某SUV气动噪声性能试验与数值仿真研究＊

徐旭 刘海军,2 马利 陆黔林

（1.长城汽车股份有限公司，保定 071000；2.河北大学，保定 071000）

主题词：气动噪声 后视镜 格子玻尔兹曼 统计能量法 风洞试验

1 前言

近年来，发动机、轮胎噪声等得到了有效控制，车辆周围的气动噪声对车内声场的贡献更加明显。当车速大于100 km/h 时，除车身底部的风噪外，A 柱、后视镜及前风窗玻璃区域产生的气动噪声贡献了乘员舱噪声的主要部分[1-2]。这种由A 柱与后视镜引起的湍流产生的压力脉动包含对流项与声压分量[2-3]，与对流分量相比，声学分量的振幅通常非常小，但由于玻璃的吻合效应，声学分量贡献了驾驶室内中高频噪声的主要部分[3-5]，而中高频范围是乘员感知最敏感的区域，也是影响车内声品质的主要因素。

近几年，多种试验与数值计算方法应用于减小乘员舱内气动噪声。在试验方面：贺银芝[6]等基于同一声源产生的主瓣与旁瓣相干的清除（Clean based Spatial Source Coherence，CLEAN-SC）算法，识别出车外气动噪声源分布情况，并得到车外声源与车内噪声的相关性；Bremner[7]等人开发了一种高分辨率的微电子机械系统（Micro Electromechanical System，MEMS）麦克风阵列，将传感器和随机存储器集成在电路板的芯片上，能够快速分离对流压力与声学压力。在仿真方法方面：袁海东[4]等人通过基于声学扰动方程组的混合计算气动声学方法得到前侧窗的湍流压力激励和声学压力激励，并引入动力学模态分解（Dynamic Mode Decomposition，DMD）对前侧窗表面压力激励进行分析，讨论了不同激励对车内噪声的贡献量，识别出前侧窗主要声源位置；Fukushima[8]等人研究了一种动态连接激励源与传递路径系统的模型，将声学分量与对流分量综合为一种表面力，运用该模型，将计算流体力学（Computational Fluid Dynamics，CFD）中计算的壁面波动作为激励力，并采用其与试验测得的车身灵敏度（Noise Transfer Function，NTF）的乘积来预测内部噪声；Powell[9]结合格子玻尔兹曼方法（Lattice Boltzmann Method，LBM）与统计能量分析（Statistical Energy Analysis，SEA）法对底盘噪声进行求解，并与试验结果进行对比，得到较高的预测精度；刘功文[10]等人利用LBM 与SEA 结合的方法对整车外造型风噪进行了预测，与试验结果吻合度较好，并在此基础上进行了相关优化探索。

本文基于LBM 得到整车外流场压力脉动分布情况，采用SEA 法求解内部声场，与风洞试验结果进行对比，得到车内声品质参量（语音清晰度）和声压级，并对声源主要区域进行优化。

2 数值计算方法

2.1 瞬态流场计算

不同于传统的求解宏观连续体N-S 方程的方法，LBM 建立在一种“介观”动力学基础上，运用粒子分布函数的离散波尔兹曼（Boltzmann）方程使得流场的求解比N-S 方程更简单、更普遍，因为它仅限于求解粒子的运动和分布。这种介观描述适用于更广泛的空间尺度和时间尺度。

LBM的理论公式为：

式中，fi为粒子在i方向的分布函数；向量x为某粒子的位置坐标；ci为一组离散的速度矢量集；ciΔt、Δt分别为空间增量和时间增量；Ci(x,t)为粒子碰撞项。

为简化说明，假设Δt=1 s，对式（1）中碰撞项采用简化形式表示为：

式中，τ为松弛因子；为基于局部流体动力特性的均衡分布函数。

基础的流体动力参量，如密度ρ和速度u，通过力矩方程式（3）、（4）获得：

在低频和波长限制下，为了选择合适的离散速度向量集，在低马赫数范围（＜0.4）内恢复瞬态可压缩N-S方程。所得状态方程的运动粘度与松弛因子τ服从理想气体定律，通过式（4）得到：

式中，v为湍流粘度；T为绝对温度。

式（1）～式（5）组成了求解流体动力学的LBM方案，它在称为体素（voxels）的立方体元素组成的网格上求解，并且允许可变的分辨率。

2.2 车内噪声计算

车内噪声计算采用统计能量法。风噪声源由瞬态表面压力计算得出，转化为SEA 模型的能量输入，声源分为2种：直接作用在壁面的湍流压力脉动以振动形式传递到车内；空间声波以透射形式传递到车内。

湍流压力脉动对壁面的输入功率为：

式中，实数部分代表压力与速度的复谐波振幅，积分表示在整个壁面进行求和；Re为方程式实部；P*为压力波动函数；V为速度函数；Ω为板件面积；ω为角频率。

声学压力脉动对壁面的输入功率为：

式中，nP(ω)为面板的模态密度；c为声速；σ为面板辐射效率；为声压的均方根；ρsp为面板的面密度；f为等效节点力。

根据分解到每个子系统的能量等于该系统耗散的能量与传递到子系统的能量之和，即可得到单一系统的平均能量。

子系统能量平衡方程为：

式中，Wk,in为子系统k的输入能量；[Ek]、[Ej]分别为子系统k、j储存的平均能量；ηjk为子系统k输入子系统j的耦合损耗因子，其中：

式中，ηk为子系统k的内损耗因子。

3 试验方法

3.1 车内风噪声测试

车内风噪声测试在3/4 开口的回流式声学风洞进行，该风洞喷口面积27 m2，背景噪声水平在160 km/h风速下低于61 dB(A)。

试验现场如图1所示，为排除底盘与缝隙泄露对风噪的影响，将底盘周围区域以及上车身缝隙进行封堵，将此方案设为基准状态，优化方案均在此基础上进行。测试过程中，车内4个座椅位置安装人工头用于采集耳部噪声信号。测试风速为140 km/h，偏角为0°，侧窗外表面布置5 个表面传声器，用于外部压力脉动的测量，如图2所示。

图1 车身及底盘密封

图2 表面传声器布置位置

3.2 车内混响时间测试

在用统计能量法计算风噪对车内的响应时，需要使用混响时间作为输入参数，为使仿真模型更加接近实车工况，对实车进行混响时间的测定。

使用丹麦B&K公司的数据采集设备、功率放大器、全指向声源及4 个传声器，试验在半消声室进行，背景噪声小于30 dB(A)。在车内4 个位置各布置1 个传声器，如图3 所示，通过声源发声测量各频率下声源衰减60 dB 所需要的时间，最终测得4 个传声器的平均值即为车内的混响时间。

图3 传声器及声源布置

3.3 玻璃阻尼损耗因子测试

在排除声泄露与底盘噪声的条件下，玻璃的隔声量远小于钣金的隔声量，可认为外部风噪声仅由侧窗玻璃和前风窗玻璃传入车内[1-2,10]，则基于统计能量法测量系统的阻尼损耗因子时，只需测量侧窗玻璃和前风窗玻璃的阻尼损耗因子。

试验在整车上进行，测试设备采用西门子LMS 数据采集系统、三向加速度传感器及刚性力锤。在前风窗玻璃上布置10个传感器，分别对各点敲击10次进行测试，侧窗玻璃布置5个传感器，如图4所示，分别对各点敲击5进行测试。测试完成后，通过MATLAB进行数据后处理得出各频率下的阻尼损耗因子如图5所示。

图4 前侧窗传感器布置

图5 前侧窗阻尼损耗因子

4 基础状态结果分析

4.1 外部流场分析

基础状态外流场涡核云图如图6所示，从图6可知，涡强度较大处主要包括后视镜、A 柱底部、刮水器及前风窗玻璃区域，其中，后视镜及A 柱区域对侧窗影响最大，刮水器对前风窗玻璃区域影响较大，A 柱前端的冲击气流对前风窗玻璃区域影响也较大。

图6 涡识别准则λ2等值面云图

车外测点的压力脉动频谱试验与仿真结果如图7所示，由图7可知，仿真与试验结果有非常好的一致性，满足精度要求。测点3在中高频区域偏差略大，原因为此点处在A柱拖拽涡再附着区，且附着位置会随着时间变化，对位置非常敏感，由于测量误差导致仿真测点的位置与实际位置有偏差，使仿真结果偏大。

图7 各测点压力脉动频谱

4.2 车内风噪分析

基于统计能量法计算车内响应时，将混响时间与玻璃阻尼损耗因子作为声学边界条件输入，得到140 km/h风速下车内响应频谱图，并与试验数据进行对比，如图8 所示。由图8 可知：试验结果与仿真结果趋势一致，在低频差别略大；在4 kHz处试验数据出现尖峰，这是由于玻璃的吻合效应导致，仿真数据在同样的频率处出现尖峰，只是幅值略高；总声压级（试验值62.1 dB(A)，仿真值61 dB(A)）相差1.1 dB，语音清晰度（Articulation Index，AI）（试验值76.1%，仿真值76%）相差0.1百分点。

图8 车内噪声频谱

综上，仿真数据与试验数据一致性较好，误差在合理范围内，该仿真方法可有效模拟实车风噪水平。

5 气动噪声优化探索

5.1 方案建立

针对该车型主观评价风噪声大的问题，从气动噪声方向进行优化探索，由前文分析可知，声源较大的区域之一集中在后视镜，且后视镜支架离人耳较近，推测可能对车内噪声有贡献，基于此推断，对后视镜支架进行优化。

在上述基础状态（后视镜上表面与水平面夹角为-3°）下，将后视镜支架上表面后端分别旋转到0°、7°（方案1、方案2）建立模型，如图9所示。

图9 后视镜支架方案

5.2 结果分析

针对上述方案进行数值计算，车内响应计算结果如图10所示，基础状态在1～5 kHz范围内较其他2个方案大1～3 dB(A)，语言清晰度分别较其他2 个方案小2.4 百分点、2.6百分点，方案1与方案2效果相差不大，方案2略优。

为进一步确定优化方案效果，对优化方案进行风洞验证，在实车上用油泥对支架进行造型，取仿真结果中最优的方案2 与基础状态进行对比验证，车内响应试验结果如图11 所示，方案2 比基础状态高3 百分点，在1～5 kHz范围内比基础状态小1～3 dB(A)，趋势与仿真结果一致，但试验结果频率影响范围略大。

图10 车内噪声仿真结果

图11 车内噪声试验结果

由以上分析，仿真结果与试验结果趋于一致，对仿真结果进行分析，如图12a、图12b 所示，基础状态后视镜三角座后部声压强度较大，方案2相同位置声压强度明显减小；如图12c、图12d所示，两者差别不大，可知在此频段湍流分量对车内贡献很小，而声学分量作用较大。由此推测该区域声学压力大是由其他区域声源传到此区域造成。

图12 侧窗压力分布云图

图13a、图13b为后视镜镜臂切面的速度分布，由于支架后部向下倾斜，使气流在末端速度加快，造成很强的下切气流，与下部的上卷气流掺混，导致很大的涡量，如图13c、图13d所示，形成声源传到侧窗。支架后部上调之后，下切气流速度减小，湍流强度减小。

图13 外流场云图

所以，在进行后视镜支架设计时，上表面尽量保持水平或略微上调，不建议向下倾斜。

6 结束语

本文结合LBM与统计能量方法对汽车风噪进行仿真，在声学风洞中进行试验验证，基于该方法对造型优化进行了相关探索和验证。频谱数据显示，仿真结果与试验结果在0.25～1 kHz范围内基本吻合，车内总声压级相差1.1 dB(A)，语音清晰度相差0.1百分点，由于风噪主要在中高频起作用，以上频率范围已满足风噪计算要求；基于该方法对后视镜支架优化的仿真结果与试验结果优化方案语音清晰度相差0.5百分点，两者趋势一致，建议在进行后视镜支架设计时，上表面尽量保持水平或略微上调，不建议向下倾斜。

以上结果验证了LBM与SEA结合的方法进行风噪仿真的有效性，对车型设计阶段的风噪性能的验证与开发提供参考。