虚拟车内噪声响度场分布的声源识别分析与优化

高印寒, 张澧桐, 梁　杰, 王智博, 姜文君

(1.吉林大学 汽车仿真与控制国家重点实验室,长春　130022；2. 吉林大学 仪器科学与电气工程学院,长春　130022； 3. 中国第一汽车股份有限公司技术中心,长春　130011)



虚拟车内噪声响度场分布的声源识别分析与优化

高印寒1, 张澧桐2, 梁杰1, 王智博1, 姜文君3

(1.吉林大学 汽车仿真与控制国家重点实验室,长春130022；2. 吉林大学 仪器科学与电气工程学院,长春130022； 3. 中国第一汽车股份有限公司技术中心,长春130011)

摘要：针对传统声压级对车内噪声主观性考虑不足的缺陷，提出符合人双耳特性的虚拟车内噪声特征响度预测及声源识别方法。根据某重型商用车驾驶室内低频轰鸣声严重的问题，基于Zwicker响度模型，在matlab中建立频域的混响场特征响度计算模型。结合路试实验激励数据和驾驶室有限元声-固耦合模型，对驾驶室内噪声响度分布和响度结构板块贡献量进行计算，识别不同板材振动产生的辐射噪声分量对驾驶室内噪声品质频谱特性的影响。实验结果表明：相对于声压级，采用响度作为分析参数提高了驾驶室内噪声源识别精度，指导结构优化设计，改善车内声学品质具有更好的效果。

关键词：汽车工程；混响场；声-固耦合；响度分布；贡献分析

科技的飞速发展将汽车NVH研究从降噪控制推向声品质设计的新阶段。传统A计权声压级是以人耳的“痛阈”而不是衡量听觉舒适性的“听阈”为基础，所以不能反映人对噪声的真实感受，以此指导车内噪声品质设计不能适应新的噪声设计要求[1-2]。

目前，相关研究人员致力于将声品质评价指标与结构设计参数有效地结合，使其能够直观的描述结构的声学特性[3-4]。而响度作为声品质概念中描述声学属性的48个物理特征量最重要的参数，可以部分取代非常耗时的主观试验，成为此领域的研究焦点。例如Haruki Saito等，基于声学全息影像技术，应用响度场分布代替传统的声压级场分布对发动机和车内的噪声源进行识别，取得较高的精度[5]。范蓉平等在实车试验中，用响度参数代替A计权声压级，评价车内噪声分布，指导高速列车内的声学优化设计，取得了良好的效果[6]。

本文针对某款重型商用车在70 km/h工况轰鸣噪声严重，A计权声压级与声品质主观评价不一致的问题。参考Zwicker响度模型，建立混响场频域特征响度计算模型，可通过频域声压级直接计算特征响度。结合驾驶室声-固耦合有限元模型，预测驾驶室内特征响度分布和响度结构板块贡献量，优化声压级分析结果，识别各结构板块振动对驾驶室内噪声品质的影响，并通过结构优化实验验证此方法的准确性和实用性。

1混响场响度分布计算方法

声-固耦合有限元方法是将声传播的封闭空气域空间离散化，结合结构模态振动特性，将结构上的力加载到空腔上，根据声学波动方程求解空气域的声学特性，并充分考虑内部声压对结构的反作用，其相应结构和声腔上任意节点在频域下的有限元运动方程可表示为：

(Ks+jωDs-ω2Ms)u(ω)+Kcp(ω)=Fs

(1)

(Ka+jωDa-ω2Ma)p(ω)+ω2Mcu(ω)=Fa

(2)

综合式(1)和式(2)可得到声-固耦合的有限元离散化方程：

其特征方程为：

(4)

(5)

(6)

将式(5)和式(6)代入式(3)，式(3)转换到模态坐标如下：

(7)

(8)

结构板块的声压级贡献量方程如下所示：

(9)

式中:qM为各个不同频率下的结构模态振幅矢量的对角化矩阵。

参考国际标准ISO532B中的Zwicker响度计算模型，采用 1/3 倍频带作为基础数据，引入特征频带对人耳的掩蔽效应作修正，特征频率和频带之间的关系可表示为：

z=13arctan(0.76f/1 000)+

3.5arctan(f/7 500)2

(10)

将单个临界带宽上的响度称为比率响度或特征响度，用N′表示。总响度N为特征响度N′在整个频带上的积分，响度和特征响度计算方程表示如下：

(11)

(12)

将模态坐标下的场点声压式(8)代入式(12)，得到模态坐标下的特征响度方程可表示为：

综上所述，结合噪声特性与相关声源及结构振动特性的关系，建立响度与结构质量、阻尼和刚度的数学关系，综合指导汽车结构的优化设计。本文针对驾驶室内低频轰鸣声，则分析的频率范围是20~355 Hz(0~4 Bark)[7]。

2驾驶室内响度分布模型的建立

2.1实车路试数据采集

如图1，驾驶室内声学测试点布置在副驾驶员的左右耳处和卧铺上。三向加速度传感器测量驾驶室的结构激励，测试点位置选择悬置系统的弹性阻尼单元与驾驶室的连接处。参考GB/T18697-2002《声学-汽车车内噪声测量方法》，采用最高挡，以10 km/h为步长，测试40~90 km/h六个工况的振动激励和噪声信号。对各工况进行声品质主观烦躁度等级评价试验，实验结果显示70 km/h工况评价结果最差，低频轰鸣噪声尤为严重[8-9]。

图1　驾驶室激励和输出噪声测试点Fig.1 The test point of excitation point and output point

2.2有限元驾驶室声-固耦合模型建立

驾驶室内中低频噪声主要驾驶室组成板振动与室内空腔的耦合产生的结构传播噪声。驾驶室有限元模型主要采用四节点和三节点壳单元进行网格划分，网格大小为10 mm。焊点采用cweld、RBE2和RBE3完成(见图2(a))。整个模型包含1001101个节点、1079655个单元。其中Tria3单元27009个，Quad4单元856456个，Tetra4单元140054个，Penta6单元355个。

图2　驾驶室有限元声-固耦合模型Fig.2 The acoustic-structural coupled finite element model of the cab

驾驶室声腔网格尺寸为70 mm，以六面体单元为主，包含Tetra4单元598535个(见图2(b))。声腔网格划分中考虑驾驶室主要内饰对声腔的影响，忽略小内饰部件。

2.3频域响度计算模型的建立与验证

相对于噪声的时频分析方法，特征响度更能准确反映影响人响度感受的车内噪声来源[10-11]。传统Zwicker响度模型通过滤波器组修正时域数据来完成特征响度计算，无法直接通过噪声频域数据计算特征响度，使响度分析局限于实车评价试验。

本文对Zwicker响度模型进行改进，采用声压级修正系数、双耳传递函数、人耳传递函数和频域掩蔽修正系数代替滤波器组，通过声压级1/3倍频程数据直接计算特征响度，将特征响度分析直接引入虚拟仿真实验中(见图3)。由于驾驶室属于混响场，在计算模型中加入混响场衰变系数，结合驾驶室内各场点声压级和几何坐标，在声压级预测分析的基础上，对任何场点的特征响度进行计算并分析结构板块贡献量。

图3　混响场响度计算模型Fig.3 Loudness calculation model of diffuse sound field

将实验测试的振动激励数据作为驾驶室声-固耦合有限元模型的输入，计算驾驶室内的线性声压级、A计权声压级和特征响度。提取副驾驶室左耳和卧铺测点20~330 Hz(0~4 Bark)的1/3线性声压级、A计权声压级和特征响度，并与实车测试数据对比，其中实验的特征响度是通过传统Zwicker响度模型计算得到(见图4)。1/3线性声压级和A计权声压级计算值与实测值的趋势和各峰主要值点基本一致，在20~250 Hz平均误差小于3%；在250~325 Hz趋势一致；误差达8%左右，平均误差低于5%；特征响度计算值与实测值的平均误差同样低于5%。其误差随车速增加而增大，主要原因是200 Hz以上的车内噪声含空气传递噪声。结果对比说明模型精度达到实用要求。

图4　70 km/h噪声频谱和特征响度图Fig.4 The frequency characteristics and characteristic loudness during 70 km/h

3驾驶室低频声学性能分析与优化

3.1驾驶室内响度分布分析

70 km/h工况下驾驶室内不同测点的噪声1/3倍频程线性声压级以中心频率为25 Hz、31.5 Hz、50 Hz和63 Hz的4个频带，噪声能量主要集中在22~36 Hz和56~71 Hz两段低频范围内(见图4(a))。各测点的较大差异表明驾驶室内噪声分布不均匀。A计权声压级曲线显示的噪声能量集中于50~70 Hz和230~260 Hz两个频段范围内，峰值分布在58 Hz、236 Hz和259 Hz。由于A计权声压级结果对于低频段(22~80 Hz)衰减较大，直接导致中频段噪声(230~260 Hz)反而较为突出，造成与声品质主观评价结果的矛盾(见图4(b))。驾驶室内特征响度显示噪声能量分布于0~1.5 Bark(20~130 Hz)范围内，占总响度值的22%，在0~1 Bark(20~89 Hz)尤为突出(见图4(c))。1 Bark之后特征响度值大幅度递减，4 Bark以后趋于稳定。0~1 Bark特征响度值相对于3~4 Bark(224~355 Hz)高出近3倍。说明驾驶室内低频段(20~89 Hz)噪声能量过高，对中高频噪声产生掩蔽效应，特征响度分析与声品质主观评价结果一致，都表现出车内低频轰鸣声严重。需要集中分析20~89 Hz频段的驾驶室内噪声频谱特征，尤其是22~36 Hz和56~90 Hz两个频段。

对比驾驶室内峰值频率的声压级分布和0~1 Bark特征响度分布(如图5)。驾驶室24 Hz和60 Hz处的声压级在X向声压级分布呈线性规律，两侧大中间小，在驾驶室底板和门板底部位置的声压最高，向驾驶时中上部逐渐呈线性衰减，到中部最小；Y向声压级则从驾驶室底部向上方线性衰减，噪声主要来源于驾驶室底板前侧、后侧中央区域和后围板底部。相对于驾驶室声压级分布，特征响度分布规律呈非线性，具有明显的声音掩蔽现象。在X向表现为底部两侧大，在中间副驾驶员左耳位置区域衰减中断，局部区域内响度值不变；Y向在驾驶室后底板中央位置区域特征响度值最大，在副驾驶员头部区域突然衰减。

综合对比驾驶室内声压级分布，确定22~36 Hz和56~90 Hz这两个频段内噪声能量较高，掩蔽了其他频段的噪声能量，使正副驾驶员处的局部范围内响度衰减较小，形成了令人烦躁的低频轰鸣声。其形成原因是24 Hz附近结构激励，及结构系统固有模态与激励在60 Hz附近的共振。驾驶室左右前底板、后底板中央区域以及门板底部的耦合振动最为明显，产生驾驶室内特殊的噪声分布现象。

图5　70 km/h工况驾驶室内声压级和响度场点分布Fig.5 The field point sound pressures and loudness distribution of the cab during 70 km/h

3.2驾驶室响度结构贡献量分析

参考声-固耦合的振动特性以及声压级和特征响度分布，将驾驶室详细划分成为23个部分(见表1)。

计算20~89 Hz(0~1 Bark)驾驶室声压级的结构板块贡献量和响度贡献量(见图6)。考虑相位的60 Hz峰值和20~90 Hz低频段声压级结构板块之间的贡献值较为接近，难以明确的分辨出主要声源板块。其中驾驶室的门板、后围板、后顶板、左右前底板和前内板相对较大，以此为基础需要优化的结构板块过多。而采用驾驶室0~1 Bark特征响度结构板块贡献分析，门板和左右前底板相对于其他板块贡献值最大，数值位于4.2~3.5 Sone之间。除了中央后底板，主要贡献板块相对于其他结构满足声音的掩蔽效应条件。由于响度不用考虑相位问题，即可忽略贡献小的板块。综上所述，驾驶室内低频轰鸣噪声主要来源于左右前底板、门板底侧和中央后底板。

表1　驾驶室结构板块划分表

图6　70 km/h驾驶室结构板块声压级贡献图和响度贡献图Fig.6 The sound pressures and loudness contribution during 70 km/h

3.3驾驶室声学优化计算与验证

对驾驶室采用自由阻尼优化，即将阻尼材料直接粘贴或喷涂在车身壁板表面，使阻尼层随壁板振动自由压缩和延伸，耗损部分机械能，达到控制车内结构低频噪声的目的，其优化区域的位置及大小对优化效果影响较大[11-12]。传统采用结构模态能量分布和声压级贡献分析来确定车身能量敏感区域的位置和大小[13-14]。

本文引入驾驶室响度分布及响度板块贡献量分析结果，结合结构模态数据确定结构噪声能量敏感区域。分别建立如表2所示的2种优化方案， 方案1以传统声压级分析结果为基础，方案2则以响度分析为基础，各方案所有阻尼材料的厚度和材质都相同。其方案2的成本较方案1减少41%。

表2　优化方案对比

以驾驶室结构模态为基础，按方案1和2优化相应结构板块的局部位置，并计算驾驶室内特征响度分布，结果显示方案2在低频响度分布明显优于方案1(见图7)。实车优化措施如图8，同时进行实车验证实验。测试结果如图9，方案2比方案1在A计权声压级曲线总值仅高0.54 dB(A)，对比频谱曲线相差不大。而相对于特征响度，方案2明显优于方案1，方案2在0~1 Bark比原车降低1.1 Sone。主观评价结果显示方案2在70 km/h的主观烦躁度评价等级较原车提高了0.95，低频轰鸣噪声基本消失，验证了本文技术的有效性。

图7　驾驶室结构模态结果与优化后70 km/h的响度分布Fig.7 Modal shapesresult and after optimal loudness mapping of the cab during 70 km/h

图8　实车优化措施Fig.8 Optimal case for the cab

图9　70 km/h优化前后声压级与特征响度对比Fig.9 Confrontation of the sound pressures and characteristic loudness before and after during 70 km/h

4结论

本文采用有限元技术，提出了一种基于虚拟混响场特征响度分布的声源识别方法，在传统技术基础上提供了一种全新的声学优化方法，主要结论如下：

(1)响度比声压级更能真实表现人的主观感受，与主观评价结果具有较好的一致性，尤其对中低频轰鸣噪声评价效果明显；

(2)改进Zwicker响度模型，采用声压级修正系数、双耳传递函数、人耳传递函数和频域掩蔽修正系数代替滤波器组，通过声压级1/3倍频程数据直接计算的特征响度预实验数据一致，具有较高精度；

(3)建立的虚拟混响场特征响度分布和响度结构贡献量计模型，相比传统声压级分析对驾驶室内声源识别分析精度更高。

(4)采用响度参数指导结构优化，新方案相对于传统方案成本减少41%，总声压级基本不变，驾驶室内主观烦躁度提高了一级，低频轰鸣声消失。

参 考 文 献

[1] Genuit K. Product sound quality of vehicle noise-a permanent challenge for NVH measurement technologies [C]//SAE Paper, 2008-36-0517.

[2] Wolfindale A, Dunne G, Walsh S J. Veichle noise primary attribute balance[J]. Applied Acoustics, 2012:386-394.

[3] Jailani M, Nor M, Fouladi M H. index for vehicle acoustical comfort inside a passenger car [J]. Applied Acoustics,2008,69:343-353.

[4] Hueser M G, Govindswamy K, Wolff K, et al. Sound quality and engine performance optimization development utilizing air-to-air simulation and interior noise synthesis[C]//Traverse City: SAE Noise and Vibration Conference and Exhibition, 2003-01-1652.

[5] Song W, Saito H, Haddad K. Improved noise source identification using sound quality metrics mapping in vehicle noise measurements[C]//SAE paper,2011-01-1671.

[6] 范蓉平，孟光，孙旭,等. 基于心理声学响度分析的高速列车车内噪声评价[J].振动与冲击,2005,24(5):46-52.

FAN Rong-ping, MENG Guang, SUN Xu, et al. Sound loudness of high-speed trains evaluation[J]. Journal of Vibration and Shock,2005,24(5):46-52.

[7] Lee S K, Kim B S, Chae H C. Sound quality analysis of a passenger car based on rumbling index[C]//SAE Paper,2005-01-2481.

[8] Falasca V, Bandera F, Irato G. Acoustic quality evaluation of heavy commercial vehicles[C]//SAE Paper, 2010-01-1411.

[9] Pietila G, Lim T C. Intelligent systems approaches to product sound quality evaluations -A review [J]. Applied Acoustics,2012: 987-1002.

[10] 徐中明，周小林，贺岩松,等. 符合人耳听觉特性的车内异常噪声分析[J]. 汽车工程学报,2012,12(3):179-182.

XU Zhong-ming, ZHAO Xiao-lin, HE Yan-song, et al. Analysis of interior noise according with human auditory properties [J]. Chinese Journal of Automotive Engineering,2012,12(3):179-182.

[11] Caprioli D, Bertolini C, Gaudino C. Improved NVH performance optimization of damping and shape of vehicle panels[C]//SAE Paper, 2005-01-2329.

[12] 陈书明，彭登志，王登峰,等. 车内低频噪声声固耦合及试验优化设计[J]. 吉林大学学报:工学版,2014,44(6):1550-1555.

CHEN Shu-ming, PENG Deng-zhi, WANG Deng-feng, et al. Acoustic-structure coupling and optimal experimental design for automotive interior low frequency noise [J]. Journal of Jilin University:Engineering and Technology,2014,44(6):1550-1555.

[13] 张志飞，倪新帅，徐中明,等. 利用阻尼材料改善驾驶室声学特性的研究[J]. 机械工程学报,2012,48(16):36-40.

ZHANG Zhi-fei, NI Xin-shuai, XU Zhong-ming, et al. Research on improvement of cab acoustic characteristics using damping material[J].Journal of Mechanical Engineering,2012,48(16):36-40.

[14] 张志勇,张义波,刘鑫,等. 重型卡车驾驶室结构噪声预测与板件声学贡献度分析[J].振动与冲击,2014,33(13):67-71.

ZHANG Zhi-yong, ZHANG Yi-bo, LIU Xin, et al. Structure-borne noise prediction and panel acoustic contribution analysis of a heavy truck cab [J]. Journal of Vibration and Shock, 2014,33(13):67-71.

Virtual loudness mapping for noise source identification and optimization design for vehicle interior noise reduction

GAOYin-han1,ZHANGLi-tong2,LIANGJie1,WANGZhi-bo1,JIANGWen-jun3

(1. State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China;2. Instrument Science and Electrical Engineering College, Jilin University, Changchun 130022, China;3. R&D Center, FAW Group Corporation, Changchun 130011, China)

Abstract:The shortcomings of traditional sound pressures level (SPL) were discussed, such as the lack of subjectivity consideration for noise and so on. A virtual method for predicting loudness characteristics and identifying noise sources based on human auditory properties was applied to analyze vehicle interior noises. In order to reduce the interior low booming of commercial vehicle, a characteristic loudness calculation model for diffuse sound field was built in Matlab on the basis of Zwicker model. The excitation signals at the suspension mountings and the responding signals of the interior noise were measured by road testing. And to predict and calculate the loudness mapping and structural contribution of the cab, an acoustic-structure coupled finite element model was established, by which the influences of the vehicle interior noise from different plates sources on the sound quality frequency spectrum design were analysed. The results of noise source identification reveal that compared with the traditional SPL, the loudness mapping adopted as an identifying parameter in noise source identification is more effective to detect rattling sources from cab plates vibrations. By using the proposed method, the acoustic optimization design of the cab was carried out and results in excellent performances.

Key words:vehicle engineering; diffuse sound field; acoustic-structure coupled; loudness mapping; contribution analysis

中图分类号:TH53；TB533+.2

文献标志码：A

DOI:10.13465/j.cnki.jvs.2016.03.022

通信作者梁杰 男，教授,1964年生

收稿日期：2014-12-26修改稿收到日期：2015-04-08

基金项目：吉林省科技发展计划(20126007;20130206031GX)

第一作者 高印寒 男，教授,博士生导师，1951年生