車內低頻結構耦合噪聲板件貢獻量分析

吳明欽 周龍龍

摘要：通過對車身板件聲學貢獻分析得出車室特性聲學特性，推導封閉空間板件振動在空間內產生的輻射噪聲，結合車室壁板計算車身板件聲學貢獻量，在考慮到目標點位置權重與相對噪聲水平系數提出板件綜合聲學貢獻量系數。為了確定車身需要優化的板件，通過聲-固耦合有限元模型利用邊界元法確定車內目標點的頻響曲線，計算出聲腔結構劃分出的車身峰值頻段下的車身板件綜合聲學貢獻量系數。在Isight中用最優拉丁超立方法對需要優化的7塊板件于設計空間內抽取50組樣本，在有限元模型中計算目標響應，根據7塊板件厚度參數因子與4個目標響應，運用徑向基神經網絡模型（RBF），建立精度較高的車身板件近似模型。

關鍵詞：板件聲學貢獻量;頻響曲線;近似模型;拉丁超立方法

中圖分類號：O422.8? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2020）24-0073-05

0? 引言

車輛NVH（Noise，Vibration，Harshness）是人們一直不斷探索的話題，它是評價車輛舒適性的重要指標，好的NVH性能給乘駕人員帶來身心的舒適感，而差的NVH性能會嚴重破壞車室環境，會使駕駛員產生疲勞感，威脅到行車安全[1]。因此，通過優化車室板件降低車室噪聲提高車輛NVH性能具有一定意義。

國內外學者對板件優化來降低車室噪聲做了大量研究與試驗，韓旭[2]面對多場點多聲壓峰值提出一種新的“聲學貢獻和”法來分析壁板聲學貢獻量，全面的衡量板件對多特征點的聲學特性的貢獻，確定敷設阻尼層的最佳位置，并進行實車試驗驗證該方法的可行性。趙靜[3]通過引入模態置信度準則來驗證結構有限元模型的準確性，并計算車內目標點的聲學靈敏度曲線，根據實車怠速工況分析車內聲壓峰值頻段下的板件貢獻量，在實車上對貢獻量大的板件施加阻尼，得到聲壓峰值明顯下降。靳暢[4]引入特征頻率計權系數和場點權重系數來分析車內聲場的板件貢獻量，其中通過1階模態頻率和板件、板件振速、阻尼層厚度間的近似模型等，建立非線性響應面模型。以板件振速最小為優化目標尋求最優組合，通過實車驗證優化方案的可行性。Lim T C[5]通過近似光譜公式建立車身板件輻射噪聲模型，利用聲強和結構聲響應的測量裝置，得到單面板的貢獻函數，通過實車驗證該方法的有效性。

本文通過推導封閉空間內板件輻射噪聲計算式，分析板件對空間內的聲學貢獻量，結合目標點位置權重和相對噪聲水平系數，提出板件聲學在特征頻率下的聲學貢獻量，結合板件聲學綜合貢獻量找出需優化的車身部件。利用最優拉丁超立方設計法對板件厚度參數在空間范圍內抽取樣本點，并在有限元模型中計算目標響應值，根據輸入因子和目標響應利用徑向基神經網絡法建立近似模型。

1? 車輛車身板件聲學貢獻量分析

車室板件受激勵振動形成輻射噪聲組成了車室內低頻噪聲，不同頻率下作用在同一板件上的同一目標點下的貢獻量各不相同，而同一頻率下把不同車身板件貢獻量矢量疊加之后作用在聲室內任何目標點上形成聲壓疊加。因此，在對車身板件貢獻量的計算分析時，對單一目標點某一頻率進行噪聲板件貢獻量分析不能成為標準，而是需要對車身板件進行綜合計算分析得到綜合貢獻量系數，這樣可以精確確定需要優化的車身板件數量。

1.1 封閉結構空間內部聲壓的計算

不同車身板件形成的封閉空間組成車室聲腔，而形成的聲腔是一個不規則的空間形狀，如圖1所示為封閉空間。

在只考慮壁板聲源的情況下，圖1為封閉空間是由彈性壁板S組成，O為坐標原點，根據亥姆霍茲積分可知，求解得到輻射噪聲。其中解封閉空間車身壁板S以及振動A點所產生的輻射噪聲如式（1）所示。

式中G（rA，r1，w）是點體積聲源S1對聲場中A點輻射聲壓的格林函數。在測試格林函數時根據互逆原理得到格林函數的另一種表達形式，并對其求導得到式（2）。

式（2）中，QA（rA，w）為A點的體積聲源，PS1（r1，w）為S1點的聲壓。

由聲速在n方向導數與聲速的關系，以及聲壓與聲速關系，對式（1）進行變換得到式（3）。

在計算聲腔內點A的聲壓時，發現聲源A到壁板邊緣的速度較低，因此可以忽略不計，即vs1（r1，w）等于0，所以板件輻射在A點產生的聲壓等于式（3）的第一項。假設車室封閉壁板是由Si（i=1，2…k…n）個點組成，板件上某點對A點的輻射聲壓如式（4）所示。車身的某塊板件L是由S1，S2…Sk個點組成，板件L中某點對車內A點的輻射聲壓為式（5）。

車身壁板對A點的輻射聲壓為n個點對A點輻射聲壓的矢量疊加。則板件L對A點的輻射聲壓就是板件L內各個點對A點輻射聲壓的矢量疊加。

1.2 板件綜合聲學貢獻量

通過板件對車內某點輻射聲壓的量化分析，得出板件L的聲學貢獻量即是板件L對車內某點輻射聲壓值在該點總矢量聲壓值方向上的投影[6，7]。得到板件L對車內A點的貢獻量系數為式（6）。

不同板件輻射噪聲通過矢量疊加作用在目標點上形成車內聲場，因此，在進行板件聲學貢獻量分析時，需要同時考慮到多個響應點和多個頻率等影響因素，而單一條件下計算的板件貢獻量不能作為衡量標準，從實際情況考慮，響應點的權重aj，而相對噪聲水平系數βj可以通過仿真計算得到，從而獲得多響應點多頻率下車身板件綜合貢獻量系數，即：

其中，s響應點的個數，m特定頻率的個數，Dej（ωi）某頻率下車身板件對于響應點的貢獻量系數。

1.3 車身板件聲學貢獻量計算

建立整車聲-固耦合有限元模型，通過對比有限元法與理論法計算車身結構局部模態頻率，驗證所建結構模型的準確性。利用LMS Test.Lab試驗臺測量發動機懸置點激勵數據，選取頻段20～200Hz的激勵載荷，在Virtual.Lab中對車身結構懸置點施加該載荷，運用耦合邊界元法計算車室噪聲[8-9]，選取駕駛員與副駕雙耳位置為目標點，得到四個目標點的聲壓曲線如圖2所示。

圖2中可知四條頻率響應曲線的波動趨勢基本一致，其中所對應的曲線分別為駕駛員左耳（DLE）、駕駛員右耳（DRE）、副駕左耳（PLE）以及副駕右耳（PRE），通過對頻率響應曲線的研究，其中72Hz、134Hz和184Hz作為突出峰值，而在頻率72Hz處，四個目標點的聲壓值都在62dB處波動，在頻率134Hz處四個目標點的聲壓值在57dB處波動，在頻率184Hz處四個目標點的聲壓值在57dB處波動。聲場內各板件產生的噪聲相互耦合使得頻響曲線的趨勢出現波動，其中聲壓峰值，可能是由于板件強烈輻射造成或由于聲腔共鳴引起。

通過對聲壓峰值頻段的確定，由此可以得到峰值頻段下車身板件的聲學貢獻量，通過聲腔與車身結構耦合邊界面，可以把車身板件分割為20塊區域，結合在Virtual.Lab中計算特征頻率下結構耦合板件貢獻量的計算公式，得到了在不同目標點上的聲學貢獻量系數如表1所示。

從表1中得出同一板件對同目標點在不同頻率下，貢獻量是不相同的，根據公式（7）可得車身板件綜合貢獻量系數如表2，根據車室乘坐工況，設定駕駛員位置權重系數為1，副駕位子為0.6，通過公式（8）計算噪聲水平系數得到駕駛員左耳位置的噪聲水平系數0.502，副駕系數為0.498。因此，計算得到板件綜合貢獻量系數如表2所示。

由表2可知，7號、20號、8號、4號、17號、2號、9號為綜合貢獻量較大的車身板件位置，把需優化板件分別記作X1、X2、X3、X4、X5、X6、X7。

2? 建立板件厚度參數與目標響應間的近似模型

2.1 空間樣本點數據采集

通過表2得到綜合貢獻量較大的板件位置，其中把7塊板件厚度參數作為設計因子，并且通過車門玻璃和車身板件的國家標準確定7個設計因子的取值范圍，具體取值范圍為：X2和X6的取值在2.5～4mm，剩余5塊板件設計因子取值為：0.5～2mm。

采用最優拉丁超立方采樣法在Isight中對7個設計因子在空間上抽取50組樣本點，得到50組隨機水平組合。通過整車模態分析，在車身模態第17階出現了整車一階扭轉模態，所以y2記作第17階模態頻率響應，其中車身質量y1、駕駛員左耳和副駕左耳聲壓均方根值分別為y2、y4。根據50組設計因子使用有限元法計算輸出響應的50組參數，得到輸入因子與輸出響應的50組水平組合如表3所示。

2.2 近似模型的建立與誤差分析

通過表3的50組數據，利用RBF建立起設計因子與目標響應的近似模型。采用徑向基神經網絡模型，在Isight中把7塊板件厚度參數設定為輸入因子，而四個目標值設定為響應，得到輸入因子與響應關系的近似模型如圖3所示。

圖3中顯示出每個變量因子對目標響應的影響趨勢，觀察可知X1的變化對y1有強烈影響;X5的變化對y2有強烈影響，其余變量因子對目標響應y1和y2的影響相對平穩。y3和y4相對于每個變量因子變化趨勢較大，說明輸入因子的波動對其影響較大。

為了檢驗所建模型的精確度，通過隨機抽取樣本的方式進行驗證，在設計矩陣中選取10組樣本數據進行分析，得到結果如圖4所示。

由圖4可知，車身質量圖4（a）和車身第17階模態頻率圖4（b）的樣本點的分布情況可知，其樣本點基本都落在近似模型的直線上。駕駛員左耳聲壓均方根值圖4（c）與副駕左耳聲壓均方根值圖4（d）這兩者大部分點落在直線上或近似模型直線附近，因此，近似模型與數據很好的吻合，證明了近似模型較的精度，以均值誤差、均方根誤、最大誤差附相關系數這四個指標來評價近似模型的準確性，其中均值誤差和均方根值誤差的上限為0.2，這兩者值越小越好，最大誤差值也要求越小越好上限為0.3，復相關系數R2的值越大越好其上限為0.9。計算這四個指標的具體數值如表4所示。

表4中四個響應值的指標值都遠小于其上限，并且復相關系數值接近1，說明所建立的四個響應與輸入因子間的近似模型具有很好的擬合性。在Isight中選用NSGA-II算法，選定種群規模為100，世代數160，交叉概率0.9，交叉分布指數10，突變分布指數為20，經過16001次計算在14168處得到最優結果，計算得到結果如圖5所示。

通過有限元模型計算，驗證車身板件近似模型的優化結果較為準確，如圖5所示。

3? 結論

①通過板件振動輻射理論計算空腔內目標點輻射噪聲并推導板件聲學貢獻量，結合目標點位置權重與噪聲水平系數得到板件聲學綜合貢獻量。通過有限元法計算車室目標點的頻響曲線，在結合車身結構劃分出20塊車身板件，計算得到目標點聲壓峰值頻段下板件聲學貢獻量系數，根據板件聲學綜合貢獻量系數計算得到需優化的板件為車室地板中部、車室右側門板、車室后門玻璃、車身前圍板、右前車門玻璃、車內板前部、車身后門板。

②通過對7個設計因子經過最優拉丁超立方設計法在空間范圍內隨機抽取50組數據。根據輸入因子與輸出響應，通過徑向基神經網絡模型建立近似模型。并且隨機抽取10組數據對其進行性進行誤差分析，得到建立的近似模型具有較高精度，可以作為原方程的簡化方程來進行優化設計作為參考。

參考文獻：

[1]付吉云.基于聲固耦合模型的輕型客車車內低頻噪聲分析與控制[D].2016.

[2]韓旭，余海東，郭永進，等.基于壁板聲學貢獻分析的轎車乘員室聲場降噪研究[J].上海交通大學學報，2008，42（8）：1254-1258.

[3]趙靜，周鋐，梁映珍，等.車身板件振動聲學貢獻分析與優化[J].機械工程學報，2010，46（24）：96-100.

[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.

[5]Lim T C . Automotive panel noise contribution modeling based on finite element and measured structural-acoustic spectra[J]. Applied Acoustics， 2000， 60（4）：505-519.

[6]白松，徐新喜，劉孝輝，等.車輛壁板聲學貢獻分析與降噪試驗研究[J].振動與沖擊，2013，32（24）：204-208.

[7]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.

[8]王二兵，周鋐，徐剛，等.基于車身板件聲學貢獻分析的聲振優化[J].江蘇大學學報（自然科學版），2012，33（1）：25-29.

[9]張一麟，廖毅，莫品西，等.基于車身模態和板塊貢獻分析的阻尼優化降噪方法研究[J].振動與沖擊，2015，34（4）：153-157.

[10]侯獻軍，郭金，杜松澤，等.基于聲模態和板件貢獻分析的車身降噪研究[J].汽車技術，2018，512（05）：44-48.