車內(nèi)低頻噪聲預(yù)測模型的改進(jìn)*

徐中明, 何治橋, 賀巖松1,，張志飛1,，夏小均

(1.重慶大學(xué)，機(jī)械傳動國家重點(diǎn)實(shí)驗(yàn)室,重慶 400030； 2. 重慶大學(xué)汽車工程學(xué)院,重慶 400030)

2016138

車內(nèi)低頻噪聲預(yù)測模型的改進(jìn)*

徐中明1，2, 何治橋2, 賀巖松1,2，張志飛1,2，夏小均2

(1.重慶大學(xué)，機(jī)械傳動國家重點(diǎn)實(shí)驗(yàn)室,重慶 400030； 2. 重慶大學(xué)汽車工程學(xué)院,重慶 400030)

基于模態(tài)阻尼識別和載荷識別原理，提出了改進(jìn)的車內(nèi)低頻噪聲預(yù)測模型，結(jié)合實(shí)測加速度響應(yīng)頻譜，采用遺傳算法修正模態(tài)阻尼比和激勵力參數(shù)。將該方法應(yīng)用于某轎車車內(nèi)低頻噪聲預(yù)測中，建立包含座椅和駕駛員的轎車有限元-邊界元聲固耦合改進(jìn)模型，對20～200Hz頻帶范圍內(nèi)車內(nèi)噪聲進(jìn)行預(yù)測計(jì)算。同時(shí)通過試驗(yàn)測試實(shí)車怠速、30，40和50 km/h勻速工況下動力總成懸置點(diǎn)、車身懸掛點(diǎn)加速度信號和車內(nèi)聲壓響應(yīng)。結(jié)果表明：改進(jìn)后的模型預(yù)測值與試驗(yàn)值吻合良好，預(yù)測精度優(yōu)于傳統(tǒng)模型。

車內(nèi)噪聲；模型改進(jìn)；遺傳算法；參數(shù)識別

前言

在汽車NVH性能中，車內(nèi)噪聲是影響消費(fèi)者購買判斷最直接的因素之一[1]。在產(chǎn)品開發(fā)階段實(shí)現(xiàn)車內(nèi)噪聲的精確預(yù)測與分析可以大大縮短開發(fā)周期，降低開發(fā)成本，具有重要的工程應(yīng)用價(jià)值。有限元、邊界元方法廣泛應(yīng)用于車內(nèi)中低頻噪聲的預(yù)測分析之中[2]。 文獻(xiàn)[3]中使用有限元、邊界元方法，計(jì)算了某型轎車20～500Hz范圍內(nèi)發(fā)動機(jī)懸置激勵下駕駛員右耳聲壓響應(yīng)，為降低車內(nèi)噪聲提供了一定基礎(chǔ)。文獻(xiàn)[4]中以實(shí)車勻速工況下測試的某載貨車駕駛室4個(gè)懸置點(diǎn)加速度信號作為模型激勵輸入，基于耦合有限元法對20～200Hz頻帶內(nèi)駕駛員右耳噪聲進(jìn)行預(yù)測，通過與試驗(yàn)值對比證明了模型可以滿足一般工程需要。

預(yù)測模型參數(shù)的精確程度直接決定了計(jì)算結(jié)果的準(zhǔn)確性[5]。對于車內(nèi)低頻噪聲預(yù)測，因激勵力和模態(tài)阻尼比測試?yán)щy，在傳統(tǒng)方法中常測試激勵點(diǎn)附近加速度響應(yīng)信號作為激勵，且將各階模態(tài)阻尼比設(shè)為一常數(shù)[6]，導(dǎo)致模型與實(shí)際系統(tǒng)存在較大差異，制約模型預(yù)測精度的提高。

本文中以模態(tài)迭加法、模態(tài)阻尼識別和載荷識別為理論基礎(chǔ)，結(jié)合遺傳算法提出了車內(nèi)低頻噪聲預(yù)測模型改進(jìn)方法。建立某轎車FEM-BEM(有限元-邊界元)聲固耦合模型，通過試驗(yàn)采集實(shí)車怠速和勻速工況下發(fā)動機(jī)懸置與車身懸置附近加速度信號以及對應(yīng)工況下車內(nèi)聲壓信號，將改進(jìn)方法應(yīng)用于該車車內(nèi)低頻噪聲預(yù)測，與傳統(tǒng)方法預(yù)測結(jié)果對比，驗(yàn)證了改進(jìn)方法的有效性。

1 模型改進(jìn)方法

1.1 理論基礎(chǔ)

由頻域載荷識別原理[7]，激勵力可表示為

(1)

對于使用模態(tài)迭加法計(jì)算系統(tǒng)響應(yīng)，激勵點(diǎn)a至響應(yīng)點(diǎn)b的頻率響應(yīng)函數(shù)[8]為

(2)

式中：N為模態(tài)階數(shù)；φar和φbr分別表示點(diǎn)a和點(diǎn)b第r階模態(tài)振型系數(shù)；Kr為第r階模態(tài)剛度；Mr為第r階模態(tài)質(zhì)量；Cr為第r階模態(tài)阻尼；ωr為第r階模態(tài)頻率。

由模態(tài)應(yīng)變能模態(tài)阻尼識別原理[9]可得：

(3)

式中：ηs,n為第n組單元的結(jié)構(gòu)損耗因子；ESEr,n為第n組單元的第r階模態(tài)應(yīng)變能；ESEr,tot為所有單元第r階模態(tài)應(yīng)變能之和。

在模態(tài)空間中，系統(tǒng)響應(yīng)[8]可表示為

(4)

式中：{X(ω)}為系統(tǒng)的位移響應(yīng)向量；Φ為模態(tài)矩陣；Q表示模態(tài)坐標(biāo)向量；KM為模態(tài)剛度矩陣；MM為模態(tài)質(zhì)量矩陣；CM為模態(tài)阻尼矩陣。3個(gè)模態(tài)參數(shù)矩陣是對角元素分別為Kr，Mr和Cr的對角矩陣。

將式(1)代入式(4)，系統(tǒng)響應(yīng)最終可表示為

(5)

將式(2)、式(3)代入式(5)，結(jié)構(gòu)動態(tài)響應(yīng)可通過函數(shù)fs表示為

{X(ω)}=fs(ω,ωr,Φ,KM,MM,ESEr,n,

ESEr,tot,ηs,n,{Y(ω)})

(6)

對于結(jié)構(gòu)傳播噪聲，提高模型聲學(xué)預(yù)測精度可以通過提升結(jié)構(gòu)模型精度來實(shí)現(xiàn)。在模型前處理完成并滿足要求的情況下，參數(shù)ω,ωr,Φ,KM,MM,ESEr,n和ESEr,tot被唯一確定。設(shè){Y(ω)}為測點(diǎn)集A的加速度響應(yīng)向量，{X(ω)}為測點(diǎn)集B的位移響應(yīng)向量。假設(shè)ω,ωr,Φ,KM,MM,ESEr,n和ESEr,tot與系統(tǒng)真實(shí)值不存在誤差，當(dāng)B?A時(shí)，ηs,n與真實(shí)值存在的差異將導(dǎo)致X(ω)與實(shí)際值產(chǎn)生誤差。

1.2 模型改進(jìn)

(2)計(jì)算結(jié)構(gòu)模態(tài)并導(dǎo)出模態(tài)應(yīng)變能，根據(jù)模態(tài)阻尼比計(jì)算原理，結(jié)合結(jié)構(gòu)損耗因子計(jì)算模態(tài)阻尼比；進(jìn)而使用模態(tài)迭加法計(jì)算發(fā)動機(jī)和車身懸置激勵點(diǎn)至加速度測點(diǎn)頻響函數(shù)，最后，依據(jù)頻域載荷識別原理，結(jié)合試驗(yàn)測試得到的加速度響應(yīng)信號Y(ω)識別發(fā)動機(jī)和車身懸置激勵力。

2 預(yù)測模型建立

為驗(yàn)證上述模型改進(jìn)方法的有效性，本文中建立某轎車FEM-BEM模型，結(jié)合實(shí)車道路試驗(yàn)，將該方法應(yīng)用于該轎車車內(nèi)低頻噪聲預(yù)測。

2.1 FEM-BEM 模型

通過Hypermesh進(jìn)行網(wǎng)格劃分。單元尺寸設(shè)置為8mm，車身薄壁板件采用二維殼單元離散，發(fā)動機(jī)、發(fā)動機(jī)蓋、冷卻系統(tǒng)、排氣系統(tǒng)、油箱采用集中質(zhì)量和RBE2單元模擬，如圖2所示。

座椅和乘員是車內(nèi)聲場邊界的重要組成部分，其表面阻抗特性對車內(nèi)聲場分布有重要影響，因此，邊界元模型的建立需要考慮座椅和人體表面的影響。兼顧計(jì)算效率和精度，邊界元單元尺寸設(shè)置為40mm[10]。建立包含座椅和駕駛員的邊界元模型，如圖3所示。

為模擬內(nèi)飾和人體的聲阻抗特性，按照不同區(qū)域設(shè)置聲學(xué)阻抗邊界條件[6]，如表1所示。

2.2 試驗(yàn)測試

試驗(yàn)設(shè)備采用B&K LAN-XI數(shù)據(jù)采集系統(tǒng)、B&K4189傳聲器和B&K4524-B加速度傳感器。測試工況為發(fā)動機(jī)轉(zhuǎn)速為700r/min時(shí)的怠速工況、30，40和50km/h勻速行駛工況。

表1 聲阻抗參數(shù)

2.2.1 怠速工況

在發(fā)動機(jī)3個(gè)懸置點(diǎn)附近車身側(cè)各安裝一加速度傳感器，測試各點(diǎn)三向加速度頻譜信號，用于發(fā)動機(jī)振動激勵載荷識別，測點(diǎn)位置如圖4和圖5所示。

根據(jù)GB/T 18697—2002《聲學(xué) 汽車車內(nèi)噪聲測量方法》確定駕駛員右耳測點(diǎn)位置，在后排座椅處設(shè)置一聲壓采集點(diǎn)，測點(diǎn)位置如圖6和圖7所示。

2.2.2 勻速工況

勻速工況下，除測試發(fā)動機(jī)懸置加速度信號，還須測試車身4個(gè)懸置點(diǎn)加速度信號，用于路面載荷識別，另測試車身地板處2個(gè)位置的加速度響應(yīng)信號，用于誤差計(jì)算，如圖8和圖9所示。其余傳感器布置與怠速工況相同。分別測試車速為30，40和50km/h勻速工況下各測點(diǎn)加速度和聲壓信號。

2.3 參數(shù)設(shè)置

(7)

設(shè)置遺傳算法種群數(shù)量為20，進(jìn)化次數(shù)為500，選擇概率為0.8，交叉概率為0.4，變異概率為0.1。優(yōu)化經(jīng)過333次迭代收斂。目標(biāo)函數(shù)進(jìn)化曲線如圖10所示。經(jīng)過優(yōu)化，最終識別的系統(tǒng)0～500Hz范圍內(nèi)各階模態(tài)阻尼比如圖11所示；識別的50km/h勻速工況下各激勵點(diǎn)激勵力如圖12～圖18所示。

3 預(yù)測結(jié)果對比

為對比預(yù)測精度，采用傳統(tǒng)計(jì)算方法計(jì)算車內(nèi)駕駛員右耳及后排測點(diǎn)處聲壓響應(yīng)。

3.1 傳統(tǒng)預(yù)測方法

傳統(tǒng)預(yù)測模型流程圖如圖19所示。首先計(jì)算結(jié)構(gòu)約束模態(tài)，導(dǎo)出模態(tài)約束反力，然后加載加速度信號并設(shè)置全局均勻模態(tài)阻尼比，結(jié)合阻抗邊界條件計(jì)算車內(nèi)聲學(xué)響應(yīng)。

3.2 結(jié)果對比

預(yù)測結(jié)果對比如圖20和圖21所示。

由圖可見：采用傳統(tǒng)方法的計(jì)算結(jié)果與試驗(yàn)結(jié)果整體趨勢一致，各峰值頻率吻合良好，但幅值差異較大；相對于傳統(tǒng)方法，改進(jìn)后的方法預(yù)測結(jié)果與試驗(yàn)值更加吻合；由于模型建立存在一定簡化處理，且實(shí)測值包含背景噪聲和空氣傳播噪聲，預(yù)測值與實(shí)測值仍然存在一定誤差。

將經(jīng)過優(yōu)化識別的參數(shù)應(yīng)用于其余工況下車內(nèi)聲壓響應(yīng)預(yù)測。各工況預(yù)測誤差對比(均方根誤差RMSE、相對誤差)見表2。

表2 預(yù)測誤差對比

由表可見：改進(jìn)方法預(yù)測結(jié)果與試驗(yàn)值吻合更好，所有研究工況下聲壓級均方根誤差小于4dB(傳統(tǒng)方法為7dB)，最大相對誤差小于9%(傳統(tǒng)方法為12%)；相對于傳統(tǒng)建模方法，預(yù)測精度明顯提高。

4 結(jié)論

(1)將模態(tài)應(yīng)變能法模態(tài)阻尼識別原理和頻域載荷識別原理與模態(tài)迭加頻率響應(yīng)計(jì)算原理相結(jié)合，基于遺傳算法提出了車內(nèi)低頻噪聲預(yù)測模型改進(jìn)方法。

(2)將改進(jìn)方法應(yīng)用于車內(nèi)低頻噪聲預(yù)測，建立了包含座椅和駕駛員的某轎車FEM-BEM聲固耦合改進(jìn)模型，通過與傳統(tǒng)預(yù)測方法對比，結(jié)果表明：改進(jìn)模型預(yù)測結(jié)果最大均方根誤差小于4dB，最大相對誤差小于9%，預(yù)測精度高于傳統(tǒng)方法。

[1] LAURENT G,MORAD K, ENERGY D. Field approach for low and medium frequency vibration acoustic analysis of a car body using a probabilistic computational model[C]. SAE Paper 2009-01-2219.

[2] ANDRZEJ P, TAGE B. An investigation of the coupling between the passenger compartment and the trunk in a sedan[C]. SAE Paper 2007-01-2356.

[3] 劉獻(xiàn)棟，司志遠(yuǎn)，單穎春. 基于聲學(xué)傳遞向量法的車內(nèi)低頻噪聲分析與控制[J]. 汽車工程，2009,31(7):659-663.

[4] 張志勇，張義波，劉鑫，等. 重型卡車駕駛室結(jié)構(gòu)噪聲預(yù)測與板件聲學(xué)貢獻(xiàn)度分析[J]. 振動與沖擊,2014,33(13):67-71.

[5] SURKUTWAR Y, PATEL K, AMARA S, et a1. The application of the simulation techniques to predict and reduce the interior noise in bus development[C]. SAE Paper 2012-01-0219.

[6] 張義波. 基于聲固耦合模型的商用車駕駛室結(jié)構(gòu)噪聲分析與控制[D]. 長沙：湖南大學(xué)，2013.

[7] 唐榮江. 車內(nèi)聲品質(zhì)評價(jià)預(yù)測與控制技術(shù)研究[D]. 長春：吉林大學(xué)，2013.

[8] 傅志方，華宏星. 模態(tài)分析理論與應(yīng)用[M]. 上海：上海交通大學(xué)出版社，2000.

[10] 孫威，陳昌明. 基于FEM-BEM的轎車車內(nèi)低頻噪聲綜合分析方法[J]. 噪聲與振動控制，2008,48(1):48-51.

Model Improvement for Car Interior Low-frequency Noise Prediction

Xu Zhongming1,2, He Zhiqiao2, He Yansong1,2, Zhang Zhifei1,2& Xia Xiaojun2

1.ChongqingUniversity,StateKeyLaboratoryofMechanicalTransmission,Chongqing400030; 2.CollegeofVehicleEngineering,ChongqingUniversity,Chongqing400030

Based on the principles of modal damping identification and load identification, an improved model for car interior low-frequency noise prediction is put forward, with modal damping ratio and excitation force parameters revised by using genetic algorithm and based on the frequency spectra of acceleration response measured in real vehicle tests. The scheme is applied to the interior low-frequency noise prediction of a car. An improved FEM-BEM acoustic-solid coupling model including seats and driver is established and the predicted interior noises in the frequency range of 20-200Hz are calculated. Meanwhile corresponding tests are conducted to measure the acceleration signals and interior sound pressure responses at engine mounting points and car body suspended points. The results show that the prediction values with improved model are well agree with test data, with a prediction accuracy superior to the traditional model.

interior noise; model improvement; genetic algorithm; parameter identification

*中央高?；究蒲袠I(yè)務(wù)費(fèi)科研專項(xiàng)(CDJZR14115501)和重慶市研究生科研創(chuàng)新項(xiàng)目(CYB14036)資助。

原稿收到日期為2015年4月24日，修改稿收到日期為2015年8月27日。