论文部分内容阅读
汽车的NVH(噪声、振动、声振粗糙度)性能已经成为顾客衡量汽车性能的重要指标之一。降低车内噪声成为了提升汽车品质,满足客户需求的一个亟待解决的问题。又因影响车内噪声的因素很多,识别出车内噪声源即成了汽车降噪的关键和重点。本文从噪声源识别的角度出发,分别针对车内低频、高频和全频的噪声源进行了识别。并对比研究了各噪声源识别技术的优缺点。主要内容如下:1.基于CAE技术的低频噪声源识别。主要研究了FEM(有限元)、BEM(边界元)和ATV(声传递向量)在低频结构噪声源识别中的应用。建立了某微车有限元模型和边界元模型,分别用FEM、BEM和ATV方法预测了车内低频结构辐射噪声。通过板件贡献量的计算,确定了峰值频率下板件对车内声学的贡献。并应用板件贡献量对辐射声压进行了排序,识别出了主要噪声源,寻找到了结构设计的缺陷,进而为结构优化设计提供了方向性建议。通过对低频噪声源识别的研究,明确了CAE低频噪声源识别技术在汽车虚拟设计中的重要性。2.基于SEA(统计能量分析)的高频噪声源识别。主要研究了SEA在高频车内噪声源识别中的应用。建立了某微车的统计能量分析(SEA)模型,通过施加实测的激励源,成功预测了汽车平稳运行中车内高频噪声。应用SEA对车内噪声输入功率进行了排序,识别出了车内噪声主要输入板件。从声辐射与透射的角度识别出车内高频的主要噪声源。在此基础上,提出了工程上可行的降噪措施。通过对SEA技术的研究,确定了SEA噪声源识别方法在汽车平台开发中的重要性。。3.基于信号处理的全频噪声源识别。主要研究了信号处理的一些方法在噪声源识别领域的应用。主要包括利用相干分析、偏相干分析和小波分析方法对某微车车内噪声源识别。并编写了偏相干函数和小波函数噪声源识别的MATLAB程序,量化了各噪声源的贡献,使得各噪声的贡献清晰、明确。进而为车内降噪明确了方向。通过对信号处理技术的研究,确立了信号处理噪声源识别技术在主机厂中较优性价比的地位。