汽车声学密封性能检测

杨 洋，褚志刚

（1.重庆工业职业技术学院 汽车工程系，重庆 401120；2.重庆大学 机械工程学院，重庆 400044)

车内噪声水平的高低在很大程度上决定了汽车的乘坐舒适性，进而影响其市场竞争力[1，2]。大部分车内噪声是由车外发动机噪声、轮胎路面噪声、空气动力学噪声等通过车身上声学密封性能薄弱的部位泄露至车内的[3，4]。因此，采用合理有效的方法准确检测汽车的声学密封性能，正确识别其薄弱部位，是进一步降低车内噪声水平的前提，对提高其乘坐舒适性及市场竞争力具有重要意义。

目前，已有的汽车声学密封性能检测方法主要有烟雾法、加压泄压法、声源识别法等。烟雾法在车内施加高压彩色烟雾，通过在车外观测烟雾的泄露情况来确定密封性能薄弱的部位，该方法简单方便，但无法量化各部位的泄漏量。加压泄压法向车内打气来提高车内气压，通过观测车内气压下降至外界大气压力时所需要的时间来衡量汽车整体密封性能的好坏，但其无法确定密封性能薄弱部位的具体位置。声源识别法在特定条件下进行车身表面的噪声源识别试验，基于声源识别结果，不仅能够准确定位密封性能薄弱的部位，而且能够准确定量这些部位的声音泄漏量，是一种较优的检测方法。声源识别法根据测试设备测量位置的不同，分为车内检测和车外检测两种。车内检测直接利用测试设备在车内测量由车外泄露至车内的声音信号，常用的是基于球形传声器阵列的球谐函数波束形成方法[5，6]，其理论复杂，且因车内结构复杂而不易于试验布置。车外检测基于声学互易原理，在车内设置声源，利用测试设备在车外测量由车内泄露至车外的声音信号，典型的有声强法、基于平面传声器阵列的延迟求和波束形成法。声强法[7，8]利用声强探头直接测量车身外表面的声强并进行声学成像，通过对比分析不同位置的测量声强量来识别声源，其识别准确，但耗时长，成本高。波束形成法[9―14]利用平面传声器阵列在距离车身表面中长距离的位置接收声音信号，基于“延迟求和”理论在反向聚焦声源平面各点时对各传声器接收的声音信号进行“相位对齐”和“求和运算”，使真实声源所在位置的输出量被加强，而其他位置的输出量被衰减，从而有效识别声源，相比于声强法，其具有测量速度快、计算效率高、中高频分辨率好等优点，是近年来较为流行的声源识别方法。

本文在消声室内进行某汽车的声学密封性能检测，在车内设置无指向性声源，利用平面传声器阵列在车外接收由车内泄露出的声音信号，基于波束形成准确识别车身表面的声源，即声学密封性能薄弱的部位，为进一步改善其密封性能、降低车内噪声水平提供依据。

1 波束形成理论

波束形成声源识别技术利用传声器阵列接收声音信号，离散声源计算平面形成聚焦网格点，基于延迟求和算法在反向聚焦各网格点时对各传声器接收的声音信号进行“相位对齐”和“求和运算”，使真实声源所在聚焦点的输出量被加强，其他聚焦点的输出量被衰减，从而有效识别声源[9―14]。图1为波束形成声源识别布局示意图，黑色“·”表示阵列传声器，rm(m=1，2，…，M)为m号传声器坐标向量，M为传声器数目，图示为直径0.65 m的36通道COMBO阵列，灰色“★”表示声源计算平面聚焦点，r为其坐标向量。波束形成的输出量如式(1)所示[9]

其中C为阵列传声器接收声音信号的互谱矩阵，1为元素均为1的矩阵，上标T和∗分别表示向量的转置和共轭，v=[vm(r)]为r聚焦点位置的转向列向量，w≡[|vm|2]。式(2)为转向向量的元素表达式，k=2πf c为波数，f为信号频率，c为声速

图1波束形成声源识别布局示意图Fig.1 Layout of beamforming sound source identification

图2 显示了声源计算平面中心位置声源的识别结果，显然，当聚焦点r等于真实声源所在位置时，B(r)输出量最大，形成“主瓣”，当聚焦点r不等于真实声源所在位置时，B(r)输出量被衰减，形成“旁瓣”，从而声源被有效识别。最大旁瓣水平相对于主瓣峰值的高低决定了声源识别的准确度，进一步，在声音信号的互谱矩阵中消除对角线自谱元素，可以消除阵列各传声器通道自噪声的影响，有效衰减最大旁瓣水平，提高声源识别的准确度[9,12―14]。设C'为对角线元素均为0的互谱矩阵，1'为对角线元素均为0其他元素均为1的矩阵，相应地，波束形成输出量可写为

图2 声源计算平面中心位置声源的识别结果Fig.2 Identification result of the source in the center of the source plane

2 试验准确性检验

为保证基于波束形成的汽车声学密封性能检测结果的准确性，在相同的试验条件下，首先进行已知声源的识别试验来检验波束形成的声源识别准确性。图3为检验试验的布局示意图，其在全消声室内进行，辐射单频声波信号的WB 3509型压电晶体蜂鸣器作为已知声源粘贴在试验车右侧车身上某一确定的位置，用安装4958型传声器的直径为0.65 m的Brüel ＆ Kjær公司的36通道COMBO阵列接收声音信号，阵列平面中心正对车身表面的B柱且与车身表面间的垂直距离为1.9 m。阵列各传声器接收的声音信号被41通道PULSE 3560 D型数据采集系统同时采集并传输到PULSE LABSHOP软件中进行频谱分析，得传声器声音信号的完整互谱矩阵，基于式(3)示的波束形成理论编程实现声源计算平面的声源识别声学成像，这里，设定声源计算平面尺寸为2.2 m×1.6 m，网格间距为0.05 m×0.05 m。图4为声源识别成像图，其成像量是由式(3)计算的波束形成输出量转化的声压级水平，8 dB的显示动态范围内，声学中心恰好出现在蜂鸣器所在的位置，声源被准确识别，表明波束形成技术能够保证汽车声学密封性能的准确检测。

图3 检验试验布局示意图Fig.3 Layout of the check test

图4 已知蜂鸣器声源的识别成像图Fig.4 Contour plot showing the identification result of the given beeper source

3 汽车声学密封性能检测

进一步，基于波束形成进行汽车右侧面和后侧面的声学密封性能检测试验，试验根据声学互易原理，在车内放置4292型无指向性声源，图5为声源布置的示意图，测量时，人为控制PULSE发出频率为3 600～4 400 Hz的宽带白噪声信号通过2716型功率放大器放大后驱动该无指向性声源发声，这里，选择3 600～4 400 Hz的信号频率范围是因为波束形成方法在中高频时具有较高的空间分辨率，该频带可以保证识别结果的空间精度。试验采用的传声器阵列、数据采集系统及右侧测量时阵列的布置形式与上述检验试验相同。图6为3 600～4 400 Hz频段右侧面的声源识别成像图，可见，最大的声学中心位于前后车门的缝隙处，且沿着前车门边缘成“L”型分布，8 dB的显示动态范围内，前后车门缝隙的顶部位置也出现声学中心，其幅值低于第一声学中心约6 dB，说明前车门的后部、特别是后下部区域密封不良，为主要薄弱环节。

图5 声源布置示意图Fig.5 Arrangement of the omnidirectional source

图6 3 600～4 400 Hz频段右侧面基于声压级的声源识别成像图Fig.6 Contour plot of sound pressure level showing the identification result of the right side in 3 600～4 400 Hz

式(3)所示的波束形成输出量反映的是声源在传声器阵列平面的声压贡献量，波束形成技术还可以通过声强缩放系数α将声源在传声器阵列平面的声压贡献量缩放为声源表面的声强量，并通过局部区域内的声强积分计算各个声源的声功率[15]，声强缩放系数α的表达式为

其中ρ为声音传播介质的密度，c为声音的传播速度，D为传声器阵列的直径，λ为声波的波长。缩放声强量的表达式BI(r)为

基于该理论，将图6所示的基于声压贡献量的声学成像图转化为图7示的基于声源表面声强量的声学成像图，并在各个声源对应的局部区域内进行声强积分来计算各声源的声功率，图8为得出的声功率谱，黑色实线为总体声功率谱，其积分区域为整个声源计算平面，红色波折线为第一声学中心对应声源的声功率谱，其积分区域为图7中红色波折线框所示的区域，蓝色点画线为第二声学中心对应声源的声功率谱，其积分区域为图7中蓝色点画线框所示的区域，可见，三条谱线均在3 600～4 400 Hz频段出现较高的幅值，而在其他频段的声功率幅值显著降低，这与车内无指向性声源产生的声音信号的频段相吻合，表明识别出的声源的确是由于车内声音信号向外泄露而形成的，再次验证声学密封性能检测结果的准确性。

图7 3 600～4 400 Hz频段右侧面基于声强级的声源识别成像图Fig.6 Contour plot of sound intensity level showing the identification result of the right side in 3 600～4 400 Hz

在进行汽车后侧面声学密封性能检测试验时，阵列平面与车身表面间的垂直距离为1.2 m，设定声源计算平面尺寸为1.4 m×1.0 m，网格间距为0.05 m×0.05 m。图9为其3 600～4 400 Hz频段基于声压级的声源识别成像图，可见，强度相差不大的第一、二声学中心均出现在后挡风玻璃上，表明后挡风玻璃是声音泄露的主要部位，究其原因，主要是因为后挡风玻璃隔声性能差的缘故。汽车后侧面上各声源的声功率谱呈现出与右侧面图8类同的规律，这里不再重复。

图8 整体声功率谱及各声源的局部声功率谱Fig.8 Overall and partial sound power spectra

图9 3 600～4 400 Hz频段后侧面基于声压级的声源识别成像图Fig.9 Contour plot of sound pressure level showing the identification result of the rear side in 3 600～4 400 Hz

综上所述，右侧前车门后下部区域、后侧挡风玻璃是该汽车声学密封性能薄弱的环节，为该车的声学密封性能改善指明了方向。

4 结语

本文基于波束形成声源识别方法检测某汽车右侧面和后侧面的声学密封性能，所做工作及取得的主要结论如下：

(1)基于已知蜂鸣器声源的识别结果检验波束形成的声源识别准确性，结果表明：波束形成能够准确有效地识别声源，保证汽车声学密封性能的准确检测。

(2)基于波束形成声源识别方法检测某汽车右侧面和后侧面的声学密封性能，结果表明：右侧前车门后下部区域、后侧挡风玻璃是该汽车声学密封性能薄弱的环节。所得结论为该车的声学密封性能改善指明了方向，对降低车内噪声、改善其乘坐舒适性具有重要意义。

[1]于学华，张家栋.汽车车内噪声产生机理及控制技术[J].噪声与振动控制，2008，（5）：122-125.

[2]马天飞，高 刚，王登峰.基于声固耦合模型的车内低频结构噪声响应分析[J].机械工程学报，2011，47（15）：76-82.

[3]宋传学，赵彤航.轿车车内噪声测量分析及控制方法[J].吉林大学学报，2007，37（5）：1000-1004.

[4]贺银芝，杨志刚，王毅刚.汽车车身密封对车内气动噪声影响的机理及试验研究[J].汽车工程，2012，34（8）：692-695.

[5]Boaz Rafaely.Plane wave decomposition of the sound field on a sphere by spherical convolution[J].J.Acoust.Soc.Am.,2004,116(4):2149-2157.

[6]Munhum Park,Boaz Rafaely.Sound field analysis by plane wave decomposition using spherical microphone array[J].J.Acoust.Soc..Am.,2005,118(5):3094-3103.

[7]褚志刚，杨 洋，蒋忠翰.摩托车怠速异响噪声源的识别及控制[J].噪声与振动控制，2011(4)：89-92.

[8]Mehdi Batel,Marc Marroquin,J.Hald.Noise source location techniques simple to advanced applications[J].Sound and Vibration,2003,27(3):24-38.

[9]J.J.Christensen,J.Hald.Beamforming.B ＆ K Technical Review,2004.

[10]褚志刚，杨 洋，蒋忠翰.波束形成传声器阵列性能研究[J].传感技术学报，2011，24(5)：665-670.

[11]褚志刚，杨 洋.近场波束形成声源识别的改进算法[J].农业工程学报，2011，27(12)：178-183.

[12]杨 洋，褚志刚，倪计民，等.除自谱的互谱矩阵波束形成噪声源识别算法研究[J].噪声与振动控制，2011，31(4)：145-148.

[13]杨 洋，倪计民，褚志刚，等.基于互谱成像函数波束形成的发动机噪声源识别[J].内燃机工程，2012，33(3)：82-87.

[14]Angeliki Xenaki,Finn Jacobsen,Efren Fernandez-Grande.Improving the resolution of three dimensional acoustic imaging with planar phased arrays[J].Journal of Sound and Vibration,2012,331(8):1939-1950.

[15]J.Hald.Estimation of partial area sound power data with beamforming[C].The 2005 Congress and Exposition on Noise Control Engineering(Inter-Noise),Rio de Janeiro,Brazil,August 07-10,2005.