基于统计能量分析的车内中高频噪声分析与优化

为了降低驾驶员头部声腔噪声,基于统计能量分析(Statistical Energy Analysis,SEA)原理,将汽车划分为79个结构子系统和8个声腔子系统。采用导纳法对复杂结构子系统的模态密度进行仿真,利用稳态能量流方法计算得到复杂结构的内损耗因子,计算了子系统间的耦合损耗因子。试验测量了动力总成振动和路面随机输入对车身的激励,测试了发动机舱声激励,建立了轿车的CFD模型,对车外风激励进行了仿真。在上述研究工作的基础上建立SEA分析模型,分析预测了驾驶员头部的噪声,通过试验对比,验证了统计能量分析模型的准确性。据此提出降低头部声腔噪声的3种措施并对比,得出最有效的噪声控制措施。     

汽车车外噪声预测的统计能量分析方法

为了对车外噪声进行预测,提出一种基于统计能量分析(Statistical energy analysis,SEA)原理分析预测车外噪声的新方法,建立包含47个车身结构和车外声腔子系统的车外噪声分析预测SEA模型,采用理论计算方法确定各形状规则子系统的模态密度与内损耗因子,对车门等复杂车身结构子系统的模态密度与内损耗因子进行试验测试,计算线连接、面连接子系统间的耦合损耗因子。确定所研究车型55km/h的车速作为车外噪声预测的计算工况,通过试验测量动力总成悬置振动和路面随机输入对车身的激励,并在半消声室内对发动机舱辐射的声激励进行测试,建立被试轿车的计算流体动力学(Computational fluid dynamics,CFD)模型,对车外噪声预测工况下车身外表面的风压激励进行仿真计算。利用参数化及施加激励后的车外噪声SEA预测模型进行车外噪声的分析预测,并与试验结果进行对比,结果表明预测结果与试验结果间的差值小于2dB(A),相对误差小于2.7%,从而验证了所提出的车外噪声预测方法的有效性,该方法能够满足工程上在汽车产品开发设计阶段对车外噪声分析预测的要求。进一步分析不同截面形状的预测声腔及声腔厚度变化对车外噪声预测结果的影响。结果表明,随着预测声腔厚度的增大,声压级逐渐减小,不同截面形状的预测声腔对车外噪声预测结果影响较小。     

统计能量分析参数灵敏度的区间分析法

统计能量分析是目前舰船、运载火箭、汽车和核反应堆等领域解决高频段振动及噪声问题的有效方法之一。基于非保守耦合统计能量分析的功率流平衡方程,将子系统的内损耗因子、耦合损耗因子和由耦合阻尼引入的内损耗因子增量作为设计参数,而将子系统的模态能量作为决策目标,提出了一种基于区间技术的参数灵敏度分析方法。通过给出的灵敏度因子矩阵的每一行来显示不同的设计参数对同一个决策目标的敏感性大小,而通过给出的灵敏度因子矩阵的每一列来显示同一个设计参数对不同决策目标的敏感性大小。研究内容是对统计能量分析理论以及参数灵敏度分析理论的进一步研究和补充。     

重型商用车内高频噪声的预测与分析

运用统计能量分析法,建立了车内噪声分析预测SEA模型。采用理论与试验相结合的方法确定了各子系统的模态密度和损耗因子。通过试验测量了各个工况下车身的振动激励与声压激励。输入参数与激励至模型中仿真计算得到的驾驶员头部声腔噪声声压级结果与试验结果对比,最大误差不超过2dB(A),这说明了建立的SEA模型预测车内噪声的准确性。进行能量传递路径分析,找出了噪声贡献最大的子系统,进而提出两种优化降噪方案并仿真,结果显示均能使室内声压级降低1.5dB(A)左右。     

齿轮箱振动噪声预测的统计能量分析方法研究

从统计能量法的基本原理出发,综合考虑时变啮合刚度及齿轮误差等内部激励对齿轮箱辐射噪声的影响,以及齿轮箱与外部流体耦合作用,建立了齿轮箱的统计能量法分析模型。通过分析与计算确定箱体各子系统的模态密度、内损耗因子和子系统间的耦合损耗因子,求解得到箱体各子系统的振动响应及齿轮箱噪声谱。进一步分析不同齿轮箱厚度、阻尼、轴承刚度对齿轮箱辐射噪声的影响,为齿轮箱的减振降噪提供一定理论依据。     

某特种车车内中频噪声的混合FE-SEA法分析

为了更好地对特种车车内中频噪声进行分析,采用混合有限元-统计能量分析方法,建立某特种车混合FE-SEA模型,根据理论方法获取各子系统的模态密度、内损耗因子、耦合损耗因子以及有限元车身的辐射效率;通过实车试验获取发动机悬置和分动箱悬置处的激励;把获取的参数和激励施加在混合FE-SEA模型中,并在200~800 Hz频率范围内,对有限元结构子系统进行模态计算,然后仿真预测获取车内噪声声压级,同时与测试结果作对比,绝对误差在7%以内,表明仿真模型精度较好;最后对车身板件的功率贡献量进行了分析,得出驾驶室头部声腔的功率贡献量主要来于顶盖和下部声腔。     

全激励FE-SEA法在驾驶室噪声预测中的应用

根据某型挖掘机驾驶室噪声的频谱特性,确定其主要噪声成分为中频噪声.为了准确模拟该噪声水平,采用有限元-统计能量混合分析方法,建立FE-SEA仿真模型;通过计算,获取子系统的模态密度、内损耗因子及耦合损耗因子.利用试验方法测量驾驶室外声场的声压数据及悬置振动数据,作为激励施加在混合模型的相应子系统上.仿真计算驾驶室内部噪声,在200～1000 Hz中频范围内仿真误差仅为2.38％,验证了混合模型的准确性以及FE-SEA方法对中频噪声问题的适用性.据此结果,进一步分析驾驶室板件的噪声贡献度,找到驾驶室的声学薄弱部位,为优化改进指明方向.     

基于实验SEA方法的车内噪声预测分析

针对车内中高频噪声预测分析准确性低的缺陷,提出了一种有效的基于实验分析的有统计能量分析(statistical energy analysis,简称SEA)方法。首先,利用点导纳平均法得到速度与力的实部,确定模态密度;其次,采用衰减法得到脉冲响应,经过Hilbert变换推论出内损耗因子;最后,利用异点导纳平均法,测得带宽内的子系统的平均能量,计算出耦合阻尼损耗因子。依托某车中高频降噪分析测得某工况下的输入声载荷,将实验测得的SEA基本参数输入到模型中,得到驾驶员右耳处的噪声水平,其仿真值与测试值在中高频时吻合较好,证明了轿车模型的有效性。结果表明,基于实验方法测得SEA3个基本参数可以综合提高模型预测车内噪声的准确性,具有很高的工程应用价值。     

基于模态分析法的车身NVH结构灵敏度分析

以某SUV车为例,建立了车身及乘客室声腔的有限元模型。采用模态分析法,根据轿车车身结构和乘客室的声固耦合效应,通过模态分析得到车身结构和室内声腔的各阶耦合振动模式,通过声压响应分析得到车内噪声级别,通过结构灵敏度分析识别出车内噪声的主要来源。针对噪声源提出的改进措施有效降低了车内噪声。     

基于统计能量分析的高速列车车内气动噪声研究

为研究高速列车车内气动噪声特性,利用统计能量分析方法构建包括422个车体结构子系统及170个车内声腔子系统的高速列车车内气动噪声计算模型。通过理论公式计算各个子系统的模态密度和内损耗因子,以及不同子系统之间的耦合损耗因子,通过大涡模拟方法计算各个车体结构子系统的湍流边界层输入激励,进而计算分析高速列车车内气动噪声。计算结果表明:各个车体结构子系统的脉动压力谱随着频率的增加呈现减小的趋势。随着车速的增加,各个频率下的高速列车车内气动噪声均增大。高速列车车内气动噪声的线性计权声压级具有明显的低频特性,而A计权声压级的显著频带范围较宽。司机室声腔A计权声压级的显著频带范围是100~2 000 Hz,乘客室声腔A计权声压级的显著频带范围是50~2 000 Hz。高速列车车内气动噪声的线性计权声压级和A计权声压级均与车速的对数近似呈线性关系。     

基于声学灵敏度的汽车噪声声-固耦合有限元分析

车身结构声辐射的预测对于噪声的控制和降低有着重要的意义.首先推导了声-固耦合有限元的控制方程,并得到模态参与因子和板块声学贡献量的计算方法;然后以某商务车为研究对象,应用虚拟试验场技术,建立声-固耦合有限元模型,包括车身与汽车室内空腔的有限元模型;选择车身与底盘的连接点作为声学灵敏度分析的激励点,采用声-固耦合有限元法,计算得到各悬置点至驾驶员耳旁的声学灵敏度;从声学灵敏度分析结果中发现,车身模态在共振峰70、138、200 Hz处均存在较大的峰值;研究这三个峰值的频率点及其结构,并计算结构模态和声学模态参与因子以及车身板块的声学贡献量,最终得出对车内声学响应影响最大的板块和结构模态.     

基于结构与声场耦合模态分析的车内噪声控制方法

在汽车车内结构噪声的控制中，传统的结构振动模态分析不能准确地反映车身结构与车内声场的耦合特性，将车身结构与车内声场综合起来考虑，采用结构与声场耦合模态分析方法研究了汽车车内结构噪声的控制问题。在介绍结构与声场耦合模态分析方法理论的基础上，讨论了该方法在车内结构噪声控制中的工程实现。该方法在某车车内噪声控制的应用中取得了明显的降噪效果，证明了该方法的可行性和有效性。     

基于鲁棒自适应SCKF的智能汽车目标状态跟踪研究

准确的自车和前车状态估计是智能汽车有效决策和控制的前提,而以往的研究通常不考虑噪声统计特性不确定的问题,导致某些情况下车辆状态估计的误差很大。为此,提出一种鲁棒自适应平方根容积卡尔曼滤波（Robust adaptive square-root cubature Kalman filter,RASCKF）算法,以降低噪声统计不确定性对估计精度的影响。首先,采用最大后验概率准则估计了过程噪声协方差和测量噪声协方差的统计值,以提高噪声稳定时状态估计的精确性。然后,基于标准化测量新息序列设计了故障检测规则,利用实时测量新息对噪声协方差进行校正处理,保证状态估计算法的鲁棒性。最后,在不同的噪声干扰工况下对RASCKF算法进行了仿真验证。结果表明,RASCKF算法在估计精度和稳定性上明显优于标准SCKF算法,有效地解决了智能汽车目标状态跟踪过程中噪声统计特性不确定的问题。     

电动汽车动力系统参数多指标稳健设计方法

为降低行驶工况的波动对整车经济性能的影响,提出基于多因素行驶工况的动力系统部件参数多指标稳健设计方法。以工况能耗、工况续驶里程和部件成本建立综合经济性能指标函数,以电池、电机和传动系参数为控制因子,以行驶工况的关键因素作为噪声因子,建立动力系统参数稳健设计的数学模型。基于Modelica建立整车性能仿真模型,并构建工况仿真的径向基函数响应面模型。采用概率方法描述行驶工况的不确定性,制订试验设计方案对动力系统参数进行稳健设计。以EVBus进行实例计算,基于蒙特卡罗分析表明稳健设计方案的综合性能指标函数的均值及方差均得到有效改善,表明了研究方法的有效性。     

Parametric approaches for uncertainty propagation in SEA

A limit of statistical energy analysis (SEA) is that of providing only the mean values of the mechanical energy of a vibrating system. In this paper, the variability of SEA solution under uncertain SEA parameters (coupling loss factors, internal loss factors and injected powers) is investigated by comparing a sensitivity approach and a design of experiment (DoE) approach. Uncertainties of the SEA parameters depend on uncertainties in the physical properties of the considered mechanical system. Numerical results are derived using a benchmark structure made by three aluminum plates with a common junction and a launcher fairing. The analysis of the effect of uncertainties of SEA parameters can be used for design purposes, i.e. to identify which are the most effective areas to modify in order to control the energy level of a given subsystem.     

SEISMIC RANDOM VIBRATION ANALYSIS OF STOCHASTIC STRUCTURES USING RANDOM FACTOR METHOD

Seismic random vibration analysis of stochastic truss structures is presented. A new method called random factor method is used for dynamic analysis of structures with uncertain parameters, due to variability in their material properties and geometry. Using the random factor method, the natural frequencies and modeshapes of a stochastic structure can be respectively described by the product of two parts, corresponding to the random factors of the structural parameters with uncertainty, and deterministic values of the natural frequencies and modeshapes obtained by conventional finite element analysis. The stochastic truss structure is subjected to stationary or non-stationary random earthquake excitation. Computational expressions for the mean and standard deviation of the mean square displacement and mean square stress are developed by means of the random variable's functional moment method and the algebra synthesis method. An antenna and a truss bridge are used as practical engineering examples to illustrate the application of the random factor method in the seismic response analysis of random structures under stationary or non-stationary random earthquake excitation.     

基于板件贡献分析的装载机驾驶室低噪声设计

分别建立某装载机驾驶室及室内声腔有限元模型,通过单点输入多点输出(single input and multiple output,简称SIMO)法模态试验验证了声振耦合模型的准确性,测取悬置点激励进行频率响应分析及室内噪声预测。对驾驶室进行声学灵敏度分析,采用声传递向量法对驾驶室进行声学板件贡献度分析并对关键板件进行形貌优化,同时添加橡胶阻尼材料抑制壁板振动,进行二次声压虚拟预测。结果表明,声学灵敏度分析可得到多阶关键声振耦合频率,声传递向量法板件贡献度分析能准确定位产生噪声峰值的关键板件,形貌优化及添加阻尼材料的方案降噪效果显著,室内总声压级降低了4.43dB。此方案系统地为低噪声车身设计提供了技术路线,减少了传统方案的主观性和重复性,缩短了研发周期,降低了研发成本。     

行驶时间区间不确定的装配线物料配送路径规划

为解决装配线物料配送中车辆行驶时间不确定导致物料不能及时送达的问题,提出行驶时间区间不确定的路径规划方法。不确定行驶时间由区间数表示,采取鲁棒优化方法,引入路径相关不确定参数,以最小化车辆行驶距离为目标,考虑三维装载和时间窗约束,建立装配线路径规划模型,并设计了一种混合遗传算法求解模型。算法中,采用锦标赛选择避免适应度值转换,设计一种离散莱维飞行提高算法搜索性能,通过与不同算法对比,表明了该算法的有效性。最后以变速器装配线物料配送路径规划问题为例,通过该方法得到了不同不确定程度下的路径方案,使用蒙特卡罗方法分析了不同方案抵抗不确定行驶时间的能力。     

Stochastic model updating—Covariance matrix adjustment from uncertain experimental modal data

With deterministic methods finite element model parameters are updated by using a single set of experimental data. As a consequence the corrected analytical model only reflects this single test case. However, test data are inherently exposed to uncertainty due to measurement errors, different modal extraction techniques, etc. Even a more relevant factor for variability originates from production tolerances and consequently the question arises, how to describe model parameters from the stochastic point of view? Therefore it would be desirable to use statistical properties of multiple sets of experimental and to consider the update parameters as random variables. This paper presents an inverse approach how to identify a stochastic finite element model from uncertain test data. In detail, this work demonstrates a method to adjust design parameter means and their related covariance matrix from multiple sets of experimental modal data. Results are shown from a numerical example.     

考虑结构参数不确定性的随机模型修正方法

提出了一种随机模型修正方法以确定结构不确定性参数的概率统计特性,使得模型修正的应用更符合工程实际。将随机模型修正过程分解为一组确定性修正过程,利用蒙特卡罗仿真得到的响应样本并结合响应面模型的快速运算特性,构造优化反演过程来求得各个样本所对应的一组参数值,进而基于大量样本统计得到参数的均值和方差。所提出方法经过一组试验钢板的验证,准确求得了钢板厚度和材料参数的均值和方差,说明了方法的可行性和可靠性。