某SUV氣動噪聲性能試驗與數值仿真研究＊

徐旭 劉海軍,2 馬利 陸黔林

（1.長城汽車股份有限公司，保定 071000；2.河北大學，保定 071000）

主題詞：氣動噪聲 后視鏡 格子玻爾茲曼 統計能量法 風洞試驗

1 前言

近年來，發動機、輪胎噪聲等得到了有效控制，車輛周圍的氣動噪聲對車內聲場的貢獻更加明顯。當車速大于100 km/h 時，除車身底部的風噪外，A 柱、后視鏡及前風窗玻璃區域產生的氣動噪聲貢獻了乘員艙噪聲的主要部分[1-2]。這種由A 柱與后視鏡引起的湍流產生的壓力脈動包含對流項與聲壓分量[2-3]，與對流分量相比，聲學分量的振幅通常非常小，但由于玻璃的吻合效應，聲學分量貢獻了駕駛室內中高頻噪聲的主要部分[3-5]，而中高頻范圍是乘員感知最敏感的區域，也是影響車內聲品質的主要因素。

近幾年，多種試驗與數值計算方法應用于減小乘員艙內氣動噪聲。在試驗方面：賀銀芝[6]等基于同一聲源產生的主瓣與旁瓣相干的清除（Clean based Spatial Source Coherence，CLEAN-SC）算法，識別出車外氣動噪聲源分布情況，并得到車外聲源與車內噪聲的相關性；Bremner[7]等人開發了一種高分辨率的微電子機械系統（Micro Electromechanical System，MEMS）麥克風陣列，將傳感器和隨機存儲器集成在電路板的芯片上，能夠快速分離對流壓力與聲學壓力。在仿真方法方面：袁海東[4]等人通過基于聲學擾動方程組的混合計算氣動聲學方法得到前側窗的湍流壓力激勵和聲學壓力激勵，并引入動力學模態分解（Dynamic Mode Decomposition，DMD）對前側窗表面壓力激勵進行分析，討論了不同激勵對車內噪聲的貢獻量，識別出前側窗主要聲源位置；Fukushima[8]等人研究了一種動態連接激勵源與傳遞路徑系統的模型，將聲學分量與對流分量綜合為一種表面力，運用該模型，將計算流體力學（Computational Fluid Dynamics，CFD）中計算的壁面波動作為激勵力，并采用其與試驗測得的車身靈敏度（Noise Transfer Function，NTF）的乘積來預測內部噪聲；Powell[9]結合格子玻爾茲曼方法（Lattice Boltzmann Method，LBM）與統計能量分析（Statistical Energy Analysis，SEA）法對底盤噪聲進行求解，并與試驗結果進行對比，得到較高的預測精度；劉功文[10]等人利用LBM 與SEA 結合的方法對整車外造型風噪進行了預測，與試驗結果吻合度較好，并在此基礎上進行了相關優化探索。

本文基于LBM 得到整車外流場壓力脈動分布情況，采用SEA 法求解內部聲場，與風洞試驗結果進行對比，得到車內聲品質參量（語音清晰度）和聲壓級，并對聲源主要區域進行優化。

2 數值計算方法

2.1 瞬態流場計算

不同于傳統的求解宏觀連續體N-S 方程的方法，LBM 建立在一種“介觀”動力學基礎上，運用粒子分布函數的離散波爾茲曼（Boltzmann）方程使得流場的求解比N-S 方程更簡單、更普遍，因為它僅限于求解粒子的運動和分布。這種介觀描述適用于更廣泛的空間尺度和時間尺度。

LBM的理論公式為：

式中，fi為粒子在i方向的分布函數；向量x為某粒子的位置坐標；ci為一組離散的速度矢量集；ciΔt、Δt分別為空間增量和時間增量；Ci(x,t)為粒子碰撞項。

為簡化說明，假設Δt=1 s，對式（1）中碰撞項采用簡化形式表示為：

式中，τ為松弛因子；為基于局部流體動力特性的均衡分布函數。

基礎的流體動力參量，如密度ρ和速度u，通過力矩方程式（3）、（4）獲得：

在低頻和波長限制下，為了選擇合適的離散速度向量集，在低馬赫數范圍（＜0.4）內恢復瞬態可壓縮N-S方程。所得狀態方程的運動粘度與松弛因子τ服從理想氣體定律，通過式（4）得到：

式中，v為湍流粘度；T為絕對溫度。

式（1）～式（5）組成了求解流體動力學的LBM方案，它在稱為體素（voxels）的立方體元素組成的網格上求解，并且允許可變的分辨率。

2.2 車內噪聲計算

車內噪聲計算采用統計能量法。風噪聲源由瞬態表面壓力計算得出，轉化為SEA 模型的能量輸入，聲源分為2種：直接作用在壁面的湍流壓力脈動以振動形式傳遞到車內；空間聲波以透射形式傳遞到車內。

湍流壓力脈動對壁面的輸入功率為：

式中，實數部分代表壓力與速度的復諧波振幅，積分表示在整個壁面進行求和；Re為方程式實部；P*為壓力波動函數；V為速度函數；Ω為板件面積；ω為角頻率。

聲學壓力脈動對壁面的輸入功率為：

式中，nP(ω)為面板的模態密度；c為聲速；σ為面板輻射效率；為聲壓的均方根；ρsp為面板的面密度；f為等效節點力。

根據分解到每個子系統的能量等于該系統耗散的能量與傳遞到子系統的能量之和，即可得到單一系統的平均能量。

子系統能量平衡方程為：

式中，Wk,in為子系統k的輸入能量；[Ek]、[Ej]分別為子系統k、j儲存的平均能量；ηjk為子系統k輸入子系統j的耦合損耗因子，其中：

式中，ηk為子系統k的內損耗因子。

3 試驗方法

3.1 車內風噪聲測試

車內風噪聲測試在3/4 開口的回流式聲學風洞進行，該風洞噴口面積27 m2，背景噪聲水平在160 km/h風速下低于61 dB(A)。

試驗現場如圖1所示，為排除底盤與縫隙泄露對風噪的影響，將底盤周圍區域以及上車身縫隙進行封堵，將此方案設為基準狀態，優化方案均在此基礎上進行。測試過程中，車內4個座椅位置安裝人工頭用于采集耳部噪聲信號。測試風速為140 km/h，偏角為0°，側窗外表面布置5 個表面傳聲器，用于外部壓力脈動的測量，如圖2所示。

圖1 車身及底盤密封

圖2 表面傳聲器布置位置

3.2 車內混響時間測試

在用統計能量法計算風噪對車內的響應時，需要使用混響時間作為輸入參數，為使仿真模型更加接近實車工況，對實車進行混響時間的測定。

使用丹麥B&K公司的數據采集設備、功率放大器、全指向聲源及4 個傳聲器，試驗在半消聲室進行，背景噪聲小于30 dB(A)。在車內4 個位置各布置1 個傳聲器，如圖3 所示，通過聲源發聲測量各頻率下聲源衰減60 dB 所需要的時間，最終測得4 個傳聲器的平均值即為車內的混響時間。

圖3 傳聲器及聲源布置

3.3 玻璃阻尼損耗因子測試

在排除聲泄露與底盤噪聲的條件下，玻璃的隔聲量遠小于鈑金的隔聲量，可認為外部風噪聲僅由側窗玻璃和前風窗玻璃傳入車內[1-2,10]，則基于統計能量法測量系統的阻尼損耗因子時，只需測量側窗玻璃和前風窗玻璃的阻尼損耗因子。

試驗在整車上進行，測試設備采用西門子LMS 數據采集系統、三向加速度傳感器及剛性力錘。在前風窗玻璃上布置10個傳感器，分別對各點敲擊10次進行測試，側窗玻璃布置5個傳感器，如圖4所示，分別對各點敲擊5進行測試。測試完成后，通過MATLAB進行數據后處理得出各頻率下的阻尼損耗因子如圖5所示。

圖4 前側窗傳感器布置

圖5 前側窗阻尼損耗因子

4 基礎狀態結果分析

4.1 外部流場分析

基礎狀態外流場渦核云圖如圖6所示，從圖6可知，渦強度較大處主要包括后視鏡、A 柱底部、刮水器及前風窗玻璃區域，其中，后視鏡及A 柱區域對側窗影響最大，刮水器對前風窗玻璃區域影響較大，A 柱前端的沖擊氣流對前風窗玻璃區域影響也較大。

圖6 渦識別準則λ2等值面云圖

車外測點的壓力脈動頻譜試驗與仿真結果如圖7所示，由圖7可知，仿真與試驗結果有非常好的一致性，滿足精度要求。測點3在中高頻區域偏差略大，原因為此點處在A柱拖拽渦再附著區，且附著位置會隨著時間變化，對位置非常敏感，由于測量誤差導致仿真測點的位置與實際位置有偏差，使仿真結果偏大。

圖7 各測點壓力脈動頻譜

4.2 車內風噪分析

基于統計能量法計算車內響應時，將混響時間與玻璃阻尼損耗因子作為聲學邊界條件輸入，得到140 km/h風速下車內響應頻譜圖，并與試驗數據進行對比，如圖8 所示。由圖8 可知：試驗結果與仿真結果趨勢一致，在低頻差別略大；在4 kHz處試驗數據出現尖峰，這是由于玻璃的吻合效應導致，仿真數據在同樣的頻率處出現尖峰，只是幅值略高；總聲壓級（試驗值62.1 dB(A)，仿真值61 dB(A)）相差1.1 dB，語音清晰度（Articulation Index，AI）（試驗值76.1%，仿真值76%）相差0.1百分點。

圖8 車內噪聲頻譜

綜上，仿真數據與試驗數據一致性較好，誤差在合理范圍內，該仿真方法可有效模擬實車風噪水平。

5 氣動噪聲優化探索

5.1 方案建立

針對該車型主觀評價風噪聲大的問題，從氣動噪聲方向進行優化探索，由前文分析可知，聲源較大的區域之一集中在后視鏡，且后視鏡支架離人耳較近，推測可能對車內噪聲有貢獻，基于此推斷，對后視鏡支架進行優化。

在上述基礎狀態（后視鏡上表面與水平面夾角為-3°）下，將后視鏡支架上表面后端分別旋轉到0°、7°（方案1、方案2）建立模型，如圖9所示。

圖9 后視鏡支架方案

5.2 結果分析

針對上述方案進行數值計算，車內響應計算結果如圖10所示，基礎狀態在1～5 kHz范圍內較其他2個方案大1～3 dB(A)，語言清晰度分別較其他2 個方案小2.4 百分點、2.6百分點，方案1與方案2效果相差不大，方案2略優。

為進一步確定優化方案效果，對優化方案進行風洞驗證，在實車上用油泥對支架進行造型，取仿真結果中最優的方案2 與基礎狀態進行對比驗證，車內響應試驗結果如圖11 所示，方案2 比基礎狀態高3 百分點，在1～5 kHz范圍內比基礎狀態小1～3 dB(A)，趨勢與仿真結果一致，但試驗結果頻率影響范圍略大。

圖10 車內噪聲仿真結果

圖11 車內噪聲試驗結果

由以上分析，仿真結果與試驗結果趨于一致，對仿真結果進行分析，如圖12a、圖12b 所示，基礎狀態后視鏡三角座后部聲壓強度較大，方案2相同位置聲壓強度明顯減小；如圖12c、圖12d所示，兩者差別不大，可知在此頻段湍流分量對車內貢獻很小，而聲學分量作用較大。由此推測該區域聲學壓力大是由其他區域聲源傳到此區域造成。

圖12 側窗壓力分布云圖

圖13a、圖13b為后視鏡鏡臂切面的速度分布，由于支架后部向下傾斜，使氣流在末端速度加快，造成很強的下切氣流，與下部的上卷氣流摻混，導致很大的渦量，如圖13c、圖13d所示，形成聲源傳到側窗。支架后部上調之后，下切氣流速度減小，湍流強度減小。

圖13 外流場云圖

所以，在進行后視鏡支架設計時，上表面盡量保持水平或略微上調，不建議向下傾斜。

6 結束語

本文結合LBM與統計能量方法對汽車風噪進行仿真，在聲學風洞中進行試驗驗證，基于該方法對造型優化進行了相關探索和驗證。頻譜數據顯示，仿真結果與試驗結果在0.25～1 kHz范圍內基本吻合，車內總聲壓級相差1.1 dB(A)，語音清晰度相差0.1百分點，由于風噪主要在中高頻起作用，以上頻率范圍已滿足風噪計算要求；基于該方法對后視鏡支架優化的仿真結果與試驗結果優化方案語音清晰度相差0.5百分點，兩者趨勢一致，建議在進行后視鏡支架設計時，上表面盡量保持水平或略微上調，不建議向下傾斜。

以上結果驗證了LBM與SEA結合的方法進行風噪仿真的有效性，對車型設計階段的風噪性能的驗證與開發提供參考。