摘要：本文旨正在研讨汽车声学包的轻量化计划，央求正在保障声学功能的条件下，尽或许竣工轻量化的对象。最先利用统计能量法筑筑了包蕴车身构造和各声腔的整车模子，提取80 km/h 匀速工况下唆使机舱的声辐射鞭策、动力总成鞭策和车身外表脉动压力鞭策，并将其施加正在该模子上，取得驾驶员头部声腔声压，结果与试验数据吻合优秀，验证了模子的有用性。接着凭据各子体系对驾驶员头部声腔声压的功绩量剖释结果，对内前围和前地板声学包提出了更始计划。末了以更始计划中各层资料厚度为计划变量，以驾驶员头部声腔总声压级和声学包总质料为对象修建Kriging 近似模子，采用众对象遗传算法对声学包资料厚度举办优化，优化后的声学包声学功能与正本相当，而总质料减轻了20.76%。车内噪声遵从频率可分为低频、中频和高频噪声。车内低频噪声可采用有限元法和界限元法等剖释求解[1-2]；而跟着频率的升高，车身构造正在高频段表现出“短波长、高模态密度和高模态重叠数”[3]等性格，导致有限元法不对用于高频噪声剖释；而统计能量法（statistical energy analysis，SEA）可抑制这些不适合有限元剖释的要素[4]，故可平凡利用于高频噪声研讨中[5-8]。Dejong[5]初度试验采用统计能量法预测车内噪声题目，筑筑了包蕴34 个子体系和思量动力总成、途面和风等3 种鞭策的整车模子。陈书明等[7]基于统计能量剖释道理，筑筑了47 个车身构造和车外声腔子体系，告成地预测了汽车车外噪声。刘加利等[8]应用统计能量法长远研讨了高速列车车内气动噪声的频谱性格和速率依赖性等秩序。

声学包是局限车内高频噪声的有用手段[9-11]，将分歧吸、隔声资料举办最优组合，不光可取得优秀的声学功能，还能竣工资料的轻量化[12]。吴宪等[11]以笼罩率、堵件厚度、PU 泡沫厚度和EVA 面密度为计划变量，对前围板声学包举办优化，使声学包正在隔声功能与质料之间获得最佳平均。杨晓涛等[13]采用NSGA-Ⅱ遗传算法对顶棚声学包Kriging 近似模子举办优化，取得了顶棚4 层吸声资料的最优组合，分身了降噪与轻量化功能。而利用统计能量法搭筑整车模子，从整车声压和轻量化角度对声学包举办优化，不光能取得最佳声学包组合，还可能有用低落整车开采本钱和缩短开采周期。

为辅导车内声学包的优化，利用统计能量法筑筑整车模子并揣度驾驶员头部声腔声压，与试验值比拟验证模子的无误性。凭据各子体系对驾驶员头部声腔声压的功绩量剖释，进而提出内前围和地板子体系声学包更始计划。末了，面向车辆的总声压级和总质料筑筑Kriging 近似模子，采用众对象遗传算法对声学包资料厚度举办优化，竣工声学包优化计划。

SEA整车模子1.1 SEA根基道理统计能量法从统计角度起程，将繁复体系认识为众个便于独立剖释的子体系，并用颠末空间和频域上均匀惩罚的模子参数来描写子体系的状况，故统计能量法结果也是空间和频域均匀的结果[14]。统计能量法中，单个子体系i所处的状况用模态密度ni和内损耗因子ηi 显示，模态密度是表征子体系罗致和贮存能量才干巨细的参数，内损耗因子是表征子体系自己对能量衰减强弱的参数。而第i、j 个子体系之间的耦合效力则通过耦合损耗因子ηij 显示。众个互相耦合的子体系的功率流平均方程可显示为

式中：ω 为体系固有频率；Ei为子体系i 贮存的能量；Pi为子体系i的外部输入功率；N为子体系个数。

求解式（1）可取得每个子体系的能量，再将子体系的能量遵从式（3）转换成相应的动力学目标，即可结束求解。

1.2 SEA子体系的筑筑子体系划分需满意模态好似标准，即央求一个子体系所包蕴的部件必需有相像的动力学性格[14]。正在工程利用中，平淡集合模子划分子体系，如分歧资料、分歧厚度的构造划分为分歧的子体系；为了保障各声腔子体系的庄敬关闭性，纵然可能划分为统一子体系的构造，也须凭据声腔子体系划分为两个或众个子体系[15-16]。

凭据子体系划分准绳，筑筑某款紧凑型SUV 统计能量法整车模子，如图1所示，共包蕴16个声腔子体系和175个构造子体系。声腔子体系如表1所示；而构造子体系则闭键包含玻璃子体系、防火墙子体系、地板子体系、顶棚子体系、立柱子体系和车门子体系等。此中，玻璃子体系用平板单位筑模，立柱子体系用梁单位筑模，其他构造子体系采用曲面板单位筑模。

正在统计能量法模子中，各子体系之间的耦合形式分为点、线 种形态。线贯串是构造子体系之间的闭键贯串形态，线贯串的交点处则为点贯串，声腔与声腔、声腔与构造之间则以面贯串的形态保障子体系之间的耦合。

1.3 SEA参数揣度统计能量法参数包含模态密度、内损耗因子和耦合损耗因子。采用表面公式[14-15，17]揣度各个子体系的模态密度、内损耗因子和各子体系之间的耦合损耗因子。下面剖释揣度结果。

图2（a）为左前、左后风窗玻璃和驾驶员侧车窗玻璃子体系的模态密度。由图可知，平板子体系模态密度不随频率变更。图2（b）为声腔子体系的模态密度，其随频率增大而增大。

图3（a）和图3（b）离别为玻璃子体系和声腔子体系的内损耗因子。由图可睹，玻璃和声腔子体系的内损耗因子随频率升高而减小，相对而言，玻璃子体系的内损耗因子变更较平缓。

图4（a）为左、右防火墙子体系的耦合损耗因子，其随频率升高而减小，正在核心频率为630～1 250 Hz的区间减小较速，而核心频率为1 250～6 300 Hz 的区间减小怠缓；图4（b）为驾驶员腿部声腔子体系与左前地板子体系的耦合损耗因子。由图可知，随频率升高而减小，且变更较怠缓。

鞭策载荷提取与模子验证汽车行驶流程中受到的外部鞭策可分为构造鞭策和声鞭策两品种型。构造鞭策包含途面不屈度鞭策和动力总成鞭策等，声鞭策则包含唆使机舱声辐射鞭策、车身外表脉动压力鞭策等。正在高频剖释中，声鞭策是闭键的噪声源，因而剖释中闭键思量唆使机舱的声辐射鞭策、车身外表脉动压力鞭策和动力总成鞭策。

唆使机舱的声辐射鞭策测尝尝验正在半消声室举办，车速为80 km/h。正在唆使机上侧、下侧、左侧、右侧、左防火墙侧和右防火墙侧离别安放3 个传声器，用3 个传声器的均匀值代表该外表辐射声压。唆使机上侧传声器安放睹图5。测试前，先将汽车预热；测试流程中，车身开闭件、车窗玻璃和空调均为合上状况。末了取得唆使机舱声辐射鞭策1/3倍频程图，如图6所示。

通过实车道途测尝尝验获取动力总成悬置鞭策，车速为80 km/h。测试流程平分别正在动力总成左悬置、右悬置和后悬置被动端安置加快率传感器。图7为右悬置被动端加快率传感器安放图，图8为右悬置测试结果。

2.3 车身外表脉动压力鞭策筑筑整车揣度流体动力学模子，提取车身外表脉动压力鞭策。揣度域尺寸为10L×9W×5H，此中L、W、H 离别显示车长、车宽和车高，揣度域如图9 所示。采用Realizable k-ε 湍流模子举办稳态揣度，当揣度结果收敛后，再以稳态揣度结果为初始条目举办瞬态揣度提取脉动压力，瞬态揣度以大涡模仿为湍流模子，亚格子模子选用WALE。揣度界限条目扶植如表2 所示。车身外表脉动压力揣度结果如图10所示。

将试验测试所得动力总成悬置鞭策施加到前大梁和副车架上，唆使机舱的辐射噪声以扩散声场的形态施加到防火墙上，车身外表脉动压力鞭策以紊流场的形态施加到车身各外表，举办仿真揣度，提取驾驶员头部声腔声压，并与实车道途测试获取的驾驶员右耳声压比拟，如图11所示。仿真与测试结果吻合较好，阐发统计能量法模子具有较高的无误性。

2.5 驾驶员头部声腔声压功绩量剖释对驾驶员头部声腔声压举办功绩量剖释，结果如图12 所示。由图可知，正在630～2 500 Hz 频段，对驾驶员头部声腔声压功绩量较大的子体系闭键为驾驶员腿部声腔、前风窗玻璃和左前侧顶棚。当频率高于2 500 Hz 后，前风窗玻璃和侧窗玻璃成为对驾驶员头部声腔功绩量较大的子体系。

因为驾驶员腿部声腔是对驾驶员头部声腔声压功绩量较大的子体系之一，且本文错误声腔子体系做更始，故又对驾驶员腿部声腔声压举办了功绩量剖释，结果如图13 所示。由图可知，对腿部声腔功绩量较大的子体系闭键为防火墙、左前车门前内板、左轮罩板和左前地板等。

因而归纳结果，对驾驶员头部声腔声压功绩量较大的子体系闭键为防火墙、前车门前内板、前风窗玻璃和前地板等。声学包的优化计划

防火墙声学包分为内前围（驾驶室侧）和外前围（唆使机舱侧）声学包。下面采选内前围和前地板声学包，从整车声压与轻量化角度对其举办优化。

3.1 声学包更始计划计划内前围声学包平淡为2 层或3 层构造。原车内前围采用EVA+PU 泡沫（80 kg/m3）2 层安放的形态，正在原车声学包根本上，将80 kg/m3的PU 泡沫换成31 kg/m3的PU 泡沫，再加1 层毛毡资料，而撑持原声学包27 mm总厚度褂讪，计划更始计划如表3所示。

前地板声学包采选EPDM 为根本资料，以针刺纤维+毛毡组合构造，依旧原声学包总厚度22 mm褂讪，原前地板声学包及其更始计划如表3 所示，各资料参数睹表4。

离别揣度了更始计划的隔声功能，并与原声学包声学功能比拟，结果如图14和图15所示。由图可知，内前围声学包和前地板声学包的更始计划隔声功能优于原车声学包，阐发内前围和前地板声学包更始计划计划合理。末了，筑筑更始计划的优化模子，对声学包各层声学资料厚度做进一步优化。

3.2 声学包更始计划优化以驾驶员头部声腔总声压级S、声学包总质料M为优化对象，以内前围声学包毛毡厚度N1、PU 泡沫（31 kg/m3）厚度N2和前地板声学包EPDM 厚度D1、针刺纤维厚度D2、毛毡厚度D3为优化变量，以声学资料总厚度行为抑制条目筑筑如下优化模子：

通过样本值与反响值筑筑三维Kriging 近似模子，采选确定系数R2评议Kriging 近似模子的精度。揣度取得声学包总质料的Kriging 模子确定系数为0.88，驾驶员头部声腔总声压级的Kriging 模子确定系数为0.98，均大于0.85，阐发近似模子精度满意剖释央求。

采用众对象遗传算法对声学包近似模子举办优化。扶植遗传代数为50，每代精英数目为样本空间的10%，变异率为0.01。颠末揣度取得296 组不劣解，组成闭于驾驶员头部声腔总声压级和声学包总质料的帕累托前沿，如表6所示。

末了，引入圭臬界限交叉法正在帕累托前沿中寻找最优解[18]。最先对296 组解举办圭臬化惩罚，将对象值转为无量纲数；再求解查找半径R2，取得其最小值为0.81。对应的优化变量结果与近似模子对象值如表7所示。

将优化变量结果圆整后裔入原模子中，取得驾驶员头部声腔总声压级为54.03 dB（A），声学包总质料为8.32 kg，声学包优化前后比拟睹表8。与原计划比拟，驾驶员头部声腔总声压级低落0.63 dB（A），声学包总质料低落了2.18 kg，减质料20.76%。

应用统计能量法筑筑了车内高频噪声剖释模子，集合车速80 km/h 匀速工况下的鞭策数据，预测了驾驶员头部声腔声压，预测结果与试验测试数据吻合较好，阐发筑筑的统计能量法模子可用于高频噪声剖释。

正在统计能量法模子上，剖释了对驾驶员头部声腔声压功绩量较大的子体系，提出了内前围和前地板声学包更始计划，并验证了其可行性。末了，筑筑了更始计划中各层资料厚度与驾驶员头部声腔总声压级、声学包质料Kriging 近似模子，采用众对象遗传算法对声学包资料厚度举办了优化。优化后两个声学包的总质料减轻了2.18 kg，减质料20.76%；驾驶员头部声腔总声压级低落了0.63 dB（A），既保障了车内的声学功能，也竣工了轻量化。

汽车测试网-创设于2008年，报道汽车测试技能与产物、趋向、动态等 闭联邮箱 marketing#auto-testing.net (把#改成@)