曾 軍,何興鳳,莫貴文
(1.湖南湖大艾盛汽車技術開發有限公司,湖南 長沙 410013;2.中汽研(天津)汽車工程研究院有限公司,天津 300300)
基于輪心載荷的整車路噪分析是通過建立整車有限元模型(包括Trimbody車身系統、動力傳動排氣系統、轉向系統、前后懸掛和制動系統、輪胎系統等),并在該整車模型4個輪胎轉向節輪心處(每個點六個方向)施加單位力激勵,分析得到試驗提供的轉向節16個測點、每個點三個方向的振動傳遞函數。將樣車在實際道路上行駛時測試得到的汽車轉向節處的加速度結合逆矩陣法、主成分分析法[1]求得路噪載荷激勵(當處于前期開發階段無樣車時,該路噪分析激勵可借用同底盤平臺的其他車型)。將路噪激勵施加到CAE整車模型4個輪胎轉向節輪心處、經計算求解得到路噪分析[2]的仿真結果,基于該仿真結果可實現汽車在研發設計階段的 NVH路面噪聲性能的評估、診斷、優化和提升等。
基于輪心載荷的整車路噪分析是汽車研發設計階段整車NVH性能前期開發中關鍵的一環,但整車路噪分析在載荷提取、模型建立、工況加載、結果處理、問題診斷和優化都需要耗費大量的時間,且極易出錯,從而導致分析效率、可靠性下降,影響開發周期和成本,最終影響汽車產品投放到市場中的競爭力。
Tcl /TK是由John K. Ousterhout于1988 年開始開發的解釋型、無需編譯、易拓展的腳本語言。Tcl(具命令語言)語法固定、語言簡明高效、易閱讀,常用于快速原型開發、腳本編輯、GUI和測試等方面;TK是使用最廣泛的Tcl 拓展,為用戶提供簡潔豐富的圖形功能,讓用戶可以輕松地創建簡單的圖形界面。HyperGraph是應用廣泛、強大的有限元后處理軟件,其提供了Tcl二次開發接口,但與HyperMesh前處理二次開發不同,HyperGraph需要根據幫助文檔提供的由上到下樹狀Tcl/TK命令流,通過獲取每一級的handle來讓用戶進行二次開發,相對而言比較麻煩,但根據自身工作需求開發出的各種功能,可實現將繁瑣、重復的操作高效率地完成并保持高度的準確性。
Python是由荷蘭人Guido van Rossum于1989年發明的一種面向對象、任務直譯式計算程序設計語言,在編程和行業應用中廣泛應用,尤其是在大數據和人工智能方面,故Python特別適合于NVH工程分析領域中(載荷、前后處理、報告等都涉及大量的數據參數)。其簡單易用,開發效率高,且豐富的語言生態使 Python能夠在編程過程和環境中使用多種外部編程資源,當然能夠與Tcl/TK結合進行應用的混合編程開發。除此之外,Python語言簡短、方便靈活的特性使得其比C/C++的開發效率高5~10倍。
TPA的基本方法為如下的公式,關于TPA詳細原理介紹,目前行業內文獻較多,本文不再贅述。


圖1 計算裝配狀態下系統接附力、計算響應結構在獨立狀態下的傳凼(NTF)
分別計算加載了輪心載荷的整車有限元模型(裝配狀態下)的系統接附力、不包括動力傳動和底盤系統的Trimbody有限元模型的NTF傳函,將這兩個計算結果在 HyperGraph中利用NVH→Transfer Path Analysis加載進行TPA后處理分析,可以初步得到一個主分量工況下的路噪問題峰值的診斷排序,包括多個接附點輸入路徑貢獻及其每個路徑下的NTF傳函、力、動剛度速度導納貢獻排序。在后處理中診斷提供的信息仍不夠清晰明了,想要進一步的提煉信息進行診斷報告編寫,以方便地進行展示和傳閱。

圖2 HyperGraph后處理路噪分析TPA診斷
為了進一步得到TPA分析結果的客觀展示以及報告,方便工程師快速得到準確的診斷結果,本文對此進行了整車路噪TPA分析自動化報告程序的定制化開發。TPA分析自動化報告程序開發流程如下:

圖3 開發簡易邏輯流程
首先需要從 HyperGraph中提取信息,包括圖片以及Notes下的文本信息(問題峰值的24主分量貢獻排序、主分量下的接附點路徑輸入排序信息,以及該接附點下的NTF噪聲傳函、硬點動剛度和傳遞力的排序信息)。如下為基于HyperGraph二次開發[3]從后處理中自動獲取每個plot窗口下的Notes文本信息并自動截圖保存的部分tcl代碼:

得到了需要的數據信息,需要對其進行必要的“清洗操作”,也即根據需求,按照一定的規則和格式,對每張截圖進行重命名、文本信息拆分。以上操作可通過編寫Python代碼來自動化實現。

圖4 獲取的圖片和文本信息
最后,利用 Python的 pptx模塊進行報告自動化生成[4]的代碼編寫,結合優秀的PyQt5 GUI編寫工具,制作完成如下的TPA自動化報告生成程序。

圖5 路噪TPA診斷自動化報告程序
從Optistruct求解器得到的整車路噪分析純文本pch結果文件,到自動化生成的圖文并茂的TAP自動化分析報告,僅需要花費30 s的時間(傳統手工處理得到TAP分析報告需要花費 30~60 min),不僅極大地減少了報告的編寫時間,而且報告的內容直觀、準確、可靠,極大避免了人為主觀因素導致的錯誤,且后續還可根據不同需求修改程序進行不同的報告定制。生成的報告內容由三部分組成,如圖6所示。


圖6 TPA路噪峰值主分量貢獻排序、路徑診斷和分解、主分量路徑分解柱狀圖
通過路噪TPA自動化分析報告,可以直觀地得出以下結論:
在調查進行前,設計問卷調查表與臨床診斷結果記錄表;參加調查的2名醫生均為口腔科專科醫生。采用統一診斷標準對患者進行診斷,并對2名醫師的診斷結果進行一致性檢驗,kappa值大于0.9;每份調查表在數據錄入前經專人集中審核,再由專人錄入數據庫,確保數據真實、可靠。
(1)哪些主分量對問題峰值路噪響應起主導作用;
(2)相應主分量下哪些接附點路徑貢獻主導著主分量問題峰值路噪響應;
(3)高響應的原因在于傳函過高、傳遞力過高,還是局部動剛度過低;
(4)最后,可著手于降低傳函、調整隔振率平衡力的分布、提高局部動剛度等方向進行結構、參數等優化。
因為輪心載荷是通過 24個主分量激勵分析工況加載到整車有限元模型中的,所以其分析結果對應有24條響應結果曲線,需要在HyperGraph中手動將響應點的24條響應曲線全部加載。為了得到24個工況的最終合成的噪聲曲線,需要將響應點的24條響應曲線作RSS(the root sum of squares,平方根)處理,用于對標的測試曲線單位往往是 dB(A),故需要將其進行dB(A)A計權處理,如圖7所示。

圖7 手動加載處理的24條路噪曲線分析結果
該過程極其機械、繁瑣,且容易遺漏曲線加載導致出錯,從路噪分析結果,得到如駕駛員右耳響應點的路面噪聲結果(在頻域Frequency[Hz]下的聲壓級SPL[dB(A)])的正確展示,需要耗費約7~10 min,且一般2排座椅的車內有前排駕駛員右耳、前排副駕駛左耳以及后排中間成員3個響應點,則需要花費20~30 min不等。如此耗時費力的結果處理,在后面的問題頻率峰值優化結果處理中更加讓工程師崩潰,且這種方式處理的結果在HyperGraph保存的mvw文件十分不利于向其他人員傳閱(因為結果曲線引用的路徑是本機的,而拷貝到其他人員電腦上會無法識別報錯)。
HyperGraph中通過values的方式添加曲線數據是可以直接保存在mvw文件中的。通過HyperGraph利用Tcl/TK進行二次開發,可將從pch結果中提取的數據通過tcl代碼加載到HyperGraph中。最后兩行代碼為關鍵代碼,就是通過values的方式添加曲線數據,基于HyperGraph二次開發[3]的部分tcl代碼如下:


基于頻率的聲壓(dB(A))數據可以通過可通過編寫Python代碼直接從pch結果讀取,整車路噪仿真結果后處理自動化程序部分python代碼[5]如下:

其中的A_w為A計權系數,不同頻率系數不同。
結合PyQt5 GUI工具編寫好的程序如圖8、圖9,只需要選擇路噪分析結果pch文件(可選多個一鍵處理),然后根據關鍵信息設置提取頻率和響應點,第四步選擇需要加載數據展示到已打開的HyperGraph后處理程序窗口名稱,最后單擊確定(處理)即可快速將路噪結果展示到HyperGraph后處理當中。比如處理一個pch文件到最終的結果展示,只需要不到1 s的時間,即使選擇了20個pch結果文件,需要耗費的時間也不會超過10 s,相對于一般手動處理無誤的情況下需要花費30 min而言,極大地提升了結果后處理的效率、準確性以及自動化水平。

圖8 整車路噪仿真結果后處理自動化程序

圖9 程序自動化處理加載的路噪分析結果
該路噪結果后處理自動化程序實現了將數據后臺自動化處理與HyperGraph中結果自動展示的無縫結合。且程序集成了多個實用功能:測試數據加載對比、目標線導入、應用模板展示等(該功能將會根據需求持續地增加和拓展),極大地方便了工程師的后處理、顯著提高了工作效率,使工程師能夠專注于路噪性能的方案優化當中。
當前,具備大數據應用、大數據處理、優秀的混合編程特性、易于開發等優點的Python語言,十分適合于NVH性能分析多數據、多參數特點的應用場景當中。且具有完整NVH工程解決方案的HyperWorK工程仿真軟件能夠方便地使用Tcl/TK語言進行二次開發,所以可方便地將Tcl/TK和Python編程結合起來,在NVH性能仿真的載荷、建模、分析、診斷、優化、報告等眾多場景進行各種自動化應用工具的定制開發,實現汽車工程 NVH性能分析領域的高效率、高精度、低成本、全自動的現代化辦公。