽車行駛時產生的噪聲主要由發動機動力傳動系統噪聲、輪胎路面噪聲和空氣動力噪聲(風噪聲)構成。當車速超過100km/h時，對于轎車來講氣動噪聲就變得比較重要。為了控制車內的氣動噪聲，一種重要方法是控制車外氣流作用在車身表面突出物和凹凸不平處由于氣流分離而產生的氣動噪聲，其次研究車外噪聲向車內的傳遞路徑，從而尋找合適的控制策略。

傳統意義上控制車內風噪的方法是在車內駕乘人員耳旁放置傳聲器或人工頭采集數據，通過改變車身結構變量，比如應用“開窗法”[1]在車門或車窗等處貼密封膠帶等措施，觀察分析車內風噪水平的相對變化。但這種方法很難評估車外噪聲源通過車身的傳遞路徑對車內噪聲的相對貢獻度。

過去20年，隨著計算機技術及數字數據處理技術的快速發展，用于聲源識別的傳聲器陣列技術也變得越來越實用。在氣動聲學風洞中可以通過在流場外放置平面Beamforming聲陣列來可視化和量化車外氣動噪聲源，如后視鏡、雨刮、A柱、輪罩區域等[2-5]。但該結果并不能說明車外聲源對車內噪聲水平的相對貢獻度。針對該問題，近年來也有一些學者從事該方面的探索[4，6]，但研究結果仍需進一步改進。

傳統基于Beamforming技術的聲源識別技術有其自身的局限性。最典型的局限性在于陣列有限的動態范圍和空間分辨率，尤其是低頻段的空間分辨率。特別在風洞中，當陣列位于流場外時，其距離被測對象較遠，更難以保證低頻段的空間分辨率。近年來，為了改善Beamforming技術的上述問題，開發了一些先進的算法，如基于頻域解卷積(Deconvolution)的 DAMAS[7]，CLEAN[8]和 CLEAN-SC[9]。 基于此，陣列系統的動態范圍和空間分辨率得到很大改善。其中，CLEAN-SC算法是相對最新的技術，且接受度最高。

DAMAS[7]和CLEAN[8]算法的核心思想是基于一個假設前提：假設聲源是點源，可以通過點傳播函數(point spread function，PSF)來進行空間內的聲源重構。而事實上聲源大多不是簡單的點聲源，而是具有一定的空間指向性。為了克服上述算法的缺陷，CLEAN-SC基于空間聲源的相關性進行解卷積，即聲源的主瓣在空間上總是和它的旁瓣相關，通過分析它們的相關性來求解。

本文中在簡單介紹了Beamforming技術的基本原理和車內外噪聲相關性分析的方法之后，在同濟大學整車氣動聲學風洞中應用流場外聲陣列與車內2個參考傳聲器進行同時同步測量車內外噪聲信號，應用頻域內聲源識別的傳統算法和改進的CLEAN-SC算法識別車外的氣動噪聲源分布，分析車外聲源與車內噪聲的相關性，研究車外噪聲源對車內噪聲的貢獻。

1 基于Beamforming聲源識別的基本原理及車內外噪聲相關性分析的方法

傳統基于Beamforming(波束形成)的聲源識別方法可以分為時域算法和頻域算法。時域里的基本算法思想為Delay and Sum(延時求和)，針對2D車外聲源識別而言，即利用傳聲器陣列接收聲源發射的聲信號，離散聲源計算平面形成多個聚焦網格點，由于聲源到達各個陣列傳聲器的時間不同，所以基于延時求和的算法，反向聚焦各網格點，真實聲源所在聚焦點的輸出聲能量會被加強，而其它聚焦點的輸出量則被衰減，從而可以有效識別聲源。將時域里的聲源識別算法通過傅里葉變換到頻域，時域里的時延對應頻域里的相位偏移，同樣可以有效識別聲源。頻域里，基于相移的聲源識別方法可用如下公式[10]描述：

式中：F∧(x，ω)為聲源平面聚焦網格點x處的頻譜；M為陣列傳聲器數量；wi為第i個陣列傳聲器信號的加權因子；Fi(ω)為第i個陣列傳聲器信號的頻譜；θiω為頻率ω處第i個傳聲器到聲源平面聚焦網格點x處的相位角。

利用Beamforming技術對試驗車外噪聲源和車內噪聲信號進行相關性分析，其基本思想是基于車外傳聲器陣列信號與車內參考傳聲器信號的互相關函數。基于此互相關函數，可以將車外聲源對車內噪聲的貢獻進行對比。頻域里，車內參考傳聲器信號FR(ω)與車外陣列傳聲器信號Fi(ω)之間的互相關函數可以通過如下公式進行計算：

式中：Fi(ω)為第 i個陣列傳聲器信號的頻譜；FR(ω)為參考傳聲器信號的頻譜。

從上式可以看出，頻域里的互相關函數是根據車內參考傳聲器信號與車外聲陣列的每一通道傳聲器信號基于頻域里的相移進行加權計算得到的。

2 試驗方法與測試系統

2.1 試驗條件

試驗在同濟大學上海地面交通工具風洞中心整車氣動聲學風洞中進行。該風洞是3/4開口回流式風洞，其噴口面積為27m2，背景噪聲水平在160km/h風速下低于61dB(A)。試驗應用國產某款三廂轎車，試驗前將試驗車放置在風洞駐室試驗段天平轉盤的中心位置固定。在試驗過程中，為防止車外氣流直接進入乘員艙內，關閉試驗車空調系統并設置到內循環模式，且完全關閉空調出風口。另外，試驗過程中風洞邊界層抽吸及移動帶系統關閉。試驗溫度約為22～24℃，相對濕度約為36%～40%，環境氣壓約為103.2～103.5kPa。

2.2 測試系統

試驗采用德國Gfaitech公司聲源識別測量及分析系統NoiseImage。試驗應用專為風洞設計的120通道平面螺旋形陣列，如圖1所示，陣列尺寸為1.8m×1.8m，陣列傳聲器為丹麥G.R.A.S.公司生產的1/4陣列專用傳感器。數據采集過程應用120通道的高精度集成數采，可以實現多通道最高192kHz的并行同步采樣。除此之外，數采系統還配置了4通道BNC模塊，能夠實現與120集成通道的數據同步采集。試驗應用2個參考傳聲器，1#傳聲器置于靠近左后視鏡基座附近，2#傳聲器則位于駕駛員的耳旁位置，如圖2所示。試驗過程中，車外陣列及車內參考傳聲器可以同時同步采集車內外噪聲信號。

圖1 整車氣動聲學風洞流場外120通道平面螺旋形陣列

圖2 車內參考傳聲器設置

2.3 試驗工況

為考察車外氣動聲源與車內噪聲的相關性，設置了兩個不同的工況。工況a是試驗車處于標準狀態(Baseline)，工況b則是將試驗車車身外部用膠帶密封(圖3)。由于車身密封引起的泄漏噪聲是車內噪聲的重要組成部分，所以試驗工況也考察密封性能的變化對車內外噪聲相關度的影響。

圖3 試驗工況b-試驗車車身外表面密封

具體工況如下：工況a，試驗車處于標準狀態(Baseline)，試驗風速 120km/h，偏航角 0°；工況 b，試驗車整車外表面零部件結合處和不連續的地方用密封膠帶封住，試驗風速120km/h，偏航角0°。

3 測試結果與分析

試驗過程中，車外的傳聲器陣列和車內的參考傳聲器進行數據同時同步采集時，每路信號采樣時間為32s，采樣頻率為48kHz。流場外傳聲器陣列距離流場內試驗車車身前側窗玻璃處為3.85m。數據處理過程中采用1/3倍頻程進行分析。

在3/4開口式風洞內進行流場外聲源識別時，由于傳聲器陣列位于試驗段射流外部，聲波從風洞的射流核心區穿過射流剪切層時，射流剪切層會對聲波產生折射及散射效應，從而改變聲波傳播的方向及聲能量。因此必須對射流剪切層效應進行修正，以提高傳聲器陣列測試的精準度。本文中的聲源識別結果均根據聲波穿過剪切層的折射理論[11-12]進行了修正。

3.1 車外聲源識別結果分析

為便于對車外聲源識別結果和車內噪聲與車外聲源的相關性進行對比，在對數據進行1/3倍頻程譜分析時，不同測試工況下均選用相同的分析頻段(1～4kHz)。如下數據分析時將分別在中心頻率為1 000，2 000，3 150Hz的頻段內對車外聲源識別的結果應用傳統的Beam forming技術及改進的CLEANSC算法進行對比分析。圖4和圖5示出不同工況下的分析結果。

圖4 Baseline工況不同分析頻段下車外聲源識別結果的對比(左圖為傳統算法，右圖應用CLEAN-SC)

通過對比頻域內基于傳統算法和CLEAN-SC的聲源分布圖可以看出，后者的空間分辨率及動態范圍均有顯著提高，尤其在較低的頻段，傳統算法無法分辨的聲源，如后視鏡、雨刮和前后門把手處的聲源，均能在改進算法的應用中識別出來。值得注意的是，從車外聲源的分布來看，在任何頻段，前輪罩區域都是最主要的聲源，其次后視鏡作為最值得關注的聲源在多數頻段都能識別出來，但聲能量相對于前輪罩區域則較小。

從聲源的聲能量大小分布來看，隨著分析頻率的升高，主要聲源的聲能量也逐步降低，這可從圖中陣列動態范圍數值顯示上看出來。如中心頻率2 000Hz頻段，應用傳統Beamforming技術識別出的前輪區域聲源中心聲壓級為54.7dB(A)，后視鏡區域聲源中心聲壓級為48.5dB(A)；而應用CLEANSC算法識別的前輪區域聲源細化為多個子聲源，其中最大子聲源中心聲壓級為50.2dB(A)，后視鏡區域聲源中心聲壓級為46.0dB(A)。對于中心頻率3 150Hz頻段，應用傳統Beamforming技術識別出的前輪區域聲源中心聲壓級為48.5dB(A)，后視鏡區域聲源中心聲壓級為41.1dB(A)，前雨刮處聲源中心聲壓級為35dB(A)。而應用CLEAN-SC算法識別的前輪區域最大子聲源中心聲壓級為44dB(A)，后視鏡區域聲源中心聲壓級為38.2dB(A)，前雨刮處聲源中心聲壓級為29.6dB(A)。另外，可以看出，應用改進的CLEAN-SC算法識別的聲源在能量的相對大小排序上和傳統算法一致，但在絕對量值上均比傳統算法小。如中心頻率2 000Hz頻段，應用傳統方法及改進的CLEAN-SC算法識別的后視鏡處的聲源中心聲壓級差為2.5dB，這是由聲源本身的特征、分布和改進算法的不足所引起的。

圖5示出在車身密封工況下，應用先進CLEANSC算法對車外聲源識別的結果。

圖5 車身密封工況下不同分析頻段車外聲源識別結果(應用CLEAN-SC)

當車身密封后，前輪罩區域仍是最主要的噪聲源，其次后視鏡和雨刮作為聲源在多數頻段也可以識別出來。對車身密封前后聲源識別的結果進行對比分析，發現車身密封后，后視鏡處的聲源能量級較Baseline有一定程度的降低。如中心頻率2 000Hz頻段，車身密封前，后視鏡區域聲源中心聲壓級為46.0dB(A)，而密封后該處的聲壓級變為41.8dB(A)，降低了4.2dB。這說明后視鏡密封后，局部結構變化導致的流動變化引起了聲能量的降低。

3.2 相關性分析

相關性分析的主要目的是研究車外聲源對車內噪聲的貢獻量大小。根據工程經驗，后視鏡區域對車內噪聲的貢獻不容忽視，所以在車內后視鏡的基座附件放置了1#參考傳聲器，同時在駕駛員耳旁位置放置2#參考傳聲器以模擬真實駕車者的位置。3.2.1 不同參考傳聲器位置的相關性分析結果

Baseline工況下，分別應用基于傳統Beamforming算法和改進的CLEAN-SC算法對車外聲源相對于車內1#和2#參考傳聲器的相關性進行分析，在頻域內的分頻段對比分析結果如圖6和圖7所示。

通過對比車內1#參考傳聲器與車外聲源的相關性分析結果可以看出，應用改進的CLEAN-SC算法得到的空間分辨率和動態范圍較傳統算法均有顯著提高，尤其在相對較低的頻段。在1 250Hz頻段，后視鏡區域相對于前輪罩區域的聲源對車內噪聲的貢獻相差不多，但在2 000～3 150Hz頻段，后視鏡區域對車內噪聲的貢獻則最大，前輪罩區域的貢獻相對較小。值得一提的是，在3 150Hz頻段，前雨刮對車內噪聲的貢獻不容忽視。

圖6 Baseline工況下車外聲源相對于車內1#傳聲器的相關性分析結果對比(左圖為傳統算法，右圖應用CLEAN-SC)

圖7 Baseline工況下車外聲源相對于車內2#傳聲器的相關性分析結果(應用CLEAN-SC)

可以看出，對于車內2#傳聲器而言，在1 250Hz頻段，后視鏡對車內噪聲的貢獻已經較大，但不是最主要聲源。在2 000Hz頻段，后視鏡則是對車內噪聲貢獻最大的聲源，且遠大于其它區域的貢獻。在2 500Hz頻段，對車內貢獻最大的是前輪罩區域，但前門把手對車內噪聲的貢獻也較大。在3 150Hz頻段，后視鏡區域對車內噪聲的貢獻最大，前雨刮也有一定的貢獻。

3.2.2 不同工況下的相關性分析結果

將試驗車車身密封后，車內外氣流通過密封縫隙的交換行為被阻止，也就是由于車身密封不良引起的單極子聲源消失，且由于車身表面凹凸不平引起的氣動噪聲也會減弱，但由于車身造型因素引起的氣動噪聲仍然會通過車身結構的薄弱環節傳入車內。這樣必然引起車外噪聲源與車內噪聲的相關性的變化。圖8示出了車身密封后應用CLEAN-SC算法車外聲源相對于車內1#參考傳聲器的相關性分析結果。

圖8 車身密封工況下車外聲源相對于車內1#傳聲器的相關性分析結果(應用CLEAN-SC)

可以看出，當車身密封后(包括后視鏡密封)，后視鏡對車內噪聲的貢獻減弱很多，在較低頻段(1 250Hz)尚有一定貢獻，但在2 000Hz及以上頻段則貢獻很少。雨刮在3 150Hz頻段對車內噪聲的貢獻較大。說明后視鏡區域的造型和密封的改善會較大程度降低該區域對車內噪聲的貢獻度。

4 結論

通過應用車外聲陣列與車內參考傳聲器同時同步測試車內噪聲和車外聲源，分析車外聲源對車內噪聲的相對貢獻量。通過對比傳統算法與改進的CLEAN-SC算法對頻域內分頻段的車外噪聲源識別結果及其對車內噪聲的相關性，得到以下主要結論。

(1)頻域內改進的CLEAN-SC算法可在很大程度上改善傳統Beam forming算法在動態范圍及空間分辨率方面的局限性，且算法穩健，使基于Beamforming的聲源識別技術在風洞內的應用更具實用性。

(2)從車外聲源識別的結果來看，絕大多數頻段前輪罩區域都是最主要的聲源，而后視鏡作為聲源其能量則相對小很多。

(3)但從車內噪聲與車外聲源的相關性分析結果可以看出，對車內噪聲而言，在較多的特征頻段，后視鏡對車內噪聲的貢獻度最大。同樣，在一些特征頻段，前雨刮及門把手對車內噪聲的貢獻也不容忽視。

上述研究結果可提供車外聲源的分布及其對車內噪聲貢獻量的相對大小及頻率特征，可為車外聲源向車內的傳遞路徑分析提供參考依據，同時可為早期開發階段油泥車的外形風噪性能評估及優化提供方向性指導。

[1] 賀銀芝，楊志剛，王毅剛.汽車車身密封對車內氣動噪聲影響的機理及試驗研究[J].汽車工程，2012，34(8)：692-695.

[2] GUIDATIS，SOTTEK R.Advanced source localization techniques usingmicrophone arrays[J].SAE Int.J.Passeng.Cars-Mech.Syst，2011，4(2)：1241-1249.

[3] LEPLEY D，SENTHOORAN S，HENDRIANA D，et al.Numerical simulationsandmeasurements ofmirror induced wind noise[J].SAE Int.J.Passeng.Cars-Mech.Syst，2009，2(1)：1550-1562.

[4] ADAM J，RICOT D，LAMBOURG C，etal.Correlated beamforming method for relevant aeroacoustic sources identification[C].SAE Paper 2009-01-2234.

[5] LIL，LIJ，LU B，etal.Application of beamforming to sidemirror aeroacoustic noise optimization[C].SAE Paper 2016-01-0475.

[6] NEUGEBAUER S，ROESEL R，DOEBLER D.Correlation of parallel car interior and exterior beamformingmeasurements in a wind tunnel[C].Internoise，2014.

[7] BROOKS T F，HUMPHREYSW M.A deconvolution approach for the mapping of acoustic sources(DAMAS)determined from phased microphone arrays[J].Journal of Sound and Vibration，2006，294(3)：856-879.

[8] WANG Y，LI J.Wideband RELAX and wideband CLEAN for aeroacoustic imaging[C].AIAA，2003，2003-3197.

[9] SIJTSMA P.CLEAN based on spatial source coherence[J].International Journal of Aeroacoustics，2007，6(4)：357-374.

[10] DOEBLER D，PUHLE C， HEILMANN G.Correlation of high channel countbeamformingmeasurementofa car in awind tunnel using CLEAN-SC[C].Internoise，2015.

[11] AMIET R K.Refraction of sound by a shear layer[J].Journal of Sound and Vibration，1978，58(3)：467-482.

[12] AMIETR K.Noise due to turbulent flow past a trailing edge[J].Journal of Sound and Vibration，1976，47(3)：387-393.

A Study on the Correlation Between Vehicles Interior Noise and Exterior Aerodynamic Noise Sources

He Yinzhi1， Dong Guoxu2， Zhang Tao2， W ang Bin1＆ Shen Zhe1
1.School of Automotive Studies， Tongji University， Shanghai 201804；
2.State Key Laboratory of Vehicle NVH and Safety Technology，Chongqing 401120

After a brief introduction of the basic principle of Beamforming noise source identification technique and the analysismethod of correlation between exterior aerodynamic noise sources and interior noise of vehicle，a synchronousmeasurement of exterior and interior noise signals is conducted in a full scale aero-acoustic wind tunnel with the use of an out-of-flow sound array outside vehicle and two referencemicrophones inside vehicle.By applying conventional Beamforming algorithm and modified CLEAN-SC algorithm for noise source identification in frequency domain，the distribution of exterior aerodynamic noise sources is identified and the correlation between interior noise and exterior noise sources are analyzed，with the relative contribution of exterior noise sources to interior noise obtained.The results show that themodified CLEAN-SC algorithm in frequency domain can relieve the limitation in dynamic range and spatial resolution of conventional Beamforming algorithm with good robustness，making that technique hasmore practicability in its application towind tunnel.For interior noise，exterior rearview mirror as noise source has themost contribution inmany characteristic frequency bands，while at certain frequency bands the contribution of frontwiper and door handle can not be neglected aswell.

vehicle interior noise； sound source identification； Beam form ing； correlation analysis；CLEAN-SC

10.19562/j.chinasae.qcgc.2017.10.015

?國家自然科學基金(51575394)和汽車噪聲振動和安全技術國家重點實驗室開放基金課題(NVHSKL-201403)資助。

原稿收到日期為2017年1月4日，修改稿收到日期為2017年5月15日。

賀銀芝，副教授，博士，E-mail： heyinzhi＠ tongji.edu.cn。