杜爱民1, 邵长慧1, 邵建旺1, 魏娜2

(1．同济大学汽车学院, 上海 201804； 2．上汽乘用车技术中心, 上海 201804)



发动机声激励下的车内高频噪声分析

杜爱民1, 邵长慧1, 邵建旺1, 魏娜2

(1．同济大学汽车学院, 上海 201804； 2．上汽乘用车技术中心, 上海 201804)

为研究发动机声激励下中高频噪声和整车声学包隔声性能，在VA One软件中建立整车统计能量分析模型和声学包模型，并进行基于能量的整车隔声量测试和发动机噪声采集试验，验证了整车模型的准确性。通过对驾驶员头部声腔和腿部声腔的输入能量贡献量分析，发现前围和地板是车内噪声的主要传播路径，为后续汽车声学包的优化设计和车内噪声控制提供了帮助。

高频噪声; 噪声源； 统计能量分析； 声学包

汽车噪声是由许多噪声源共同作用产生的复合噪声[1]。发动机噪声占车辆噪声的50%～70%，是车辆最主要的噪声源，所以分析和控制基于发动机噪声激励下的车内高频噪声具有重要意义。

发动机声波激励噪声的控制通常从传播途径上采取措施。声学包是使噪声在噪声源到驾驶室传播过程中得到有效阻隔的一种方法[2]。常用的声学包一般采用吸隔声材料组合，吸声材料贴合车身板件布置，位于第1层，而隔声材料位于第2层。吸声材料主要有玻璃棉、聚氨酯(Poly-urethane, PU)泡沫等，隔声材料主要有三元乙丙橡胶(Ethylene Propylene Diene Monomer, EPDM)、聚乙烯(Ethylene vinyl Acetate, EVA)等。

车内噪声仿真分析方法从原理上可分为离散方法和能量方法。离散方法包括有限元法和边界元法，在很多方面的应用受限[3-4]，例如，大规模数字计算问题、部分结构建模困难、研究时间过长等。相比之下，统计能量分析方法(Statistical Energy Analysis Method, SEA)是解决复杂系统宽带高频动力学问题的重要工具[5-7]。

本研究以某款国产乘用车为研究对象，建立整车SEA模型和声学包模型，预测和分析了发动机声激励下的车内高频噪声情况。通过输入能量贡献量分析，发现前围和地板是车内噪声的主要传播路径，为后续声学包的优化确定了方向。

1 模型的建立

1.1 整车SEA模型

基于VA One软件平台建立整车SEA模型。首先，将系统CAD模型导入VA One中，在导入的模型上选取点，建立结构子系统。将汽车内部和外部划分成若干个声腔子系统，并检查和调整声腔。声腔子系统模型见图1和图2。

将各子系统通过面连接方式连接起来，实现能量在子系统之间的储存、损耗和互相传递。而点、线连接贡献量较小，可以忽略。

设置各种材料的物理属性和参数，计算模型中各个子系统的模态密度、内损耗因子和耦合损耗因子。定义噪声激励，完成整车SEA模型。

1.2 声学包模型

根据该乘用车原始声学包，在整车SEA模型中对应各子系统创建声学包结构。由于前围将发动机舱和驾驶室分隔开，前围隔声量的大小将直接影响整车声学包的吸隔声性能水平。而车地板位于驾驶室下方，前连前围，后接后座隔板，是车内噪声控制中的重要部位。所以，对前围和地板区域声学包进行重点建模和分析。已知前围声学包材料依次为前围钢板、PU泡沫、EVA，地板声学包材料依次为针刺、无纺布、EVA、PU泡沫、地板。

通过前围和地板的有限元模型建立结构子系统。在子系统的两侧分别建立的10 m×10 m×10 m的声腔子系统，分别定义为声源腔和接受腔，并在声源腔施加1 Pa的声压约束载荷。最后定义各子系统材料属性和物理属性。前围声学包模型见图3。

将前围和地板声学包CAD模型导入到Hypermesh中，计算PU泡沫厚度分布情况。在前围和地板SEA模型中建立与之相对应的声学包，并应用到结构子系统中。

2 整车SEA模型的验证

2.1 基于能量隔声量试验的验证

基于能量的隔声量试验技术(Power Based Noise Reduction, PBNR)[7-8]具有互易性,且重复性好，可应用于整车级、子系统级目标的设定以及所建立SEA模型的验证。

2.1.1 基于能量的隔声量试验

在整车半消声室内进行基于能量的隔声量试验。发动机熄火定置，测量车身各结构对车内声源激励的隔声性能。试验时保持驾驶室门窗处于关闭状态，将体积声源置于驾驶室内部，根据激励点的不同将PBNR试验分为两个部分，一是声源位于驾驶员耳旁，另一个是声源位于右后排乘客耳旁。选取发动机舱、前地板区、左前轮胎、左后轮胎、排气尾管5个区域为车外响应测点。

利用LMS Test.Lab测试系统采集并记录各测点对车内激励的声压信号，处理试验数据并进行1/3倍频程转换。计算车外各测点的声压信号与激励点声源信号的差值，得到声源在驾驶员耳旁和右后排乘客耳旁分别激励时各测点平均隔声量曲线(见图4和图5)。

由图4和图5可知，在驾驶员耳旁和右后排乘客耳旁的声源激励下，整车隔声量的变化趋势基本相同，均随着频率的增大而增大。

2.1.2 基于PBNR测试验证整车模型

在前围和地板子系统的SEA模型中，计算得到各自的隔声量，分别输入到整车SEA模型中，得到隔声量曲线。将PBNR测试得到的车内声源激励输入到整车SEA模型中，仿真得到车外各测点位置的隔声量，并与试验结果对比。驾驶员头部声源激励下，发动机舱和地板区域的隔声量见图6和图7。

由图6和图7可知，驾驶员头部声源激励下，发动机舱内区域隔声量的仿真值与试验值在400～1 600 Hz和4 000～6 300 Hz频率段具有较好一致性，两者绝对误差都在3 dB以内。但1 600～4 000 Hz频率段相差较大，这是因PBNR试验时在驾驶员耳旁位置的声源激励下，车身板件共振产生结构辐射噪声，使测得的隔声量比仿真值小。地板区域在高于1 250 Hz频率段，试验值和仿真值吻合度较高，在400～1 250 Hz频率段，试验值与仿真值误差稍大。

由图8和图9可知，右后排乘客耳旁声源激励下，发动机舱区域在400～6 300 Hz频率段，仿真值与测试值均具有较好的一致性，绝对误差都小于3 dB。地板区域隔声量从频率高于1 250 Hz开始，仿真结果与测试结果的误差减小至3 dB以内，在低于1 250 Hz频率段，仿真结果与试验结果误差稍大。

总体讲，PBNR的仿真曲线与试验曲线的一致性较好，验证了整车SEA模型及声学包模型的准确性。

2.2 基于发动机噪声采集的验证

2.2.1 发动机噪声采集试验

在半消声室内选择发动机怠速工进行况试验。点火起动后，不碰触加速踏板，踩住刹车保持车辆在原地，将测试工况设置在P挡位，选择空调关和开两种工况。空调关时，保证整个测试过程中冷却风扇处于不工作状态，而空调开时，将空调制冷温度调至最低，并使冷却风扇处于低转速工作状态。试验的声源激励是发动机正常工作时车辆外部的噪声信号，而响应点设置在车内，分别为驾驶员耳旁与右后排乘客耳旁处。车辆外部测点的布置可根据向车内传递的主要噪声源位置来选定[7](见表1)。

表1 发动机噪声采集试验测点

试验得到空调关和开时车外各激励点声压级(见图10和图11)。在400～6 300 Hz频率段，15个测点位置的声压级随频率的增大先增大再减小，并在500 Hz，1 000 Hz和2 000 Hz频率处各出现一个峰值。以发动机附近测点为例，发动机舱内左右两侧面的声压级相差不大，且远高于其他测点的声压级，这是因为发动机舱一般是车内噪声的主要来源，受空调开关的影响不大。

图12和图13分别示出空调关和开时，驾驶员耳旁和右后排乘客耳旁的声压级。与车外激励相对应，驾驶员耳旁和右后排耳旁声压级也在500 Hz，1 000 Hz和2 000 Hz频率处各出现一个峰值，且在整个分析频率段，驾驶员耳旁声压级高于右后排乘客耳旁声压级，说明驾驶员耳旁位置对车内噪声更敏感。

2.2.2 基于车内噪声采集验证整车模型

在整车SEA模型中，将试验测得的发动机舱声激励下的车外声场15处测点结果作为激励载荷直接施加到外部声腔子系统，声载通过建立的面连接向车内传递，引起车内声响应。选择驾驶员头部声腔和右后排乘客头部声腔，计算整车SEA模型的车内声压级。仿真与试验对比结果见图14至图17。

由图14可知，在400～800 Hz的频率范围内，试验值与仿真值的误差稍大，但在800～6 300 Hz频率段，仿真曲线与试验曲线基本吻合，绝对误差小于3 dB。图15显示空调关时驾驶员耳旁和右后排乘客耳旁声压级的仿真结果与试验结果误差较小，数据吻合度较高。由图16和图17可知，空调开时，声压级仿真曲线在试验曲线附近上下浮动，但整体趋于一致。说明该整车SEA模型具有一定预测准确度，仿真计算结果是有效的。

3 输入能量贡献量分析

车内某一声腔的噪声来源于相邻声腔的空气传声和各板件受激励后的结构传声，而不同位置的子系统对车内噪声的贡献量是不同的。为使后续车内降噪和声学包的优化更具有针对性，需要确定噪声的主要传递路径，即主要通过哪些部件传递到车内，对车内声腔进行输入能量贡献量分析。由于驾驶员位置对车内噪声比较敏感，因而重点考察驾驶员头部声腔。利用验证后的整车SEA模型对驾驶员头部和腿部声腔进行输入能量贡献量分析，得到输入能量贡献量曲线(见图18和图19)。

由图18和图19可知，驾驶员头部声腔输入能量主要来自前围板和仪表板，腿部声腔输入能量主要来自整车地板，均在400～1 000 Hz和4 000～6 300 Hz频率范围内。这说明噪声主要是通过前围板和地板传到车内。因此，在后续的降噪措施改进中，优化前围板和地板子系统声学包具有重要意义。

4 结束语

建立了整车SEA模型和声学包模型，通过PBNR测试和发动机噪声采集试验，验证了模型基本满足工程分析精度的要求。通过驾驶员头部和腿部声腔输入能量贡献量分析，确定前围和地板是车内噪声传递的薄弱环节，为后续降噪措施和声学包的改进提供了方向。

[1] 何宇漾，靳晓雄，秦晓龙. 轿车车内中频噪声分析及车身板件优化[J]. 现代制造工程,2012(12):35-39.

[2] 葛锋，李勇，顾彦. SEA在汽车声学包降本设计中的应用[J].上海汽车,2012(7):45-48.

[3] 陈书明，王登峰，昝建明. 基于FE-SEA混合模型的轿车车内噪声预测[J].汽车工程,2011(3):236-240.

[4] 张强，郝志勇，毛杰，等. 基于SEA的镁质前围板与车内声场耦合优化分析[J].汽车工程,2014(8):1004-1008，1013.

[5] Parimal Tathavadekar,Denis Blanchet,Len Wolf. Rapid SEA Model Building Using Physical Measurements on Vehicles[C].SAE Paper 2003-01-1543.

[6] 刘从光，万鹏程，程育虎，等. 统计能量分析在汽车前壁板隔声分析中的应用[C]//2013中国汽车工程学会年会论文集.北京：中国汽车工程学会，2013.

[7] Jianwang Shao,Xian Wu,Na Wei,et al.Optimal Design of Vehicle Dash and Floor Sound Package Based on Statistical Energy Analysis[C].SAE Paper 2015-01-0661.

[8] 祁宏钟，王岩松，王国庆，等.基于统计能量分析的车内中高频噪声分析与优化[J].机械设计,2014(9):66-70.

[编辑: 李建新]

Vehicle Interior High Frequency Noise under Engine Acoustic Excitation

DU Aimin1, SHAO Changhui1, SHAO Jianwang1, WEI Na2

(1.School of Automotive Studies， Tongji University， Shanghai 201804， China;2. SAIC Motor Passenger Vehicle Co.， Shanghai 201804， China)

In order to research the vehicle interior high frequency noise and the performance of sound package under the engine acoustic excitation, the statistical energy analysis and sound package models were built with VA One software. Both the power-based noise reduction test and the engine noise measurement were conducted to verify the accuracy of vehicle model. The cowl panel and floor were identified to be the main noise transfer paths according to the energy contribution of driver head and leg acoustic cavity, which laid the foundation for the optimization of sound package and the control of vehicle interior noise in the future.

high frequency noise; noise source; statistical energy analysis; sound package

2015-12-23;

2016-03-25

汽车振动噪声分析与控制公共服务平台建设(上海市发展改革委员会)

杜爱民(1971—)，男，博士，副教授，主要从事发动机NVH、混合动力方面的研究；duaimin1971@aliyun.com。

邵长慧(1988—)，女，硕士，主要研究方向为发动机NVH；shaoch77@163.com 。

10.3969/j.issn.1001-2222.2016.04.005

U467.493

B

1001-2222(2016)04-0027-06