汽車NVH分析方法淺析

孫洋

摘 要：汽車在正式量產下線前會對車內噪音情況進行嚴格的管控，尋找到噪音源一直是NVH審核時的難點。文章介紹了針對旋轉器件產生的噪音現象進行的NVH分析，如何對分析軟件的參數進行設置，以及主要參數在分析中所代表的意義，最后根據某車型噪音階次分析結果尋找到噪音源。

關鍵詞：NVH;階次分析;旋轉噪音

中圖分類號：U467 ?文獻標識碼：A ?文章編號：1671-7988（2020）06-98-04

Abstract： Before the official series production， the car the noise inside the car will be strictly controlled. Finding the source of the noise is always a difficult job during NVH analysis. This article introduces the NVH analysis of the noise phenomenon generated by rotating devices， how to set the parameters of the analysis software， and the meaning of the main parameters in the analysis. Finally， the source of the noise is found based on the results of the order analysis.

Keywords： NVH; Order analysis; rotate noise

CLC NO.： U467 ?Document Code： B ?Article ID： 1671-7988（2020）06-98-04

前言

NVH是noise vibration harshness首字母的縮寫，分別代表著噪音，振動和平順性。其中最容易被客戶抱怨的往往就是噪音。在對噪音信號進行分析時，最常用的是時域分析法。這種方法對于穩態信號具有較好的效果，能清晰地分析出被測信號的頻率成分，從而確定故障原因。但是受到發動機的周期性激勵，由于旋轉部件故障引起的振動和噪音與發動機轉速有密切的關系。難以利用某一時段信號的時域分析確定故障頻率成分，有時候由于噪音信號頻率的不斷改變，會產生明顯的“頻率模糊”現象[1]，這樣一來關鍵的頻率成分就難以識別出來。這時等時間采樣的分析方式在此就不再適用，我們需要不依賴于隨轉速變化的分析方法，階次跟蹤分析方法應運而生。

1 階次跟蹤分析原理

1.1 什么是階次

在討論階次跟蹤分析原理之前我們需要搞清楚什么是階次。對于我們所關心的旋轉部件噪音分析而言，階次可以看作是旋轉部件每旋轉一圈所產生的事件次數。階次為旋轉部件的固定屬性，以數字的形式進行表示。當零件在旋轉時，會產生一定的響應事件發生，比如一個30齒的齒輪，它旋轉一圈，嚙合這個響應事件就會發生30次。如果我們把激勵該齒輪旋轉的齒輪定義為參考軸一階次的話，那么這個30齒的齒輪的階次即30階次。所以階次就是旋轉部件產生的事件相對于轉速的倍數。顯然階次是獨立于轉速的，對轉速保持不變。這一特性對于我們確定噪音源零件非常有幫助。

1.2 階次跟蹤

階次跟蹤分析技術，其目的在于將等時間間隔采樣的噪音信號轉化為等角度采樣的噪音信號，根據信號的頻率變化對信號進行變速率采樣，保證在每一個采樣周期內都會有相同的采樣點，這種跟蹤激勵源轉速變化而相應改變采樣頻率的方法便稱為階次跟蹤分析法[2]。假設齒輪旋轉一圈采樣10次，轉速如果提升一倍，那么采樣點就會變成5次，這樣一來齒輪旋轉一圈產生的信號就沒有完全捕獲，這種漏采樣會導致信號失真。為避免這種情況的出現，同步采樣的需求應運而生，即等角度采樣。還是剛才的例子，我們可以固定采樣頻率為齒輪每轉36度采樣一次，這樣即可實現齒輪旋轉一圈永遠可以采樣10次，不管激勵頻率如何改變，我們的采樣的結果都不會失真。這種為了信號在各個采樣周期里都會有相同數量采樣機會的等角度采樣分析法就是階次跟蹤分析。常針對旋轉機械在某些工況下產生的噪音進行分析。

2 噪音文件采集

2.1 采集設備

采樣頻率fs大于信號中最高頻率fmax的2倍時，采樣之后的數字信號完整地保留了原始信號中的信息，一般實際應用中保證 ?采樣頻率為信號最高頻率的2.56～4倍。鑒于 ?人耳最大能聽到的頻率為20kHZ，所以我們在 錄制噪音的時候一般會采用48kHZ的采樣頻率。采樣頻率越高，產生的數據文件越大。1分鐘內4通道均采用48kHZ的話，將會產生33.8MB的數據。對于通過結構傳輸的噪音，采樣頻率可以降低，一般為12kHZ，這是因為采樣傳感器固有的共振頻率限制了測量范圍，這個固有共振頻率一般為5-6kHZ。

2.2 采集工況

在采集噪音時需要勻加速，盡量是的轉速提升率為恒定值。對于旋轉機械測試，最容易被測試者忽略的參數是轉速變化速率。這個參數決定了頻率分辨率和頻率“拖尾”現象。對于隨轉速變化的信號來說，在一段數據的起始時刻與結束時刻轉速變化如果十分明顯，轉速變化速率很大的話，起始時刻和結束時刻采樣值的差異就會十分明顯。如果這一段數據長度一定的情況下（頻率分辨率決定了這一幀數據的長度），轉速變化速率越大，頻率拖尾越嚴重，階次越不清晰。另一方面，轉速變化速率對階次切片也有影響，因此，轉速變化速率的恒定對于數據分析相當重要。

3 噪音文件分析方法

3.1 常用分析方法

錄到一個NVH現象之后，下一步就是利用儲存的數據分進行結果分析。常用的分析軟件為Artemis是通用分析軟件，同樣是來自海德聲科公司，利用它可以進行多種聲學和振動分析。對所發生的噪音和振動故障進行診斷。提升和優化產品質量。

噪音基本上可以分為靜態噪音和動態噪音。靜態噪音指的是在恒定的駕駛條件下（恒定的速度與轉速）所產生的噪音，比如路噪，風噪，剎車噪音。

動態噪音指的是跟速度和轉速有關的噪音，比如差速器噪音，發動機變速箱噪音。

3.2 旋轉部件的FFT分析法

針對旋轉部件產生的不確定噪音我們經常用到的分析方法為FFT。FFT（快速傅立葉變換）是離散傅立葉變換的快速算法。傅立葉表示為不同頻率的正弦波信號的無限疊加。它幫助我們改變傳統的時間域分析信號的方法轉到從頻率域分析問題的思維。有些信號在時域上是很難看出什么特征的，但是如果變換到頻域之后，就很容易看出特征了[3]。如圖1所示。

3.3 FFT分析參數設置

3.3.1 頻率分辨率

我們實際錄制的噪音文件往往時間比較長，而FFT變換又只能分析有限長度的時域信號，因此需要將采樣的噪音信號離散為一段一段的數據塊。數據塊的數量即Artemis分析軟件中的Spectrum size.如圖2所示。不同的數據塊數量會導致分析結果分辨率的不同，數量越多代表著對噪音信號源文件的分拆更加徹底，所以可以更加逼真的還原噪音信號。圖3表式不同的Spectrum size會使得噪音信號更加清晰可見。

3.3.2 信號截斷

當我們對噪音源信號進行截斷的時候，很難做到周期性截斷。因為源信號長度很難保證是周期的整數倍，而我們截斷的時候也很難保證截斷之后的信號開始時刻和結束時刻幅值相等。

圖4所示為對某正弦波的周期截斷，假設將該源信號分割為該正弦波周期整數倍的數據段，每個數據段的起始時刻和結束時刻的幅值又剛好相等，即取樣時間長度等于源信號的一個周期。那么將這些截斷后的信號再重構，由于每段信號之間連續，重構時可以無縫連接，所以源信號得以完美還原，如圖4-5所示。

這種理想狀態下的周期截斷難以實現，實際操作中我們可以實現的往往是非周期截斷。還是以剛才的正弦波為例，截斷開始的幅值與結束時的幅值不相等，這就導致了在還原信號的時候出現不連續的階躍區域，導致信號失真。圖6展示了源信號的非周期截斷與重構。

為了降低信號泄露產生的誤差，我們需要使用窗函數，將原始信號乘以一個窗函數，如圖7所示，相乘之后的信號具有了周期性，初始值和結束值相等，近似于周期截斷，滿足了傅里葉變換的需求。窗函數有很多種，常用的有漢寧窗，平頂窗，凱塞窗，布萊克曼窗。對于隨機信號，擁有多個頻率分量，并且分析時更側重于頻率點而非能量大小，則選用漢寧窗。

4 階次分析結果

以圖8某車型噪音階次圖譜為例可以看出，在500- 600Hz之間21階噪音占據比較明顯的成分，通過整車廠內部對于21階零件的定義，可以判斷噪音來源可能是來自于凸輪軸。這時通過查閱凸輪軸相關的技術文件具體分析凸輪軸在該問題車上是否有比較明顯的技術變更，以便確定問題的根本原因。

5 結論

在解決噪音問題往往是需要在有限的時間內提供有效的解決方案。階次分析對于旋轉零件的噪音源判定十分具有指導意義，通過其指定的分析方向可以讓整車廠節約很多分析時間。在憑借自身對零件設計過程深厚的理解，往往可以很快找到問題的根源，大到排氣管，小到變速箱里的齒輪，都可以因為其本身固有的階次快速的被鎖定。當然這需要對每個零件的階次做出詳盡的標定，以便分析結果的準確無誤。

參考文獻

[1] 欒軍英，康海英，鄭海起，曹進華，田廣基于階次跟蹤的旋轉機械啟動過程振動分析.石家莊，軍械工程學院學報，2005：1-2.

[2] 張守元.階次跟蹤技術及其在汽車NVH 中的應用-階次跟蹤原理.南京，輕型汽車技術，2009：2-3.

[3] 李庚銀，陳志業，寧宇.快速傅里葉變換的兩種改進算法.保定，電力系統自動化，1997：1-2.

[4] 譚祥軍.從這里學NVH-噪聲，振動，模態分析的入門與進階.北京，機械工業出版社，2018：130～135.