基于统计能量分析方法的工程车辆驾驶室声学包优化 附统计能量分析原理及其应用下载

随着技术的进步与发展，车辆驾驶室内声舒适性越来越受到客户的重视。驾驶室内噪声水平已经成为车辆重要性能指标之一。为改善驾驶室内舒适性，需要对驾驶室声学包进行优化改进，降低室内噪声。

传统的声学分析通常依赖于有限元FEM（Finite Element Method） 及边界元BEA（Boundary Module Analysis），但其仅适用于解决中低频噪声问题。随着频率增加，波长变短，系统的动态特性变得更为复杂，单位带宽内的模态数量急剧增加，模型计算量巨大，模型无法准确计算。介于上面的缺点，人们开始使用统计的方法处理复杂的动态响应特性。统计能量分析方法SEA（Statistical Energy Analysis），已被成功应用于车辆的声学、振动传递路径分析，并可以准确地进行各种结构于车辆的振动、声学预测。

本文针对某型工程车辆，应用统计能量分析方法分析预测驾驶室司机耳旁噪声，并对比试验结果校核模型。根据仿真数据进行噪声源分析，确定声学包优化方案，通过仿真与试验方法确定优化效果。

1 工程车辆驾驶室SEA模型的建立

1.1    统计能量分析基本原理

统计能量分析（ SEA ）是一种把研究对象划分成子系统后，用功率流描述子系统间复杂作用关系的模型化分析方法。统计能量分析模型有 6 个基本假设：（ 1 ）模型的子系统间是线性守恒的耦合，不存在非保守性质的耦合特征；（ 2 ）能量是在具有共振频率的子系统之间流动；（ 3 ）子系统受到的激励为互不相关的宽带随机激励，统计上独立，具有模态非相干性；（ 4 ）在一个子系统中，固定频带内所有共振的模态能量均分；（ 5 ）互易性原理适应于不同子系统间；（ 6 ）任两个子系统间的能量流与振动时耦合的子系统间的能量成正比。

1.2 SEA 模型建立及加载

在仿真软件中建立驾驶室的 SEA 模型，是功率流平衡方程在具体结构上的形象化。对某工程车辆驾驶室的三维模型进行简化，忽略后视镜、孔洞、凸块等细小特征。将驾驶室车身钣金件、前后挡风玻璃、地板等部件建立为面板子系统。最终的驾驶室 SEA 模型如图 1 所示，包含 742 个板结构子系统。

图1 驾驶室SEA模型板结构子系统

驾驶室声学包是通过计算驾驶员头部所在声腔的平均声压来衡量其声学性能的。由于关注的是驾驶员处的噪声，因此首先划分出驾驶员处的头部声腔；其次为探寻噪声的能量传递路径，对驾驶员及乘员分别划分出腰部、腿部空间。其中座椅有单独的空间，仪表板也分成上下两部分，挡风玻璃下方也单独划出声腔子系统。另外，为了便于加载外部声载荷需要搭建外部声腔，外部声腔根据车身外表面的节点进行建立，需要分别建立前挡风玻璃、车门、车窗、车顶、后围、地板等外声腔。最终如图2所示，驾驶室SEA模型共划分168个声腔子系统。

图2驾驶室SEA模型声腔子系统

本文探讨的是工程车辆在60km/h高速行驶工况的车内噪声，主要激励源为发动机噪声及风噪。激励的输入值来源于实际工况的测试值。车辆在良好水平路面上以规定工况行驶，采用数据采集系统，在驾驶室外表面分别共计40个测点布置表面麦克风传感器，记录驾驶室外表面声压信号。发动机噪声激励测量，采取车辆在底盘测功机上模拟60km/h行驶的方法，在发动机上、下、左、右、前共5个表面，每个表面布置3个传声器，记录平均声压级作为该表面的近场声压级。每个发动机近场声压及驾驶室表面声压测量见图3，测量值见图4。

1.3 声学包模型仿真与试验对比

在驾驶室外部的噪声测点对应腔体上，将试验得到的发动机噪声及风噪激励加载到模型中，并根据驾驶室声学包的布置方案对模型进行吸隔声处理。原声学包的材料数据（见表1，采用Mecanum全套材料声学测试与分析设备采集完成）代入SEA模型，并计算可以得到司机耳旁所在的头部腔体的平均声压级。

图5所示为60km/h行驶工况的司机耳旁声压级仿真值与试验值对比图。从图中可以看出，试验和仿真结果在400Hz～5000Hz频域上的趋势基本一致。噪声能量主要集中在400Hz～1600Hz频率范围内；仿真结果在2000Hz～5000Hz高频区域较试验结果高2dB～3dB。驾驶室SEA模型的仿真与试验结果匹配较好，模型可信度较高。

2 驾驶室声学包性能优化及验证

2.1 司机耳旁噪声贡献量分析及声学包优化

针对司机耳旁噪声能量集中的400Hz～2000Hz频率范围内的降噪工作，需要对车内噪声的传递路径进行分析，寻找薄弱环节，改进声学包设计以降低司机耳旁噪声。

为了准确找到传递路径，首先就要查找司机头部声腔能量的输入来源。根据SEA分析结果，可以计算司机头部周围腔体的输入功率，进行头部声腔的输入功率贡献量分析，见图6。

从司机头部声腔的输入功率贡献量分析结果，可以看出：1）400Hz～630Hz频域，中部地板的贡献量最大，两侧地板的贡献量有限；2）630Hz～1600Hz频域，侧窗玻璃和侧窗玻璃泄露的影响最大。声学包优化方向：提升中部地板的隔声性能；优化侧窗玻璃或提高车门密封性能。最终形成的声学包优化方案见表2。

2.2 声学包优化方案仿真及验证

在驾驶室SEA模型中对侧窗玻璃泄露位置的面连接（Area Junction）的传递损失作放大处理， 模拟泄露位置的封闭处理措施。对中部地板和两侧地板上的面板子系统上的NCT（Noise Control Treatment声学处理措施）进行修改，增加1.5mm后的橡胶隔音垫。模型上的声载荷

保持不变，计算司机头部声腔的平均声压级，对比声学包优化前后的噪声值大小，对比结果见图7。

从司机耳旁声压级改进前后仿真值对比图中可以看出，声学包优化方案实施后，司机耳旁声压级有明显降低。400Hz～1600Hz范围内，司机耳旁声压级降低了3dB～5dB；2000Hz～5000Hz范围内，司机耳旁声压级降低了5dB～10dB。

对工程车辆按照优化方案进行实车改进，并进行60km/h匀速行驶工况噪声测试。测试结果（见表3）表明，声学包优化方案实车实施后，司机耳旁噪声在400Hz～5000Hz范围内降低了3.1dB。 

3 结束语

（1）本文基于统计能量分析方法建立了包含驾驶室车身面板结构和内外声腔子系统的声学仿真模型，采用试验方法获取声激励数据，输入声学包材料特性参数，以60km/h匀速行驶工况作为计算工况，分析预测了400Hz～5000Hz频率范围内的工程车辆驾驶室司机耳旁噪声。对比试验结果，频谱趋势基本一致，验证了统计能量分析方法预测噪声的有效性。

（2）根据SEA模型计算结果，进行了司机头部声腔的输入功率贡献量分析，确定主要噪声输入路径为中部地板、侧窗玻璃泄露位置及两侧地板，进一步得到声学包的优化方案。仿真结果表明，声学包改进前后，司机耳旁声压级在400Hz～5000Hz频率范围内有明显降低。声学包方案实施后，声学包优化方案司机耳旁声压级降低了3.1dB。统计能量分析方法为声学包优化提供了一种可行的方法。

下载地址：统计能量分析原理及其应用