基于SEA方法的商用车噪声分析与预测

许恩永，唐荣江，赵德平

（1.东风柳州汽车有限公司，商用车技术中心，广西柳州541000；2.桂林电子科技大学，机电工程学院，广西 桂林 541500）

基于SEA方法的商用车噪声分析与预测

许恩永1，唐荣江2，赵德平1

（1.东风柳州汽车有限公司，商用车技术中心，广西柳州541000；2.桂林电子科技大学，机电工程学院，广西 桂林 541500）

针对商用车驾驶室内噪声问题，采用统计能量方法（SEA），建立了驾驶室噪声仿真模型。通过试验方法，获取模态密度、结构损耗因子及输入激励等模型参数。实车测试与仿真结果的总体误差在2dB（A）以内，验证了模型的准确性。在此基础上，应用声学包设计方法优化车内噪声，降噪效果较好，具有一定的工程参考价值。

商用车；统计能量分析；噪声预测

随着物流业与运输业的快速发展，商用车作为重要的运载工具，其产量与销售量逐渐增加。在满足油耗与排放之后，商用车的噪声性能成为衡量车辆品质的重要指标之一，改善驾驶室内声学已经成为各商用车厂商提升产品竞争力的主要方法之一[1-2]。

本文针对某国产商用车，首先在分析其驾驶室结构的基础上，建立了其SEA模型，应用稳态能量法确定子系统的模态密度、结构损耗因子，采用混响试验法确定各声腔子系统的损耗因子。然后，以实车道路试验，获取驾驶室所受到的悬置振动载荷、各壁板的声学激励。最后，以驾驶室右耳为参考点，验证了模型的准确性。该方法能在设计阶段对驾驶室噪声进行预测，并提出优化改进措施，对缩短研发周期，提升噪声性能有重要作用。

1 统计能量法基本原理

有限元方法（FEM）与边界元方法（BEM）在汽车工程领域应用非常广泛，在对车辆低频振动噪声问题分析时具有较好的准确性，但对高频段（>300 Hz）声学问题进行分析时存在较大误差。统计能量方法（SEA）考虑各系统间的能量流动，通过建立功率平衡方程的形式来描述各子系统在外界激励下稳态振动中的能量储存、能量损耗和相邻子系统之间的能量传递[1，3]，可以从统计意义上有效预测车内噪声的平均响应。在缺乏精确模型的早期开发阶段，就可为产品的声学设计提供参考。

商用车驾驶室可以分解为一系列结构子系统与声学系统的集合，且各子系统i的自身稳态能量与其平均振动速度或声压pi成比例[6]。设系统之间符合保守耦合原则，则子系统i与j之间能量流动率正比于两系统间平均模态能量的差：

方程中，n为对应的模态密度；Wi为总输入功率；E为系统的能量，ω为各频带中心频率；η为内部损耗因子；ηij为i和j系统间的耦合损耗因子。

式中，[L]为包含内损耗因子和耦合损耗因子的损耗因子矩阵。

式（3）是采用SEA方法对复杂问题计算分析的矩阵方程，分析模型中最有重要的三个参数为：模态密度、内损耗因子与耦合损耗因子。在确定各子系统的参数后，并输入外界输入功率（振动和声压激励），对方程组进行分频段求解，即可对各系统的声压平均响应P进行预测[1]。

2 基于SEA方法的噪声预测模型

2.1 SEA模型建立

根据所研究商用车驾驶室的三维数模，对后视镜、导流罩等次要部件进行简化，并忽略板件上的孔洞、槽、凸块等微小特征。并基于模态相似的原则[1]，将驾驶室车身钣金件、挡风玻璃以及卧铺等效为平面板或曲面板子系统。驾驶室地板处的左右纵梁，前后横梁起到加强驶室结构强度和刚度的作用，需要根据等效回转半径的原则简化成标准梁子系统。最终建立的驾驶室SEA模型如图1所示，包含106个板结构子系统和4个梁结构子系统。

图1 驾驶室SAE模型

因为SEA方法分析的是整个声腔子系统的平均响应，为了更加准确地分析研究驾驶员头部区域的声学水平，就需要将单一的驾驶室声腔子系统进一步划分。本文根据驾驶室模型的特点，将声腔划分为14个子声腔，如图2所示。完成结构与声腔子系统的建模后，下一步需要确定模型中的各种特征参数和激励输入。

图2 声腔系统模型

2.2 驾驶室SEA模型参数确定

2.2.1 结构子系统模态密度及内损耗因子的确定

具有简单结构的子系统（如平面板等），其模态密度及内损耗因子可由理论计算获得。对像车门、后围、地板等复杂结构系统，通过理论计算其参数是非常困难和繁琐的，若利用简化结构代替又具有一定的误差。因此，试验测量法便成为确定复杂结构子系统参数的主要方法。

导纳实部平均值法是确定各结构子系统模态密度的主要方法，其理论公式为[1]：

式中：ω1ω2分别为所计算频率的上、下限；M表示所分析部件的质量；Re[H]为多处激励点输入导纳实部的空间平均。

内损耗因子测试采用稳态能量法，分别测试激励源对子系统的输入功率及系统能量，根据下式计算即可损耗因子η：

式中，Pin为输入功率；f（t）为输入点激励力；vo（t）为输入点振动速度；＜＞为表示时间平均；E为子系统能量；M为子系统的质量；v（t）为子系统响应速度。

试验前，根据SEA的板块建模，将驾驶室的主要部件及子系统切割拆解，分为顶棚、后围、前围、地板四个部分，并将车门（整备）及挡风玻璃分离出来，共6个主要子部件。试验时，在试件上布置多个加速度传感器（7～10个），利用力锤敲击测试点，采集敲击点的输入力及各测点的加速度值，试验如图3所示。试验结束后，对试验数据进行处理，即可获得各结构子系统的模态密度与内损耗因子参数。

图3 现场试验照片

2.2.2 声腔子系统模态密度及内损耗因子的确定

声腔子系统模态密度计算公式为[4]：

式中：Vs为声腔的体积；As为表面积；f为频率；l为声腔总边长；c为声速。

声腔子系统的内损耗因子可由其混响时间T60计算获得，公式为：

式中，T60为声腔内声能量级衰减60 dB所用的时间。

试验时选择背景噪声低30 dB（A）的空旷环境下，在驾驶内各目标点放置声源，操作信号源产生分频带滤波的白噪声信号（＞110 dB）进行激励。待驾驶室充分混响后，关闭声源记录衰减时间。

2.2.3 子系统间耦合损耗因子的确定

耦合损耗因子是子系统间能量传递的系数，反映了各子系统之间耦合作用的大小，包含以下几种形式：结构之间的耦合、声腔与结构耦合以及声腔之间的耦合[5-6]。

（1）结构之间的耦合因子。板件结构之间的直线连接，是结构耦合的最主要形式，广泛存在车身系统中，其损耗因子的计算方法为：

式中，Cg为弯曲波波速；L为连接长度；τ12为从结构之间的波传播系数。通过互易性原理，还可以获得子系统间的反向耦合因子。

（2）声腔与结构的耦合因子。驾驶室壁板与室内声场的耦合为声腔－结构耦合因子，其计算方法为：

式中，ρs为结构的面积质量密度；ρaCa，分别为声场的体积质量密度和声速；σsa为辐射比。

（3）声腔之间的耦合因子。本文划分为14个声腔子系统，各相邻声腔之间的耦合因子由进行计算：

式中：S为声腔之间的耦合面积；c为声速；Va是声腔的体积大小。

2.3 驾驶室SEA模型的输入功率

商用车驾驶室在行驶过程中所受到的激励主要包括：动力总成振动激励、发动机舱声辐射激励及路面激励。振动激励的测试点选择驾驶室4个悬置点，声学激励测试点选择驾驶室各表面的中心位置。试验在平直沥青路面公路上进行，测试工况选择常用匀速80 km/h行驶工况和怠速工况，并多次测试做线性平均。图4为驾驶室左前悬置振动激励测试位置，图5为发动机舱声压激励测试位置。

图4 左前悬置振动激励传测试位置

图5 发动机舱声压激励测试位置

3 驾驶内噪声预测与对比分析

将试验和计算得到的3个特征参数：模态密度、内损耗因子、耦合损耗因子，以及实际的激励加入到模型中，同时根据实际情况对模型进行吸隔声处理。在研究频率范围内，怠速工况时，驾驶员右耳旁1/3倍频带声压级谱的预测结果与试验如图6所示；80 km/h工况下的对比结果如图7所示。

图6 怠速工况仿真与测试结果对比

图7 80 km/h工况仿真与测试结果对比

从图6～7可以看出驾驶员右耳噪声的仿真结果与测量值具有较好的一致性，在计算频率范围内，除去个别点，各频率处的绝对误差相对较小。另外，在低频段内仿真与测试值的误差较大，而在高频段，仿真与测试结果贴近，这说明统计能量分析方法在高频段具有更好的预测精度。总声压级仿真与测试结果的偏差2 dB（A）以内，整体误差较小。这说明，本文所建立驾驶室SEA模型对驾驶内噪声的预测精度较好，符合工程分析的精度要求。

4 优化改进

噪声的优化过程首先要找出主要的能量传播途径，确定主要的噪声来源。在建立的SEA模型中，以驾驶员右耳处的声压为目标，进行能量传递路径分析，分析结果表明主导作用的有地板、前围、后窗以及顶棚等。

在建立的SEA模型中，根据实际驾驶室情况，选取15与30 mm两种不同厚度的声学材料，对主要子系统分别进行声学包装优化控制，仿真结果如表2所示。

表2 优化控制效果

从表可以看出，对驾驶室内的主要子系统进行声学包装优化，两种工况下的声压级水平都有所降低，具有一定的降噪效果。另外，添加30 mm厚吸音棉时，怠速时降噪为1.31 dB（A），80 km/h工况下为1.49 dB（A），降噪效果远高于15 mm的吸音棉，高出50%以上。后续的工程实施中，建议采用30 mm厚的吸音棉。

5 结束语

（1）本文在分析SEA基本原理与方法的基础上，将商用车驾驶室声振系统划分成106个结构子系统和14个声腔子系统，建立了基于SEA方法的商用车噪声仿真模型。

（2）通过试验方法确定了各结构子系统的模态密度、结构损耗因子，通过道路试验获取了输入激励。

（3）通过驾驶员耳旁声压级的测量值与计算值的对比分析，总体误差在2dB（A）以内，验证了所建立驾驶室SEA模型的准确性。

（4）通过对SEA主要板件进行噪声控制，仿真结果显示，30mm厚度的吸音棉具有较好的降效果，为商用车噪声仿真与控制提供了一种可行方法。

[1]宋继强.商用车驾驶室内中高频噪声的分析预测与控制[D].长春：吉林大学汽车工程学院，2010.

[2]王彬星.重型汽车车内声压级预测与主要噪声源分析[D].北京：清华大学，2013.

[3]王登峰，陈书明.车内噪声统计能量分析预测与试验[J].吉林大学学报（工学版），2009，39（1）：68-73.

[4]邵 亮.统计能量法在船舶舱室噪声预报中的应用[J].舰船科学技术，2012，34（5）：98-100.

[5]陈书明.轿车中高频噪声预测与控制方法研究[D].长春：吉林大学，2011.

[6]车 勇，刘 浩，郭顺生.基于SEA模型的纯电动汽车车内噪声预测[J].武汉理工大学学报（信息与管理工程版），2013，10（15）：27-29.

Noise Analysis and Prediction of Commercial Vehicle Based on SEA Method

XU En-yong1，TANG Rong-jiang2，ZHAO De-ping1
（1.Dongfeng Liuzhou Motor Co.，Ltd.，R&D of Commercial Vehicle，Liuzhou Guangxi 541000，China；2.Guilin University of Electronic Technology，School of Mechanical and Electrical Engineering，Guilin Guangxi 541500，China）

A simulation model of cab noise was established by using statistical energy method for the noise of commercial vehicle cab.The model parameters such as modal density，structural loss factor and input excitation were obtained through experiments.The overall error of the vehicle test and simulation results is within 2dB（A），which verifies the accuracy of the model.On this basis，the acoustic package design method was applied to optimize of vehicle interior noise，and the effect is obviously.This proves that the method has engineering reference value.

commercial vehicle；statistical energy analysis；noise prediction

U461.4

A

1672-545X（2017）10-0169-04

2017-07-01

柳州市科技开发项目（2015A010501）

许恩永（1982-），男，山东惠民人，硕士，工程师，主要研究方向为：商用车NVH、噪声控制。