随着我国汽车制造工业的不断进步与发展,汽车的数量越来越多,与此同时带来的噪声污染也更严重。国内外对于汽车噪声都有着严格的法规限制,而汽车的噪声大部分来自于发动机,控制发动机噪声能有效降低汽车的噪声。发动机的噪声可分为燃烧噪声、机械噪声以及空气动力噪声。其中,空气动力噪声与进排气系统以及风扇等有关,机械噪声则与发动机结构、传递路径及附件等相关,燃烧噪声则与发动机工作时燃烧产生的气缸内压力密切相关。燃烧噪声对柴油机的整机噪声影响较大,但又很难进行定量表征。本文基于高压共轨柴油机的噪声测量数据,研究了燃烧噪声的分离以及预测的方法。首先,基于非线性回归拟合经验公式分离以及预测燃烧噪声。根据相干分析的结果,并考虑缸内压力与辐射噪声之间的关系,选择缸内最大压力,最大压力升高率和最大二阶压力升高率作为燃烧噪声的表征参数。使用SPSS软件进行初步建模,并获得了三个基本预测模型。通过最小二乘法拟合确定基本模型的参数,并根据Akaike信息准则选择了最终的经验公式。确定的经验公式在燃烧噪声预测结果中最大误差为0.08,平均误差为0.03。高速和高负荷的结果比低速和低负荷的结果更准确。该方法可以直接从气缸压力计算出燃烧噪声,从而为燃烧噪声评估提供了一种简单的方法。在燃烧噪声相关性分析的基础上结合多元线性回归的基本原理,以最大爆发压力、最高二阶压力升高率和最高压力升高率作为表征燃烧噪声的参数建立多元线性回归模型,并利用得到的经验公式对多个工况的燃烧噪声进行计算。该种方法得到的经验公式在进行燃烧噪声预测时最大相对误差为0.14,平均误差为0.05,并分析了拟合结果相对误差较大的原因。将时域下的总噪声信号和缸压信号作为维纳滤波器的输入,计算总噪声信号的自相关矩阵,总噪声信号和缸压信号的互相关矩阵,根据自相关矩阵和互相关矩阵构建维纳滤波器系数。通过维纳滤波器系数滤掉总噪声中与缸压相关度不高的噪声,输出与缸压相关度较高的燃烧噪声。然后,对输出信号进行傅里叶变换和三分之一倍频程计算,得到燃烧噪声。维纳滤波的结果表明,1000-10000Hz频域范围内的相对误差小于10%,改变预喷定时工况的比改变主喷轨压的结果更准确。低转速低负荷的结果误差较大,适用的工况范围有限。通过适用工况范围以及平均绝对百分比误差分析可知,多元线性回归法更适用于燃烧噪声的预测。