汽車通過噪聲聲源識別方法研究進展

張 鑫，沈林邦，王子龍，葉方標

（招商局檢測車輛技術研究院有限公司 國家客車質量監督檢驗中心，重慶 401329）

汽車通過噪聲具有頻帶寬、隨車速變化快、來源眾多、產生機理復雜等特點，嚴重干擾城市居住環境、影響汽車品質。汽車噪聲限值及測量方法GB-1495新修訂稿對汽車通過噪聲限值、增加噪聲質保期及一致性提出更嚴格的要求，改變測試方法使其更加適合汽車實際行駛工況，這使汽車制造商在開發過程中面臨更嚴峻的挑戰。因此，準確高效地通過噪聲識別方法十分關鍵。

運用廣泛的汽車通過噪聲識別方法有：波束形成法、聲全息法、傳遞路徑分析（Transfer Path Analysis, TPA）三種方法。其中，基于麥克風陣列的波束形成法和聲全息法布置簡單，可實現聲學可視化，適合中長距離的聲源測試，方便直觀識別汽車噪聲源。TPA分析方法基于“源－路徑－響應”的思路，將響應分解到各個激勵源和傳遞路徑，有利于對主要激勵源進行控制，對敏感的路徑進行優化。本文分別闡述上述三種方法在汽車通過噪聲源識別領域的發展歷程和應用情況，分析其特點，最后總結其發展方向，為準確高效地識別汽車通過噪聲源提供參考。

1 波束形成方法

波束形成方法具有一次測量即可全面記錄聲場、適用于中長距離測量等優點，在移動噪聲源識別領域應用廣泛。該方法首先離散待識別的聲學平面，對傳聲器陣列所接收到的聲學信號進行反向延遲求和計算，在真實聲源所在聚焦點位置附近加權增強形成“主瓣”，在非真實聲源位置衰減形成“旁瓣”，從而有效識別聲源。移動的聲源導致靜止的傳聲器陣列所接收到的聲學信號存在多普勒效應。SIJTSMA等于2001年提出能夠移除多普勒效應的波束形成聲源識別方法，該方法將靜止傳聲器陣列所接收到的聲學信號和運動聲源位置準確關聯，同時將反向聚焦平面和運動聲源位置進行同步，最后通過延時求和算法獲得聲源在聚焦平面的位置和幅值，并進行旋轉聲源和飛機過頂噪聲源識別的試驗驗證。

汽車通過噪聲源頻率成分復雜，存在穩態和非穩態聲源，波束形成方法則憑借測量分析頻帶寬、速度快、適用于非穩態聲源等優勢備受青睞。2009年，I&R聲學咨詢公司DONAVAN等使用波束形成方法識別多輛重型卡車55英里/小時的勻速通過噪聲，結果表明重型卡車在高速運動時通過噪聲主要來源是驅動軸所在的輪胎噪聲，此外某些車輛動力傳動系統的階次噪聲也是重要來源。同年DONAVAN等使用波束形成方法研究重型、中型、輕型三類卡車高速時的噪聲特性，結果表明驅動軸胎噪是高速行駛時的主要噪聲源。2011年，丹麥Bruel & Kjaer公司開發了用于ISO 362汽車通過噪聲測試標準的波束形成聲源識別系統，該系統可實現汽車通過噪聲的貢獻量分析及三維聲學成像，為識別汽車通過噪聲源提供了直接途徑。同年，巴西金邊大學和比利時LMS公司將廣義逆波束形成方法運用于汽車通過噪聲源識別中，特定條件下該方法相比于傳統波束形成方法動態范圍更大、峰值定位更加準確，能準確搜尋到某乘用車的噪聲源。2012年，重慶大學褚志剛等構建一套基于波束形成方法的車外加速噪聲識別系統，對某貨車進行加速噪聲源識別，獲得了聲源幅值及位置隨轉速和車速變化的結果，結果表明該貨車動力系統是其主要噪聲源。2014年，PALLAS等使用波束形成技術評估某混合動力貨車在勻速、加速、制動等不同工況下的主要噪聲源以及垂直指向性，結果表明：相比傳統燃油貨車，混合動力貨車動力系統噪聲貢獻量及垂直噪聲量明顯減小，但高速工況下驅動輪所產生的胎噪、加速和制動工況下瞬時噪聲依舊明顯。2015年，BALLESTEROS等使用波束形成方法測試某轎車的在不同速度和檔位下的通過噪聲，在不同速度下前輪成像區域在1kHz附近均存在峰值，該噪聲屬于輪胎噪聲，且噪聲幅值隨車速增加而增大；車輛擋位越低，噪聲越大，驅動輪胎噪聲貢獻量越大。上述傳統波束形成方法已指明動力系統噪聲和輪胎噪聲是通過噪聲主要來源，為噪聲源的治理指明方向；但是傳統方法形成的主瓣寬度影響聲源識別結果的空間分辨率，旁瓣造成虛假干擾，使得聲源識別結果模糊而承受不確定性。

近年來反卷積方法被擴展至移動噪聲源識別中以克服上述不足。反卷積方法通常在頻域執行，并且需要使用陣列和聚焦平面間的固定點傳播函數。為將反卷積方法用于移動噪聲源識別中，需將整個運動過程分為多個微元段，把獨立的微元段視為準穩態過程，將信號從時域變換到頻域，最終使用反卷積方法。2017年，PADOIS等在雪地摩托車通過噪聲測試中對傳統波束形成識別結果使用 CLEAN-SC（CLEAN based on Source Coherent）方法反復移除與主瓣相干的旁瓣，準確定位了雪地摩托車的噪聲源，該方法尤其適合發動機噪聲、胎噪、排氣多個不相干聲源的情況。2018年，COUSSON等在頻域反卷積方法的啟發下，在時域內建立了移動噪聲源CLEAN-T（CLEAN- Time Domain）反卷積聲源識別模型，該方法完全在時域執行，并反復移除來自信號中的聲源時間貢獻量，相比于頻域反卷積方法聲源識別結果更加清晰，在低信噪比時聲源識別結果魯棒性更好。

基于波束形成的汽車通過噪聲源識別方法具有幾個優點：①方便快捷，聲源識別結果直觀可視化，直接獲得聲源輻射位置；②聲源成像結果可隨車速變化的實時呈現；③可以選擇特定頻率的聲源進行成像。該方法也存在以下不足：貢獻量分析僅能按照主要成像區域進行，不能完全精確到部件級，對于噪聲真實來源通常需要根據識別結果和各個部件特性進行綜合分析。

2 聲全息方法

聲全息方法最初指近場聲全息方法，近場聲全息能夠準確重建全息面聲壓、質點速度、聲強等關鍵聲學參數，廣泛用于近場靜態聲源識別中。1998年，WILLIANMS等將近場聲全息技術擴展至遠場，形成遠場聲全息技術，為后續遠場移動聲全息技術發展提供理論依據。

SAKAMOTO等將基于球面波假設的遠場聲全息技術拓展至移動源識別中，首次實現了基于聲全息技術的移動源可視化識別，并對輪胎噪聲等進行了分離；然該方法依賴于噪聲源特性，不適用于頻率變化的聲源和白噪聲，且該方法未考慮多普勒效應，聲源識別精度欠佳。KIM等提出移動框架聲全息技術，在一維麥克風陣列和聲源面之間構成運動框架，通過時域與空間域傅里葉變換移除多普勒效應影響準確構造全息面聲壓，然而該方法只適用于單頻和離散聲源。為擴寬移動框架技術的適用范圍，KIM提出改進的移動框架聲全息技術，結果表明改進后的方法不僅適用于單頻聲源還適用于窄帶聲源。清華大學楊殿閣等提出基于基爾霍夫衍射理論的移動聲全息重建算法，直接利用基爾霍夫衍射積分重建全息面聲壓，無需空間傅里葉變換，避免卷積問題，提高效率，高速移動聲源試驗表明該方法能夠有效識別聲源位置和幅值。吉林大學高印寒等提出基于小波分析的移動聲全息方法，通過小波變換移除信號中的多普勒效應，然后進行全息面聲學重建，該方法無須預知聲源真實頻率即可準確消除多普勒效應，80 km/h高速試驗結果證明該方法能準確識別移動源。

上述聲全息方法均在頻域內處理多普勒效應，計算量大，計算效率亟待提高。2011年，清華大學YANG為了提高識別效率，通過建立運動聲源和測量信號間的非線性時間映射關系以消除多普勒效應的影響，然后基于全息理論獲得被測物體表面聲壓分布，并將該方法用于某轎車通過噪聲源識別中，結果表明發動機噪聲及其諧波成分是最主要噪聲，輪胎噪聲隨車速增加而明顯增大且主要集中在1 kHz附近，車輛高速行駛時風噪和排氣噪聲凸顯。同年，YANG為提高測試效率，將上述聲全息理論和雙目視覺圖像處理算法融合成功研發聲學照相機系統，實現了高速車輛噪聲源準確測量和聲場可視化。現有聲全息算法都基于簡化的Morse理論，能夠處理的最高車速僅約100 km/h，當車速更高時基于簡化Morse理論的全息技術將產生明顯誤差。2015年，YANG等為了克服基于簡化Morse理論的聲全息方法不足，構建基于完整Morse聲學理論的聲全息方法，結果表明所提出的方法能夠有效避免聲源湮滅現象，準確重建速度為278 km/h的高速列車產生的通過噪聲源。

基于聲全息的汽車通過噪聲源識別方法同波束形成方法一樣均是基于聲陣列，其優缺點和波束形成方法類似。主要差別為①聲全息方法更加適合低頻聲源，難以識別高頻聲源如高速行駛時的高頻風噪；②聲全息方法對識別結果不能進行清晰化處理。

3 TPA方法

TPA方法通過建立“激勵源-傳遞路徑-系統響應”的傳遞模型，可以實現激勵源的查找、傳遞路徑的特性分析及系統響應預測，廣泛用于機械系統振動和噪聲診斷及預測中。近年來，TPA方法被用于汽車通過噪聲源識別中。

EDUARDO等將傳統TPA方法中的互易法分別用于汽車和列車通過噪聲中。該方法假設通過噪聲源和響應點之間的傳遞路徑固定，未考慮聲源和響應點間的相對運動；而實際汽車通過噪聲測試中，汽車位置實時變化，聲源和響應點之間的傳遞函數也實時變化。因此，傳統的TPA方法未準確考慮傳遞路徑實時性，所以也未能準確獲得運動聲源特性。2010年，鑒于傳統頻域方法不能準確獲得汽車通過噪聲源的特性，清華大學鄭四發等提出基于行駛工況的頻域傳遞路徑方法，基于微元思想將加速過程分為若干準穩態過程，然后識別準穩態聲源與靜止響應點之間的傳遞函數，并有效分離了主要噪聲源，分離結果表明重型商用車的發動機噪聲是其主要噪聲源，其次為傳動系統噪聲；對于響應點的貢獻而言空氣聲多于結構聲。相比頻域方法而言，時域方法無須將加速過程處理為若干準穩態過程，更適合處理非穩態工況。2012年，清華大學郝鵬等直接在時域內構建運動聲源的傳遞路徑模型，用脈沖響應函數代替傳遞函數，采用非線性時間變換消除多普勒效應的影響，時域方法相比于頻域方法速度更快、精度更高，結果表明汽車加速過程中發動機和進排氣系統是試驗樣車的主要噪聲源。

上述室外TPA分析方法符合真實情況，在汽車加速噪聲源識別中已被逐步推廣使用。然而室外TPA分析方法在運用逆方法求解傳遞函數時易受到干擾，因此，室內TPA方法逐步受到重視。2011年，JANSSENS等在半消聲室內基于時域TPA方法識別通過噪聲源，該方法依據車速判斷汽車位置，將在消聲室內的固定線性麥克風陣列所接受的聲學信號分段截取并合成，模擬一組完整的加速噪聲結果，貢獻量分析結果表明該方法高效準確。2017年，CHU等提出自適應截斷奇異值分解正則化方法抑制室內TPA方法中頻響函數矩陣病態問題，并用于實際室內通過噪聲測試，試驗結果顯示某乘用車無論加速還是勻速工況動力總成貢獻量占比均超過50%，胎噪均占比接近40%。

基于TPA方法的汽車通過噪聲源識別方法具有如下優點：①能夠準確獲得各個總成對總通過噪聲的貢獻量大小；②能夠識別關鍵傳遞路徑；③分析頻率范圍較波束形成法和聲全息更寬。該方法也存在以下不足：①不能直觀可視化聲源輻射位置，難以確認聲源輻射位置；②聲源的隨速度變化特性難以直觀展現。

4 發展方向

汽車通過噪聲源識別技術經過數年發展，形成波束形成、聲全息、TPA三種方法為主的技術路線，三種方法在汽車通過噪聲源識別中都取得豐富的研究成果。在綜述各個方法特點和進展后，指出汽車通過噪聲源識別方法的發展方向。

（1）對于基于傳聲器陣列的波束形成和聲全息方法而言，需要綜合考慮兩者識別通過噪聲的優點，實現整個分析頻率范圍內聲源的準確識別，實現低頻聲源識別結果空間分辨率高、高頻無虛假聲源的目的。

（2）波束形成和聲全息方法所識別的聲源以平面結果顯示，噪聲來源需要根據成像結果和各個部件特性綜合分析。因此考慮將TPA方法與基于陣列的波束形成或聲全息方法集成，一次試驗既能獲得聲源成像結果方便查找聲源輻射位置，也能獲得每一個總成對通過噪聲的貢獻，并識別待優化的傳遞路徑，提高汽車通過噪聲源識別的準確度和效率。