车室低频噪声预测与车身板件声学贡献分析

李苏平，胡启国，胡海波，罗天洪

（1.重庆交通大学 交通运输学院，重庆 400074；2.重庆交通大学 机电与车辆工程学院，重庆 400074）



车室低频噪声预测与车身板件声学贡献分析

李苏平1，胡启国2，胡海波2，罗天洪2

（1.重庆交通大学 交通运输学院，重庆 400074；2.重庆交通大学 机电与车辆工程学院，重庆 400074）

为预测车室低频噪声，建立车身结构有限元模型和声场有限元模型，并使用网格映射方法将结构-声场有限元模型耦合。建立发动机激励动力学模型和路面随机激励动力学模型，利用Matlab/Simulink计算发动机悬置点激励力和悬架处激励力，并通过快速傅里叶变换得到激励力的幅频特性。加载发动机激励力和悬架激励力，在Virtual.Lab中进行声学响应分析和板件声学贡献分析，预测车室噪声并确定声压贡献较大的板件。最后通过板件厚度参数优化，有效地降低测点声压。

声学；噪声预测；车身板件；声学贡献；发动机激励；路面随机激励

车辆声学舒适性已成为衡量车辆品质的重要指标，车室良好的声学环境是保证汽车乘坐舒适性的必备条件。研究表明，在0～200 Hz范围内，车室噪声以车身板件受外界激励作用产生的结构辐射噪声为主［1］。汽车车身的薄壁板件，在受到以发动机激励和路面随机激励为主要激振源的作用时，会产生振动引起车室空腔声压波动形成噪声。在车辆研发设计阶段，预测分析由发动机激励和路面随机激励引起的车室噪声，找出对车室关键位置声压贡献较大的板件，然后有针对性地进行优化，是消除低频结构噪声、提高车室声学舒适性重要手段［2-4］。

获取发动机激励和路面随机激励的常用方法是进行实车试验测量，但在没有样车的设计初期，并不能通过实际测量获取激励力载荷，所以通过建立仿真模型计算激励力载荷，对使用CAE技术进行车室噪声预测和控制十分重要。文献［5］中使用虚拟样机技术模拟并提取了发动机悬置和悬架支点处的激励力载荷，预测车室噪声并分析了车身板件的声学贡献。文献［6］在Nastran中建立了动力总成系统刚体模型，将刚体模型与有限元柔体车架相连接，计算了发动机激励引起的结构噪声。

为预测车室在0～200 Hz范围内的低频噪声，确定对车室声压贡献较大的车身板件，通过建立发动机激励动力学模型和路面随机激励动力学模型，在Matlab中通过仿真计算发动机悬置处激励力和悬架处激励力，并经快速傅里叶变换得到发动机激励力和由路面随机激励引起的悬架激励力幅频谱，为预测和控制由发动机激励和路面随机激励引起的结构噪声提供了一种有效的方法。

1　建立有限元模型

1.1车身结构有限元模型

利用Hypermesh建立车身结构有限元模型，因车身主要为薄壁板件，建模时采用壳单元进行离散，定义车身钣金件的材料密度为7 850 kg/m2，弹性模量为2.06×1011Pa，泊松比为0.3。建模中利用ACE+ RBE 3单元模拟焊点连接；CELAS 1单元模拟弹簧连接；RBE 2和RBE 3单元模拟刚性连接；利用RBE 3+CONM 2单元定义集中质量；车门门锁采用REB 2+CLEAS 1单元模拟。综合考虑计算精度和计算工作量，定义网格单元尺寸为10 mm，建立的车身结构有限元模型如图1所示。

图1　车身结构有限元模型

1.2空腔声场有限元模型

因座椅对声场分布影响较大［7］，故在建立声场有限元模型时，也建立了座椅模型。在Hypermesh中，对由车身壁板和座椅围成的车室空腔，利用四面体单元进行网格划分。建立的空腔声场有限元模型如图2所示。

2　发动机激励和路面随机激励

2.1发动机激励

图2　空腔声场有限元模型

发动机激励作为车室噪声的主要激振源之一，在分析车室低频噪声时是必须要考虑在内的。该车型所采用发动机为直列四缸四冲程发动机，据研究表明，发动机的激励力主要是2次往复运动惯性不平衡力［8］，其2阶惯性力的大小与发动机的转速有关，转速越高则二阶惯性力幅值越大。

通过建立发动机激励动力学模型，利用Matlab/ Simulink计算发动机四个悬置点处激励力，再经快速傅里叶变换得到激励力幅频谱。在频率0～200 Hz范围内的发动机悬置点激励力幅频谱如图3所示。

图3　发动机悬置点激励力幅频谱

发动机悬置点激励力在低频时幅值较高，并且存在两个峰值，这与发动机在实际工作中怠速时的低频振动较剧烈，而高频时振动幅值较小的特点比较相符，所以通过仿真计算方法求得的发动机悬置点激励力是比较合理的。

2.2路面随机激励

为获取因受路面随机激励作用引起的悬架处激励力，采用白噪声过滤方法模拟路面随机不平度激励，考虑车辆前后轮激励的迟滞性和左右轮辙激励的相关性，建立了路面随机激励时域模型，根据拉格朗日原理建立了整车七自由度振动动力学模型，利用Matlab/Simulink进行仿真计算，求得悬架对车身作用力随时间的变化关系，再经快速傅里叶变换得到悬架激励力的幅频特性曲线。0～200 Hz范围内的悬架处激励力幅频特性曲线如图4所示。

悬架处激励力在频率大于50 Hz以后，幅值较小且趋于稳定，这不仅满足由路面随机不平引起的激振力主要集中在较低频范围内的特点，而且与文献［5］中通过Adams仿真获取的悬架激励力幅频谱具有较好的一致性，这说明计算得到的悬架处激励力是可信的。

图4　悬架处激励力幅频谱

3　车室低频噪声预测

因为结构网格与声场网格单元大小不一样，单元节点并不是一一对应的关系，所以需要定义网格间的数据对应关系将结构有限元模型与声场有限元模型耦合。在Virtual.Lab中利用网格映射算法耦合模型，映射算法采用Element Maximum Distance，Number of Influenced Nodes设为4，定义Maximun Distance为150 mm，即使得在声学网格某一节点半径为150 mm的圆域内最多有4个结构网格上的节点与之相对应，作为该声学网格节点的源数据点。

在车身结构有限元模型上，施加频率0～300 Hz范围内的发动机激励力和由路面随机激励引起的悬架激励力，基于模态叠加法进行车室噪声预测。在驾驶员头部（D）、副驾驶员头部（P）处分别定义场点，作为声压响应输出点。计算频率20 Hz～200 Hz范围内的声压响应，计算步长取1 Hz。测点D、P处A计权声压曲线如图5所示。

图5　测点A计权声压曲线

根据A计权声压曲线，测点D、P声压变化基本一致，并在频率158 Hz、134 Hz附近都同时达到较高声压峰值。根据声场模态贡献量大小，声场第7阶模态对测点在频率158 Hz处声压贡献最大。车身板件振动速度、声场模态贡献柱状图、声场第7阶模态、声场声压分布如图6所示。

由图6（c）、图6（d）可知，在频率158 Hz处的声场声压分布与声场第7阶模态振型分布非常相似，在声场第7阶模态两振腹位置（前顶棚和地板中部），声场声压最高，而在声场模态节线附近声压较低。在车身板件振动速度较大的位置B柱、后排车门和后地板处，附近声场受振动板件的影响声压也较高。因测点D、P正好处于前顶棚下，所以测得声压很高。

图6　158 Hz处测点声压较高的原因分析

在频率134 Hz处，测点D、P也出现较高声压峰值。根据声场模态贡献量大小，声场第4阶模态对该频率下的声压分布影响最大。车身板件振动速度、声场模态贡献柱状图、声场第4阶模态、声场声压分布如图7所示。

声场声压在车身两侧和地板中部处声压较高，在空腔横向对称面及后背门处声压较低，声场声压分布与声场第4阶模态振型分布也很相似，再次说明声场模态对空腔声压分布影响很大。车身板件在中地板、左右两侧后车门处振动速度较大，受振动板件激励作用，这些位置附近声压也较高。

综上所述，声场声压分布同时受到声场模态分布和车身板件振动速度的影响。声场模态振腹位置一般声压较高，节线附近声压较低。在车身板件振动速度较大的位置，受板件激励作用声压较高。声场模态与车室空腔形状有关，不易使声场模态发生较大变化，但是可以通过优化车身板件结构，抑制板件振动速度，达到降低车室噪声的目的。

图7　134 Hz处测点声压较高的原因分析

4　车身板件声学贡献分析

根据车室噪声预测分析结果，车室声压在158 Hz、134 Hz处有较大峰值。将车身板件依据其结构特点分为24组，根据声压贡献分析原理［9］，在Virtual.Lab中以车身板件振动速度为边界条件进行板件贡献分析。因D、P测点声压曲线变化基本一致，声压峰值也相差不大，所以仅分析车身板件对测点D的声压贡献，其声压贡献图如图8所示。

由图8知，在158 Hz、134 Hz附近颜色较浅，表明声压较高，部分板件对测点D声压贡献较大。对测点D声压贡献较大的板件如图9中板件声压贡献柱状图所示。

根据图9知，在158 Hz处对测点D声压正贡献较大的板件为10_db_z、2_dp_q、9_db_q、8_qw，对应的车身板件分别为地板中部、顶棚前部、地板前部和前围板。负贡献较大的板件为 14_cm_yq、12_cm_zq，分别对应车身右前侧车门和左前侧车门。

图8　车身板件对测点D声压贡献图

图9　板件声压贡献柱状图

在频率134 Hz处，对测点D声压正贡献较大的板件为12_cm_zq、15_cm_yh、18_mc_yq、21_kj_zh、14_cm_yq、9_db_q、10_db_z、20_kj_zq、23_kj_yh，对应的车身板件分别为左前车门内板、右后车门内板、右前车门风窗、左后侧车身框架、右前车门内板、地板前部、地板中部、左前侧车身框架和右后侧车身框架。负贡献较大的车身板件为左前车门风窗（16_mc_zq）和前围板（8_qw）。

5　车身板件厚度优化

根据板件贡献分析结果，板件8_qw对测点D声压在158 Hz处起正贡献作用，而在134 Hz起负贡献作用。板件10_db_z、9_db_q在两频率处对测点D声压正贡献均较大。因为车身主要结构变化会对车身扭转刚度和弯曲刚度产生较大影响，所以综合贡献分析结果，为降低车室噪声，以声学贡献较大的板件10_db_z、2_dp_q、9_db_q、8_qw、12_cm_zq、14_cm_yq、15_cm_yh为优化目标，即优化地板（T1）、前顶棚（T2）、前围板（T3）、前车门内板（T4）和右后车门内板（T5）。

采用最优拉丁超立方试验设计方法和径向基神经网络方法，建立D测点声压峰值关于板件厚度参数的径向基神经网络近似模型，然后利用自适应模拟退火算法，在Isight中对板件厚度参数进行优化，共经过10 077次计算，第1 055次计算结果最优。优化前后板件厚度如表1所示。

表1　优化前后板件厚度/mm

车身板件厚度优化前后D、P测点A计权声压曲线对比见图10。

图10　厚度优化前后D、P测点A计权声压对比

车身板件厚度优化后，D测点声压明显降低，在频率158 Hz处声压幅值降低了4.88 dB，134 Hz处声压幅值降低了1.59 dB。测点P在声压峰值最大的159 Hz处降低了3.61 dB，134 Hz处降低了3.38 dB，说明通过板件厚度优化有效地降低了车室噪声。

6　结论

（1）通过建立发动机激励动力学模型和路面随机激励动力学模型，利用Matlab进行仿真计算求得发动机悬置点激励力和悬架处激励力，作为外载荷激励力预测车室低频噪声的方法可行。

（2）声场声压分布同时受声场模态和车身板件振动速度的影响，一般声场模态振腹位置声压较高，节线附近声压较低，板件振动速度较大的位置附近声场声压较高。

（3）经过车身板件厚度优化，D测点声压峰值在频率158 Hz处降低了4.88 dB，在134 Hz处降低了1.59 dB。P测点声压峰值在159 Hz处降低了3.61 dB，134 Hz处降低了3.38 dB。说明板件厚度优化可以有效地降低结构低频辐射噪声，提高车辆声学舒适性。

［1］刘禹，喻凡，柳江.车辆乘坐室声固耦合模态分析［J］.噪声与振动控制，2005，25（5）：38-40+67.

［2］惠巍，刘更，吴立言.车内噪声预测与面板声学贡献度分析［J］.噪声与振动控制，2006，26（5）：62-66.

［3］朱晓东，沈忠亮，汪峰.驾驶室低频噪声的声学特性分析与控制［J］.噪声与振动控制，2015，35（1）：145-150.

［4］靳畅，周鋐.基于车内综合声场贡献分析的车身板件声振优化［J］.汽车工程，2015，37（12）：1438-1444+1432.

［5］曹友强，邓兆祥，李昌敏.车内耦合声场预测研究［J］.汽车工程，2008，30（6）：483-487+538.

［6］张光荣，于德介，姚凌云，等.发动机激励引起的车内结构噪声研究［J］.噪声与振动控制，2010，30（1）：44-47.

［7］白胜勇，靳晓雄，丁玉兰，等.轿车乘坐室声学模态分析［J］.同济大学学报，2000（2）：206-209.

［8］张立军，周鋐，余卓平，等.发动机振动引起的车内噪声控制研究［J］.振动、测试与诊断，2001（1）：59-64+74.

［9］靳晓雄，张立军.汽车噪声的预测与控制［M］.上海：同济大学出版社，2004：105-112.

Vehicle’s Low Frequency Noise Prediction and Body Panel’s Acoustic ContributionAnalysis

LI Su-ping1，HU Qi-guo2，HU Hai-bo2，LUO Tian-hong2

（1.College of Traffic&Transportation，Chongqing Jiaotong University，Chongqing 400074，China；2.School of Mechanotronics&Vehicle Engineering，Chongqing Jiaotong University，Chongqing 400074，China）

In order to predict vehicle’s low frequency noise，a structural FEM for vehicle’s body and an acoustic FEM for interior cavity are established，and the mesh mapping method is adopted to couple the structural FEM and the acoustic FEM.The dynamic models of engine excitation and road random excitation are established respectively.The excitation forces of the engine mounting points and the suspension are calculated by using Matlab/Simulink，and their amplitudefrequency characteristics are obtained though fast Fourier transform method.Then，exerting the excitation forces of the engine and the suspension to the model，the passenger compartment noise is predicted and the body panels which have great acoustic pressure contribution are identified by using Virtual.Lab.Finally，by optimizing the panel thickness parameter，the acoustic pressures at the measurement points are reduced effectively.

acoustics；noise prediction；vehicle’s body panel；acoustic contribution；engine excitation；road random excitation

TB533+.2

ADOI编码：10.3969/j.issn.1006-1335.2016.04.022

1006-1355（2016）04-0103-05

2016-01-24

重庆市基础科学与前沿技术研究专项重点资助（cstc2015jcyjBX0133）；国家自然科学基金资助项目（51375519）

李苏平（1989-），男，湖北省公安县人，硕士研究生，主要研究方向为噪声振动控制。E-mail:ataizz@139.com

胡启国（1968-），男，硕士生导师。E-mail:swpihqg@126.com