車室低頻噪聲預測與車身板件聲學貢獻分析

李蘇平，胡啟國，胡海波，羅天洪

（1.重慶交通大學 交通運輸學院，重慶 400074；2.重慶交通大學 機電與車輛工程學院，重慶 400074）

?

車室低頻噪聲預測與車身板件聲學貢獻分析

李蘇平1，胡啟國2，胡海波2，羅天洪2

（1.重慶交通大學 交通運輸學院，重慶 400074；2.重慶交通大學 機電與車輛工程學院，重慶 400074）

為預測車室低頻噪聲，建立車身結構有限元模型和聲場有限元模型，并使用網格映射方法將結構-聲場有限元模型耦合。建立發動機激勵動力學模型和路面隨機激勵動力學模型，利用Matlab/Simulink計算發動機懸置點激勵力和懸架處激勵力，并通過快速傅里葉變換得到激勵力的幅頻特性。加載發動機激勵力和懸架激勵力，在Virtual.Lab中進行聲學響應分析和板件聲學貢獻分析，預測車室噪聲并確定聲壓貢獻較大的板件。最后通過板件厚度參數優化，有效地降低測點聲壓。

聲學；噪聲預測；車身板件；聲學貢獻；發動機激勵；路面隨機激勵

車輛聲學舒適性已成為衡量車輛品質的重要指標，車室良好的聲學環境是保證汽車乘坐舒適性的必備條件。研究表明，在0～200 Hz范圍內，車室噪聲以車身板件受外界激勵作用產生的結構輻射噪聲為主［1］。汽車車身的薄壁板件，在受到以發動機激勵和路面隨機激勵為主要激振源的作用時，會產生振動引起車室空腔聲壓波動形成噪聲。在車輛研發設計階段，預測分析由發動機激勵和路面隨機激勵引起的車室噪聲，找出對車室關鍵位置聲壓貢獻較大的板件，然后有針對性地進行優化，是消除低頻結構噪聲、提高車室聲學舒適性重要手段［2-4］。

獲取發動機激勵和路面隨機激勵的常用方法是進行實車試驗測量，但在沒有樣車的設計初期，并不能通過實際測量獲取激勵力載荷，所以通過建立仿真模型計算激勵力載荷，對使用CAE技術進行車室噪聲預測和控制十分重要。文獻［5］中使用虛擬樣機技術模擬并提取了發動機懸置和懸架支點處的激勵力載荷，預測車室噪聲并分析了車身板件的聲學貢獻。文獻［6］在Nastran中建立了動力總成系統剛體模型，將剛體模型與有限元柔體車架相連接，計算了發動機激勵引起的結構噪聲。

為預測車室在0～200 Hz范圍內的低頻噪聲，確定對車室聲壓貢獻較大的車身板件，通過建立發動機激勵動力學模型和路面隨機激勵動力學模型，在Matlab中通過仿真計算發動機懸置處激勵力和懸架處激勵力，并經快速傅里葉變換得到發動機激勵力和由路面隨機激勵引起的懸架激勵力幅頻譜，為預測和控制由發動機激勵和路面隨機激勵引起的結構噪聲提供了一種有效的方法。

1　建立有限元模型

1.1車身結構有限元模型

利用Hypermesh建立車身結構有限元模型，因車身主要為薄壁板件，建模時采用殼單元進行離散，定義車身鈑金件的材料密度為7 850 kg/m2，彈性模量為2.06×1011Pa，泊松比為0.3。建模中利用ACE+ RBE 3單元模擬焊點連接；CELAS 1單元模擬彈簧連接；RBE 2和RBE 3單元模擬剛性連接；利用RBE 3+CONM 2單元定義集中質量；車門門鎖采用REB 2+CLEAS 1單元模擬。綜合考慮計算精度和計算工作量，定義網格單元尺寸為10 mm，建立的車身結構有限元模型如圖1所示。

圖1　車身結構有限元模型

1.2空腔聲場有限元模型

因座椅對聲場分布影響較大［7］，故在建立聲場有限元模型時，也建立了座椅模型。在Hypermesh中，對由車身壁板和座椅圍成的車室空腔，利用四面體單元進行網格劃分。建立的空腔聲場有限元模型如圖2所示。

2　發動機激勵和路面隨機激勵

2.1發動機激勵

圖2　空腔聲場有限元模型

發動機激勵作為車室噪聲的主要激振源之一，在分析車室低頻噪聲時是必須要考慮在內的。該車型所采用發動機為直列四缸四沖程發動機，據研究表明，發動機的激勵力主要是2次往復運動慣性不平衡力［8］，其2階慣性力的大小與發動機的轉速有關，轉速越高則二階慣性力幅值越大。

通過建立發動機激勵動力學模型，利用Matlab/ Simulink計算發動機四個懸置點處激勵力，再經快速傅里葉變換得到激勵力幅頻譜。在頻率0～200 Hz范圍內的發動機懸置點激勵力幅頻譜如圖3所示。

圖3　發動機懸置點激勵力幅頻譜

發動機懸置點激勵力在低頻時幅值較高，并且存在兩個峰值，這與發動機在實際工作中怠速時的低頻振動較劇烈，而高頻時振動幅值較小的特點比較相符，所以通過仿真計算方法求得的發動機懸置點激勵力是比較合理的。

2.2路面隨機激勵

為獲取因受路面隨機激勵作用引起的懸架處激勵力，采用白噪聲過濾方法模擬路面隨機不平度激勵，考慮車輛前后輪激勵的遲滯性和左右輪轍激勵的相關性，建立了路面隨機激勵時域模型，根據拉格朗日原理建立了整車七自由度振動動力學模型，利用Matlab/Simulink進行仿真計算，求得懸架對車身作用力隨時間的變化關系，再經快速傅里葉變換得到懸架激勵力的幅頻特性曲線。0～200 Hz范圍內的懸架處激勵力幅頻特性曲線如圖4所示。

懸架處激勵力在頻率大于50 Hz以后，幅值較小且趨于穩定，這不僅滿足由路面隨機不平引起的激振力主要集中在較低頻范圍內的特點，而且與文獻［5］中通過Adams仿真獲取的懸架激勵力幅頻譜具有較好的一致性，這說明計算得到的懸架處激勵力是可信的。

圖4　懸架處激勵力幅頻譜

3　車室低頻噪聲預測

因為結構網格與聲場網格單元大小不一樣，單元節點并不是一一對應的關系，所以需要定義網格間的數據對應關系將結構有限元模型與聲場有限元模型耦合。在Virtual.Lab中利用網格映射算法耦合模型，映射算法采用Element Maximum Distance，Number of Influenced Nodes設為4，定義Maximun Distance為150 mm，即使得在聲學網格某一節點半徑為150 mm的圓域內最多有4個結構網格上的節點與之相對應，作為該聲學網格節點的源數據點。

在車身結構有限元模型上，施加頻率0～300 Hz范圍內的發動機激勵力和由路面隨機激勵引起的懸架激勵力，基于模態疊加法進行車室噪聲預測。在駕駛員頭部（D）、副駕駛員頭部（P）處分別定義場點，作為聲壓響應輸出點。計算頻率20 Hz～200 Hz范圍內的聲壓響應，計算步長取1 Hz。測點D、P處A計權聲壓曲線如圖5所示。

圖5　測點A計權聲壓曲線

根據A計權聲壓曲線，測點D、P聲壓變化基本一致，并在頻率158 Hz、134 Hz附近都同時達到較高聲壓峰值。根據聲場模態貢獻量大小，聲場第7階模態對測點在頻率158 Hz處聲壓貢獻最大。車身板件振動速度、聲場模態貢獻柱狀圖、聲場第7階模態、聲場聲壓分布如圖6所示。

由圖6（c）、圖6（d）可知，在頻率158 Hz處的聲場聲壓分布與聲場第7階模態振型分布非常相似，在聲場第7階模態兩振腹位置（前頂棚和地板中部），聲場聲壓最高，而在聲場模態節線附近聲壓較低。在車身板件振動速度較大的位置B柱、后排車門和后地板處，附近聲場受振動板件的影響聲壓也較高。因測點D、P正好處于前頂棚下，所以測得聲壓很高。

圖6　158 Hz處測點聲壓較高的原因分析

在頻率134 Hz處，測點D、P也出現較高聲壓峰值。根據聲場模態貢獻量大小，聲場第4階模態對該頻率下的聲壓分布影響最大。車身板件振動速度、聲場模態貢獻柱狀圖、聲場第4階模態、聲場聲壓分布如圖7所示。

聲場聲壓在車身兩側和地板中部處聲壓較高，在空腔橫向對稱面及后背門處聲壓較低，聲場聲壓分布與聲場第4階模態振型分布也很相似，再次說明聲場模態對空腔聲壓分布影響很大。車身板件在中地板、左右兩側后車門處振動速度較大，受振動板件激勵作用，這些位置附近聲壓也較高。

綜上所述，聲場聲壓分布同時受到聲場模態分布和車身板件振動速度的影響。聲場模態振腹位置一般聲壓較高，節線附近聲壓較低。在車身板件振動速度較大的位置，受板件激勵作用聲壓較高。聲場模態與車室空腔形狀有關，不易使聲場模態發生較大變化，但是可以通過優化車身板件結構，抑制板件振動速度，達到降低車室噪聲的目的。

圖7　134 Hz處測點聲壓較高的原因分析

4　車身板件聲學貢獻分析

根據車室噪聲預測分析結果，車室聲壓在158 Hz、134 Hz處有較大峰值。將車身板件依據其結構特點分為24組，根據聲壓貢獻分析原理［9］，在Virtual.Lab中以車身板件振動速度為邊界條件進行板件貢獻分析。因D、P測點聲壓曲線變化基本一致，聲壓峰值也相差不大，所以僅分析車身板件對測點D的聲壓貢獻，其聲壓貢獻圖如圖8所示。

由圖8知，在158 Hz、134 Hz附近顏色較淺，表明聲壓較高，部分板件對測點D聲壓貢獻較大。對測點D聲壓貢獻較大的板件如圖9中板件聲壓貢獻柱狀圖所示。

根據圖9知，在158 Hz處對測點D聲壓正貢獻較大的板件為10_db_z、2_dp_q、9_db_q、8_qw，對應的車身板件分別為地板中部、頂棚前部、地板前部和前圍板。負貢獻較大的板件為 14_cm_yq、12_cm_zq，分別對應車身右前側車門和左前側車門。

圖8　車身板件對測點D聲壓貢獻圖

圖9　板件聲壓貢獻柱狀圖

在頻率134 Hz處，對測點D聲壓正貢獻較大的板件為12_cm_zq、15_cm_yh、18_mc_yq、21_kj_zh、14_cm_yq、9_db_q、10_db_z、20_kj_zq、23_kj_yh，對應的車身板件分別為左前車門內板、右后車門內板、右前車門風窗、左后側車身框架、右前車門內板、地板前部、地板中部、左前側車身框架和右后側車身框架。負貢獻較大的車身板件為左前車門風窗（16_mc_zq）和前圍板（8_qw）。

5　車身板件厚度優化

根據板件貢獻分析結果，板件8_qw對測點D聲壓在158 Hz處起正貢獻作用，而在134 Hz起負貢獻作用。板件10_db_z、9_db_q在兩頻率處對測點D聲壓正貢獻均較大。因為車身主要結構變化會對車身扭轉剛度和彎曲剛度產生較大影響，所以綜合貢獻分析結果，為降低車室噪聲，以聲學貢獻較大的板件10_db_z、2_dp_q、9_db_q、8_qw、12_cm_zq、14_cm_yq、15_cm_yh為優化目標，即優化地板（T1）、前頂棚（T2）、前圍板（T3）、前車門內板（T4）和右后車門內板（T5）。

采用最優拉丁超立方試驗設計方法和徑向基神經網絡方法，建立D測點聲壓峰值關于板件厚度參數的徑向基神經網絡近似模型，然后利用自適應模擬退火算法，在Isight中對板件厚度參數進行優化，共經過10 077次計算，第1 055次計算結果最優。優化前后板件厚度如表1所示。

表1　優化前后板件厚度/mm

車身板件厚度優化前后D、P測點A計權聲壓曲線對比見圖10。

圖10　厚度優化前后D、P測點A計權聲壓對比

車身板件厚度優化后，D測點聲壓明顯降低，在頻率158 Hz處聲壓幅值降低了4.88 dB，134 Hz處聲壓幅值降低了1.59 dB。測點P在聲壓峰值最大的159 Hz處降低了3.61 dB，134 Hz處降低了3.38 dB，說明通過板件厚度優化有效地降低了車室噪聲。

6　結論

（1）通過建立發動機激勵動力學模型和路面隨機激勵動力學模型，利用Matlab進行仿真計算求得發動機懸置點激勵力和懸架處激勵力，作為外載荷激勵力預測車室低頻噪聲的方法可行。

（2）聲場聲壓分布同時受聲場模態和車身板件振動速度的影響，一般聲場模態振腹位置聲壓較高，節線附近聲壓較低，板件振動速度較大的位置附近聲場聲壓較高。

（3）經過車身板件厚度優化，D測點聲壓峰值在頻率158 Hz處降低了4.88 dB，在134 Hz處降低了1.59 dB。P測點聲壓峰值在159 Hz處降低了3.61 dB，134 Hz處降低了3.38 dB。說明板件厚度優化可以有效地降低結構低頻輻射噪聲，提高車輛聲學舒適性。

［1］劉禹，喻凡，柳江.車輛乘坐室聲固耦合模態分析［J］.噪聲與振動控制，2005，25（5）：38-40+67.

［2］惠巍，劉更，吳立言.車內噪聲預測與面板聲學貢獻度分析［J］.噪聲與振動控制，2006，26（5）：62-66.

［3］朱曉東，沈忠亮，汪峰.駕駛室低頻噪聲的聲學特性分析與控制［J］.噪聲與振動控制，2015，35（1）：145-150.

［4］靳暢，周鋐.基于車內綜合聲場貢獻分析的車身板件聲振優化［J］.汽車工程，2015，37（12）：1438-1444+1432.

［5］曹友強，鄧兆祥，李昌敏.車內耦合聲場預測研究［J］.汽車工程，2008，30（6）：483-487+538.

［6］張光榮，于德介，姚凌云，等.發動機激勵引起的車內結構噪聲研究［J］.噪聲與振動控制，2010，30（1）：44-47.

［7］白勝勇，靳曉雄，丁玉蘭，等.轎車乘坐室聲學模態分析［J］.同濟大學學報，2000（2）：206-209.

［8］張立軍，周鋐，余卓平，等.發動機振動引起的車內噪聲控制研究［J］.振動、測試與診斷，2001（1）：59-64+74.

［9］靳曉雄，張立軍.汽車噪聲的預測與控制［M］.上海：同濟大學出版社，2004：105-112.

Vehicle’s Low Frequency Noise Prediction and Body Panel’s Acoustic ContributionAnalysis

LI Su-ping1，HU Qi-guo2，HU Hai-bo2，LUO Tian-hong2

（1.College of Traffic&Transportation，Chongqing Jiaotong University，Chongqing 400074，China；2.School of Mechanotronics&Vehicle Engineering，Chongqing Jiaotong University，Chongqing 400074，China）

In order to predict vehicle’s low frequency noise，a structural FEM for vehicle’s body and an acoustic FEM for interior cavity are established，and the mesh mapping method is adopted to couple the structural FEM and the acoustic FEM.The dynamic models of engine excitation and road random excitation are established respectively.The excitation forces of the engine mounting points and the suspension are calculated by using Matlab/Simulink，and their amplitudefrequency characteristics are obtained though fast Fourier transform method.Then，exerting the excitation forces of the engine and the suspension to the model，the passenger compartment noise is predicted and the body panels which have great acoustic pressure contribution are identified by using Virtual.Lab.Finally，by optimizing the panel thickness parameter，the acoustic pressures at the measurement points are reduced effectively.

acoustics；noise prediction；vehicle’s body panel；acoustic contribution；engine excitation；road random excitation

TB533+.2

ADOI編碼：10.3969/j.issn.1006-1335.2016.04.022

1006-1355（2016）04-0103-05

2016-01-24

重慶市基礎科學與前沿技術研究專項重點資助（cstc2015jcyjBX0133）；國家自然科學基金資助項目（51375519）

李蘇平（1989-），男，湖北省公安縣人，碩士研究生，主要研究方向為噪聲振動控制。E-mail:ataizz@139.com

胡啟國（1968-），男，碩士生導師。E-mail:swpihqg@126.com