汽車路面噪聲多重相干分解方法研究
楊洋1,褚志剛2
(1.重慶工業職業技術學院車輛工程學院,重慶401120;2.重慶大學汽車工程學院,重慶400044)
摘要:采用合理有效的分解方法獲得各路面噪聲源對駕駛員耳旁噪聲的貢獻,對進行車內聲學設計具有重要意義。基于多重相干理論,給出了汽車路面噪聲多重相干分解方法的基本流程,并采用設定特征閾值去除小特征值的方法降低病態誤差。某轎車的路面噪聲分解試驗顯示:左前輪、左后輪、右前輪、右后輪是該轎車路面噪聲的四個獨立源,分解結果使駕駛員右耳處合成噪聲與實測噪聲在20~6400Hz頻段內僅平均相差約0.4dB(A)。分解結果正確,為新車型的聲學設計開發提供了數據源;多重相干方法簡便、易用、有效、可靠,為汽車路面噪聲的分解提供了有力工具。
關鍵詞:路面噪聲;分解;多重相干法;試驗
中圖分類號:TB52;U467.1
文獻標志碼:A
DOI:10.13465/j.cnki.jvs.2015.19.005
Abstract:It is of great significance for interior acoustical design of a car for us to obtain each road noise source contribution to a driver’s ear noise with a reasonable and effective decomposition method. Here, the multiple coherence decomposition method was utilized for road noise of a car, its basic procedure was given. Meanwhile, in order to reduce ill-condition error, some small eigenvalues of the cross-spectral matrix of input signals were restricted with a set threshold. Furthermore, a road noise decomposition test was conducted for a car. Results showed that the left front wheel, the left rear wheel, the right front wheel and the right rear wheel are four independent road noise sources; the mean difference between the noise near the right ear of the driver synthetized with the decomposed contributions and the measured one is only 0.4dB (A) within a range of 20~6400Hz; the correct decomposition provides data for the acoustical design of new cars; the multiple coherence decomposition method is simple, easy-to-use, effective and reliable, it provides a powerful tool for the decomposition of a car’s road noise.
Multiple coherence decomposition method for road noise of a car
YANGYang1,CHUZhi-gang2(1. Faculty of Vehicle Engineering, Chongqing Industry Polytechnic College, Chongqing 401120, China;2. College of Automotive Engineering, Chongqing University, Chongqing 400044, China)
Key words:road noise; decomposition; multiple coherence decomposition method; test
用NVH模擬器在新車型設計開發的早期階段對虛擬樣機進行交互式聽覺模擬,有助于快速可靠地理解其聲學性能、制定設計決策并評估設計效果,近年來,已成為縮短低噪聲車輛開發周期、降低成本的有效途徑,其需要以已有車型的詳細聲學信息作為數據源[1-2]。路面噪聲是車內噪聲的主要來源,需要采用合理有效的源-路徑-貢獻分析(Source-Path-Contribution,SPC)[3-4],即傳遞路徑分析(Transfer Path Analysis,TPA)[4-7]方法將已有車型車內駕駛員接收的路面噪聲分解細化為不同貢獻源并準確計算各自的貢獻量,為新車型聲學性能的設計開發提供數據基礎。
用于路面噪聲分解的源-路徑-貢獻分析方法主要是阻抗矩陣法[8-9]、多參考法[10-12]和多重相干法[13-14]。阻抗矩陣法多在實驗室中用轉鼓拖動車輪轉動產生的噪聲模擬真實路面噪聲,假設激勵源完全相關,在源激勵點附近設定指示點,通過獲得的源激勵點到指示點間的加速度阻抗矩陣與工作狀態下測得的指示點加速度向量的乘積來確定源激勵力,通過源激勵力與測得的路徑傳遞函數的乘積來計算源沿不同傳遞路徑的貢獻量,通過各貢獻量的矢量加和來計算總體貢獻量。然而,真實行車中,各車輪接觸的路面存在特性差異,路面噪聲源并不完全相關[10-14],因此,該方法的分解結果必然無法準確反映真實路面噪聲。多參考法在車上設定參考點,奇異值分解測得的參考信號獲得獨立正交的主分量,基于虛相干分析技術計算車輪附近指示點及車內目標點的信號相對于各主分量的虛互譜和虛參考譜,進而基于虛參考譜,運用上述阻抗矩陣法對各主分量進行傳遞路徑分析,并用均方根加和各主分量的貢獻量來計算總體貢獻量[10]。該方法將耦合的多參考問題分解成獨立的單參考問題,充分考慮了路面噪聲的部分相關性。相比于這兩種方法,多重相干法是近年來相對新型的路面噪聲分解方法,其在車輪輪轂上布置加速度傳感器測量振動信號,在車輪附近布置傳聲器測量輻射聲音信號,根據各測量信號的相關性將彼此相關的信號分為一組,形成若干互不相關或相關性很小的獨立信號組,從而確定獨立的源,進而基于多重相干系數計算源對目標點的貢獻量。該方法不僅充分考慮了路面噪聲的部分相關性,而且不需要測量路徑傳遞函數、簡便易用,還能夠快速有效地分離駕駛員接收的路面噪聲和風噪、進行結果正確性檢驗,具有較高的研究應用價值。G’omez Gonz’alez等[13]研究了用于非穩態聲振信號傳遞路徑分析的時域多重相干法,Sottek等[14]給出了多重相干法分解路面噪聲的案例報道,而目前國內相關的研究報道很少。此外,計算多重相干系數需要實測輸入信號互功率譜矩陣的逆矩陣[13],矩陣求逆存在病態問題[15-16],會使測量誤差被嚴重放大,導致計算結果不準確,確定合理有效的病態誤差抑制方法對提高多重相干法的準確度具有重要意義。
本文闡明了多重相干法的基本理論,給出了汽車路面噪聲多重相干分解方法的基本流程,并采用設定特征閾值去除小特征值的方法降低病態誤差,進行了某轎車的路面噪聲分解試驗,將駕駛員雙耳接收的路面噪聲準確分解細化為不同源的貢獻,驗證了多重相干方法的有效性,為進一步在NVH模擬器中進行交互式聲學設計提供了可靠數據源。
1多重相干法基本理論

(1)


圖1 多輸入單輸出線性系統輸入-輸出模型 Fig.1 Input-output mode of multi-input and mono-output linear system

SYXYX(f)=HH(f)SXX(f)H(f)
(2)
這里,上標“H”表示轉置共軛,SXX(f)=X*(f)XT(f)為該組輸入信號的互功率譜矩陣。該組輸入信號與實測的總輸出信號Y(f)的互功率譜列向量SXY(f)=[SX1Y (f),SX2Y (f),…,SXAY (f)]T可表示為:
SXY(f)=X*(f)Y(f)=SXX(f)H(f)
(3)

(4)

(5)

(6)

2汽車路面噪聲分解


圖2 汽車路面噪聲多重相干分解方法流程圖 Fig.2 Flow chart of multiple coherence decomposition method for road noise of a car
為驗證多重相干方法的有效性,同時為NVH模擬器的交互式聽覺模擬提供數據源,進行了某轎車的路面噪聲分解試驗。試驗時,該轎車在公路上加速至112km/h后關閉發動機行駛。在駕駛員座椅上放置Brüel&Kjr公司的4100型頭與軀干模擬器來測量駕駛員雙耳處的聲音信號,得2個目標輸出信號;在各車輪輪轂上粘貼Brüel&Kjr公司的4520型三向加速度傳感器來測量x,y,z三個方向的振動加速度信號,得12個輸入信號;在各車輪附近安裝Brüel&Kjr公司的4958型傳聲器來測量聲音信號,得4個輸入信號,為抑制風噪的干擾,各傳聲器均安裝防風罩。所有輸入輸出信號經41通道PULSE 3560D型數據采集系統同時采集并傳輸到PULSE LABSHOP中進行FFT分析,得輸出信號的自功率譜、輸出信號相對輸入信號的互功率譜、輸入信號的自功率譜及輸入信號相互間的互功率譜。進一步,按照上述圖2所示流程完成駕駛員雙耳接收的路面噪聲的分解計算,這里,設定的特征閾值為90dB。由于左、右耳的分解方法完全一致、分解結果類同,所以本文只以右耳的分解結果為例進行闡釋。
圖3為駕駛員右耳的源參考輸入驗證曲線,其中,①號線為實測的A計權聲壓級,②號線為駕駛員右耳接收的與所有輸入信號相關的噪聲的A計權聲壓級,顯見,2000Hz以下頻段,二者吻合良好,表明該頻段內,駕駛員右耳接收的噪聲主要是路面噪聲,設置的16個源參考輸入點很好地涵蓋了路面噪聲的所有源;2000Hz以上頻段,②號線低于①號線較多,這主要是因為該頻段內,駕駛員右耳除接收路面噪聲外,還接收較多與路面噪聲無關的噪聲,主要是風噪。③號線給出了駕駛員右耳接收的與所有輸入信號不相關的噪聲的A計權聲壓級,可見,2000Hz以上頻段,其與①號線較接近。

圖3 源參考輸入驗證曲線 Fig.3 Validation curves of source reference inputs

圖4 源參考輸入分組圖 Fig.4 Grouping map of source reference inputs
圖4為源參考輸入的分組圖,其由16×16個小方格組成,每個小方格所在的行和列分別指向一個輸入信號,小方格的顏色代表這兩個輸入信號常相干系數的大小,可見,左前輪輪轂x,y,z三個方向的加速度信號與左前輪附近聲音信號彼此間的常相干系數較大,且這4個信號與其它輸入信號的常相干系數很小,因此,可分為一組,稱為左前輪組,同理,剩下的輸入信號依次分為左后輪組、右前輪組、右后輪組,表明左前輪、左后輪、右前輪、右后輪是該轎車路面噪聲的四個獨立源。進一步,基于各組輸入信號與各個輸入信號的多重相干系數驗證分組的正確性,以左前輪附近聲音信號為例,圖5(a)、5(b)、5(c)、5(d)分別為左前輪組、左后輪組、右前輪組、右后輪組與其的多重相干系數,可見,左前輪組所有輸入信號與該輸入信號的多重相干系數為1,二者完全相關,與該輸入信號屬于左前輪組的事實相符,其它三組與該輸入信號的多重相干系數均非常低,平均僅約為0.1,表明該輸入信號對其它組的貢獻不大,不會被過多重復計算。其它15個輸入信號的計算結果呈現類同的規律,表明分組正確可靠。

圖5 各組輸入信號與左前輪附近聲音信號的多重相干系數 Fig.5 Multiple coherence coefficients between each group of input signals and the sound signal near the left front wheel

圖6 路面噪聲分解結果 Fig.6 Decomposition result of the road noise
圖6(a)、6(b)、6(c)、6(d)分別為分解計算的左前輪、左后輪、右前輪、右后輪對駕駛員右耳的路面噪聲貢獻量,均方根加和這些路面噪聲分解結果及圖3中③號線所示的風噪,得駕駛員右耳處合成的A計權聲壓級,將其與駕駛員右耳處實測的A計權聲壓級進行對比計算,可得:20~6400Hz頻段內,合成的聲壓級與實測聲壓級間的平均差值僅約為0.4dB(A) ,表明該轎車的路面噪聲分解結果正確。進一步,圖7中“○”標記實線給出了駕駛員右耳處實測的A計權聲壓級,“”標記破折線給出了上述多重相干法合成的聲壓級,“+”標記點線給出了基于常相干計算合成的聲壓級,為使圖線清晰明辨,這里將窄帶譜合成為1/3倍頻程譜,顯見:整個頻段內,多重相干法合成的聲壓級曲線與實測聲壓級曲線幾乎重合,而常相干法合成的聲壓級曲線在2000Hz以下頻段高出實測曲線較多,最大偏差約高達5dB,這主要是由于該頻段內,路面噪聲為主導噪聲,部分測量信號間的相干性較高,使得常相干計算結果產生過估計,驗證了基于多重相干方法進行汽車路面噪聲分解的優越性。

圖7 駕駛員右耳處噪聲的A計權聲壓級曲線 Fig.7 A-weighted sound pressure level at the right ear of the driver
3結論
采用合理有效的方法將已有車型車內駕駛員接收的路面噪聲分解細化為不同源的貢獻,是進行新車型聲學性能設計開發的基礎。本文研究了汽車路面噪聲的多重相干分解方法,所做工作及取得的主要結論如下:
(1) 闡明了多重相干法的基本理論,采用設定特征閾值去除小特征值的方法降低病態誤差,給出了汽車路面噪聲分解的基本流程:通過在駕駛員雙耳處設置目標輸出點、在車輪上設置源參考輸入點、設定運行工況來創建源-路徑-貢獻模型,完成輸入輸出信號功率譜的計算后,通過源參考輸入驗證、源參考輸入分組、組驗證將輸入信號正確可靠地分為獨立信號組,確定獨立源,基于多重相干輸出功率計算將路面噪聲分解為不同源的貢獻。
(2)進行了某轎車的路面噪聲分解試驗,駕駛員右耳的源參考輸入驗證曲線表明:駕駛員右耳接收的噪聲在2000Hz以下頻段主要是路面噪聲,2000Hz以上頻段主要是風噪,多重相干法能夠有效分離路面噪聲和風噪;設置的16個源參考輸入點很好地涵蓋了路面噪聲的所有源。源參考輸入分組及組驗證結果表明:左前輪、左后輪、右前輪、右后輪是該轎車路面噪聲的四個獨立源。
(3)將駕駛員接收的路面噪聲分解為左前輪、左后輪、右前輪、右后輪的貢獻,駕駛員右耳處合成噪聲與實測噪聲的對比顯示:二者在20~6400Hz頻段內的平均差值僅約為0.4dB(A)。分解結果正確,為新車型的聲學性能設計開發提供了參考數據源;多重相干方法簡便、易用、有效、可靠,為汽車路面噪聲的分解提供了有力工具。
參考文獻
[1]Farokh K, Gene T, Todd S, et al.An efficient approach to improving vehicle acceleration sound quality using an NVH simulator [C]. SAE Technical Paper 2009-01-2190, SAE 2009 Noise and Vibration Conference and Exhibition, St. Charles, IL, United states, May 19, 2009.
[2]Kennings P R, Senapati U S, Fothergill D J, et al. Using an NVH simulator to develop power-train mounting systems [J]. Sound and Vibration, 2013, 47(4): 14-19.
[3]David B, Andreas S, Gary N, et al. High-frequency time domain source path contribution: from engine test bench data to cabin interior sounds [J]. SAE International Journal of Passenger Cars-Mechanical Systems, 2013, 6(2): 1293-1299.
[4]Elliott A S, Moorhouse A T, Huntley T, et al. In-situ source path contribution analysis of structure borne road noise [J]. Journal of Sound and Vibration, 2013, 332(24): 6276-6295.
[5]郭榮,裘剡,房懷慶,等.頻域傳遞路徑分析方法(TPA)的研究進展[J].振動與沖擊,2013, 32(13): 49-55.
在關聯理論中,語境指語言使用者頭腦中對客觀外部世界概括化,結構化的語用系統知識。認知語境是語理解中的一個重要因素。認知語境有三種類型邏輯信息,由一組演繹規則組成。(2)詞匯信息,包含自然語言中用以表達某概念的詞匯信息。(3)百科信息,包括概念的外延和內涵,如信仰,態度等。這些信息以假設的形式存在于大腦中,作為潛在資源隨時參于話語的理解。
GUO Rong, QIU Shan, FANG Huai-qing, et al. Advance in studying on transfer path analysis methods in frequency domain [J]. Journal of Vibration and Shock, 2013, 32(13): 49-55.
[6]郝鵬,鄭四發,連小珉.運動噪聲源的時域傳遞路徑模型及貢獻率分析[J].機械工程學報,2012, 48(4): 104-109.
HAO Peng, ZHENG Si-fa, LIAN Xiao-min. Time-domain transfer path modal and contribution analysis of moving noise sources [J].Journal of Mechanical Engineering, 2012, 48(4): 104-109.
[7]Chatterjee J, Prakash J C, Kumar P D. Characterization of structure-borne road/tire noise inside a passenger car cabin using path based analysis [C]. SAE Technical Paper 2013-01-2858, 8th SAEINDIA International Mobility Conference and Exposition and Commercial Vehicle Engineering Congress, Chennai, Tamil Nadu, India, December 4-7, 2013.
[8]王萬英,靳曉雄,彭為,等.輪胎振動噪聲結構傳遞路徑分析[J].振動與沖擊,2010, 29(6): 88-91.
WANG Wan-ying, JIN Xiao-xiong, PENG Wei, et al. Structural transfer path analysis of tire vibration and noise [J]. Journal of Vibration and Shock, 2010, 29(6): 88-91.
[9]余雄鷹,閔福江,文偉,等.輪胎/路面噪聲的結構傳遞路徑分析[J].汽車工程,2013, 35(11): 1030-1034.
YU Xiong-ying, MIN Fu-jiang, WEN Wei, et al. Structural transfer path analysis of tire/road noise[J]. Automotive Engineering, 2013, 35(11): 1030-1034.
[10]LMS International. Transfer path analysis: the qualification and quantification of vibro-acoustic transfer paths [Z]. LMS Application Note, 2005.
[11]嚴輝,康潤程,陳明.多參考TPA在整車路面載荷提取中的運用[J].汽車科技,2013(1): 10-14.
YAN Hui, KANG Run-cheng, CHEN Ming. Application of multi-reference TPA in vehicle road load extraction [J]. Auto Mobile Science & Technology, 2013(1): 10-14.
[12]葉剛,周鋐.基于多參考傳遞路徑分析的路面噪聲研究[J].汽車技術,2014(1): 29-33.
YE Gang, ZHOU Hong. Study of road noise based on multiple references transfer path analysis [J]. Automobile Technology, 2014(1): 29-33.
[13]G’omez Gonz’alez A, Rodr’guez, Sagartzazu X, et al. Multiple coherence method in time domain for the analysis of the transmission paths of noise and vibrations with non stationary signals [C]//Proceedings of ISMA2010 Including USD2010, Leuven, Belgium, September 20-22, 2010.
[14]Sottek R, Philippen B. Separation of airborne and structure-borne tire-road noise based on vehicle interior noise measurements [C]//SAE Technical Paper 2010-01-1430, 6th International Styrian Noise, Vibration and Harshness Congress-Sustainable NVH Solutions Inspired by Ecology and Economy, Graz, Austria, June 9, 2010.
[15]Schuhmacher A, Tcherniak D. Engine contribution analysis using a noise and vibration simulator [J]. Sound and Vibration, 2009, 43(1): 16-21.
[16]袁旻忞,Anne Shen,魯帆,等.高速列車運行工況下噪聲傳遞路徑及聲源貢獻量分析[J].振動與沖擊,2013, 32(21): 189-196.
YUAN Min-min, Anne Shen, LU Fan, et al. Operational transfer path analysis and noise sources contribution for China railway high-speed (CRH) [J]. Journal of Vibration and Shock, 2013, 32(21): 189-196.
