摘    要   

隨著動力系用系統(tǒng)的電氣化，車輛內部的噪聲已經達到了非常令人滿意的安靜水平。動力系統(tǒng)的噪音，過去在內燃機汽車中占主導地位，現(xiàn)在正在讓位于其他噪聲源：滾動噪聲和風噪聲。這些噪音是在公路和高速公路上行駛時遇到的，在長途旅行中會產生相當大的疲勞。風噪聲是湍流和聲壓波動在氣流中產生的結果。它們通過車輛表面（如窗戶、地板和車頂）的振動聲激勵傳遞到乘員艙。由于其機械性能，窗戶是向乘員艙傳遞最多噪音的表面。盡管聲壓在振幅上比湍流壓力波動弱得多，但它仍然占了乘員感知到的大部分噪聲。這是因為它的波長更接近玻璃振動的特征波長，使其更有效地通過乘員艙玻璃傳播。這些現(xiàn)象的精確建模需要CFD（計算流體動力學）和高頻振動聲學模擬的耦合。除此之外，CFD模擬必須重現(xiàn)聲波在車輛周圍氣流中的產生和傳播；Lattice-Boltzmann（格子-玻爾茲曼)方法用于此目的。振動聲模擬必須能夠實現(xiàn)玻璃上的外部氣動聲載荷與乘員室噪聲傳播到乘客耳朵之間的耦合。

01  前    言 

汽車的電氣化導致客戶和用戶對電動汽車安靜運行的需求增加。機艙內的音，以前主要由內燃機，正在讓位給其他噪聲源：滾動噪聲和風噪聲。這些噪聲源的特點是在很寬的頻率范圍內都能聽到，被認為是低質量的，是長途高速公路旅行中不舒服和疲勞的來源。對內部噪音水平的估計通常需要進行昂貴的測試，這通常需要使用全尺寸的風洞。

在開發(fā)周期更快、成本效益更高的現(xiàn)代背景下，車輛的外部形狀以及玻璃性能需要盡早做出決定。因此，為了縮短新產品的開發(fā)周期，依靠模擬方法來預測由風噪聲源引起的室內噪聲水平是非常重要的。對汽車座艙內部風噪聲進行預測面臨兩個主要挑戰(zhàn)：外部空氣聲源的計算和向內部的傳播。要準確評估不同的外觀設計，需要對駕駛員或乘客耳朵的內部聲學響應進行評估。

風噪聲源

      噪聲源產生的氣動聲學機制是復雜的。它們是由移動車輛表面的空氣循環(huán)產生的。乘員艙內的噪音是乘員艙面板壓力變化的結果，可分為兩種類型：

• 由與車輛面板直接接觸的渦流引起的空氣動力或湍流壓力。實際上，湍流波動與傳播速度接近車輛速度約30m/s ~ 40 m/s的局部流動速度進行了對流。

• 以340米/秒的聲速在空氣中傳播的氣流所產生的聲源輻射所產生的聲壓。

      這些聲源的產生來自兩個氣動起源的渦流之間或渦流與表面之間的相互作用。這是艾倫·鮑威爾在1964年出版的《渦旋聲理論》(theory of vortex sound)中使用的理論。與對流湍流相比，聲場通常是內部噪聲的主要來源，盡管聲場的水平要低得多。

      氣動聲學現(xiàn)象的模擬需要使用方法來計算到達車輛面板的聲波的來源和傳播。這些可以通過直接獲得包括湍流和聲分量的頂壓來獲得，或者分兩個階段通過識別湍流中的聲源然后計算聲傳播來獲得。

乘客艙內的振動聲傳播

      即使它的水平較低，聲壓是負責大部分的噪音被乘員感知。這是因為它的波長更接近窗戶振動的波長特征，這意味著它可以更有效地通過乘員艙的玻璃傳播。

      為了計算乘員耳朵處的噪聲，將CFD（計算流體力學）模擬的頂壓結果作為加載引入振動聲學模型，該模型可以計算噪聲通過玻璃從外部到內部的傳輸。

      確定性數(shù)值方法作為有限元或邊界元通常用于模擬低頻；然而，它們通常不太適合在很寬的頻率范圍內建模響應，這是風噪聲應用所需要的。這部分是由于使用每個波長固定數(shù)量的元素來描述短波長的振動所帶來的計算費用。然而，這也是因為在更高的頻率下，復雜結構的振動響應往往對材料性質和邊界條件的微小擾動變得越來越敏感。

       SEA描述了耦合子系統(tǒng)之間的功率交換；可以推導出各子系統(tǒng)內能量的輸入、傳輸和耗散的公式。SEA允許在很寬的頻率范圍內預測復雜系統(tǒng)的“集合平均”響應。SEA在汽車領域風噪聲傳播中的應用已經有了討論。

       傳統(tǒng)的SEA方法在已經被提出，而一種更先進的方法也被提出，該方法使用了包含車輛內部各種散射面的空腔模型，不需要將內部聲學空間劃分為單獨的SEA空腔子系統(tǒng)。該公式可在商業(yè)軟件wave6中獲得，并將在本研究中使用并驗證。

風噪聲調諧

      氣動聲學噪聲譜使用一種稱為清晰度指數(shù)的心理聲學度量來量化，該指標通常用于確定風噪聲性能。通過數(shù)值模擬的開發(fā)，雷諾數(shù)字化地對車輛的形狀進行微調，以最大限度地減少風的噪音。本文介紹了從CFD模擬到聲學模擬再到整車形狀優(yōu)化的各個階段和方法。 

02     CFD氣動聲學仿真      

格子-玻爾茲曼方法與湍流模型

      雷諾使用商用求解器Powerflow計算駕駛員側窗的時間壓力波動。該軟件的計算代碼是基于被稱為格子玻爾茲曼方法（LBM）與湍流模型相結合的數(shù)值方案

      格子-玻爾茲曼方法作為傳統(tǒng)計算流體動力學(CFD)的一種替代數(shù)值方法，在近30年前被商業(yè)化提出。與傳統(tǒng)方法基于求解宏觀Navier-Stokes（N-S）方程作為偏微分方程不同，LBM從描述粒子分布函數(shù)演化的離散“介觀”尺度動力學方程開始，其中正確的宏觀流體動力學是底層粒子分布演化的結果。動力學描述的使用使得流體建模比在N-S方程中捕獲的更簡單和更通用。物理更簡單，因為它僅限于捕獲粒子或粒子集合的動力學行為，而不是試圖解決非線性微分方程，這是非常困難的。這種介觀描述也更為普遍，因為通過在這個水平上增加粒子之間的相互作用，可以更有效地模擬更復雜的流體物理，適用于更大范圍的空間和時間尺度。

      對于湍流模型，不可能對高雷諾數(shù)流動進行直接模擬，解決所有尺度，因此有必要納入湍流模型，以考慮未解決的湍流結構。湍流運動尺度有三種基本類型：耗散尺度、慣性尺度和各向異性尺度。湍流的耗散尺度和慣性尺度在本質上是普遍存在的，可以從理論上加以描述。各向異性湍流包含了最大尺度的湍流運動，在本質上并不具有普適性，因此湍流理論不適用于這一尺度。在這個基于LBM的CFD代碼中實現(xiàn)的數(shù)值格式直接解決了各向異性湍流尺度，并使用湍流理論來模擬只適用于耗散域和慣性域的通用湍流尺度。為了模擬未解析的小尺度湍流波動的影響，對玻爾茲曼方程進行了擴展，將其分子松弛時間尺度替換為有效的湍流松弛時間尺度

Powerflow模型

      使用Powerflow進行的計算包括數(shù)字風洞的模擬，實驗測試的數(shù)字表示。這是一個三維計算與湍流模型的外部流動。介質是空氣，在標準壓力和溫度條件下(101325 Pa, 20°C)，被認為是完美的氣體。風洞入口風速為160 km/h?？紤]聲速為343 m/s，馬赫數(shù)為0.133，與實驗測量值相對應。所使用的車輛模型包含大約1700萬個切面（見圖3），因此使用大約2.08億個體積單元和4500萬個表面單元來求解其周圍空氣的幾何形狀和體積。

圖 3  用于 Powerflow計算的車輛幾何結構

     關于分辨率區(qū)域，它們的形狀和大小基于雷諾的經驗和求解器的最佳實踐。這種建模有助于平衡求解的準確性和計算的效率。在空氣體積最外層區(qū)域，單元的組織尺寸約為1m，在靠近后視鏡和艙柱的分辨率區(qū)域（VR11），單元體的組織尺寸變得更細，如圖4.a所示。更多的中間分辨率區(qū)域（VR10）、（VR9）和（VR8）也如圖4所示。B 4c和4d。相鄰分辨率區(qū)域之間的最小厚度為8個單元體。計算在物理時間為15秒的情況下進行，聲學記錄從0.5秒開始。壓力被記錄在駕駛員側玻璃的一個非常精細的網格上，采樣頻率為22.86 kHz。

圖  4  用于 Poweflow計算的分辨率區(qū)域：（a）VR11， （b）VR10， （c）VR9， （d）VR8

       在風洞入口（inlet）處設速度邊界條件等于車速，即160 km/h，在風洞出口（outlet）處設大氣靜壓條件。在模擬中，前保險杠格柵保持打開狀態(tài)，以預測發(fā)動機艙和車輛周圍的流量分布。熱交換器的壓力損失采用多孔介質和空氣阻力模型來模擬。此外，假定風機是靜態(tài)的，即不旋轉。地面被建模為帶有摩擦的靜態(tài)（非偏轉），氣流與車輛一致（滑移角為0°）輪胎沉入地面被建模為正確的離地間隙。最后，為了減少仿真所需的計算時間，采用了具有對稱平面的半車輛模型。

   03    縱槽模擬   

      估計從側窗到乘客耳朵的噪聲傳輸需要一個振動聲學模型。在這個模型中使用的振動聲學方法的類型取決于感興趣的頻率范圍。對于湍流氣流與側鏡接觸產生的風噪聲，頻率范圍通常在1khz到8khz之間。側窗在該頻率范圍內具有相對較少的結構模態(tài)，因此可以使用FEM（Finite Element Method）進行建模。另一方面，車輛內部在該頻率范圍內具有非常多的模態(tài)（>1e6），因此使用FEM或BEM(邊界元法)來描述整個內部聲腔通常是不實用的。在本研究中，作為一種合理的替代方案，我們使用了商用振動聲學軟件Wave6中的SEA公式。

玻璃

      當前分析中使用的振動聲學模型由側窗和擋風玻璃組成，單元尺寸為每波長6個單元，單元尺寸為16 kHz。本研究分析的車輛安裝了側玻璃、鋼化玻璃和多層擋風玻璃。材料屬性在側窗模型的厚度上均勻應用。這種玻璃的阻尼也通過對隔板玻璃進行振動測量來估計。得到的阻尼是頻率相關的。對于擋風玻璃，我們考慮到它的不同層的材料，所以對于阻尼來自測量。

圖  5 wave6中的振動聲學模型示意圖，包括一個空腔、一個波動的表面壓力載荷和一個側玻璃

      在激勵方面，利用Powerflow進行CFD計算得到的頂壓載荷作用于所有玻璃。然后輸入FSPs（波動表面壓力），并使用wave6將其從時域轉換為頻域。

乘員艙體

       如前所述，在我們感興趣的頻率范圍內，很難在中高頻或高頻使用FEM或BEM類型的方法，因為與波長相比，腔的尺寸變得太大，因此聲腔模式的數(shù)量變得非常大。出于這個原因，以及為了模擬車輛艙內的空氣，我們使用了商業(yè)軟件wave6中提供的空間梯度SEA公式。

       與傳統(tǒng)的SEA不同，這種公式使得將腔體建模為單個子系統(tǒng)成為可能，其中可以有能級的變化（梯度），因此聲壓作為我們在腔體中所處位置的函數(shù)。以我們的案例為例，在汽車的乘員艙中，存在局部噪聲源，例如側窗的空氣動力學噪聲，以及各種障礙物（座椅、頭枕）等的存在，這意味著乘客的耳朵感知到的噪聲以及AI（Articulation Index）（清晰度指數(shù)）可理解性取決于這些區(qū)域是更多地暴露于直接場還是中高頻混響場。

       在我們的計算中，我們使用了一個大致網格化的封閉腔，SEA梯度不需要將內部聲學空間劃分為單獨的SEA子系統(tǒng)。透明的白色表面是空腔的邊界(如圖5所示)，空腔的內表面還包含座椅、儀表板等的外表面。灰色的表面表示數(shù)據(jù)恢復表面，用于顯示腔內的聲壓級。最后，用黃色表示的是駕駛員側玻璃的濕潤表面，它負責向腔體的聲輻射。關于分配給腔的特性，將吸收系數(shù)應用于展位的內壁，并使用測量的混響時間（T60測試）值來估計它。

        最后，為了建立玻璃與腔體之間的耦合，使用了由腔體網格表面創(chuàng)建的擋板（圖6.b）。擋板是一個網格表面，再現(xiàn)了描述窗口附近直接場所需的幾何細節(jié)。在我們的例子中，這是包含側窗的區(qū)域，如圖所示。這樣做的目的是考慮反射和衍射對直接場的影響。

圖  6  研究中使用的型腔模型：（a） 邊界元型腔，（b） 帶擋板的SEA型腔

      在計算性能方面（在相同的硬件上獲得），SEA模型每個頻率花費2分鐘，需要大約48GB的RAM內存（峰值），而BEM計算每個頻率花費4小時，需要大約200 GB的RAM內存（峰值）。

      如圖7所示，在1/3倍頻2500 Hz頻段內，駕駛員側窗加載氣動聲激勵時，在垂直平面和水平平面上的聲壓級圖。聲壓級以大約15dB的刻度顯示。可以看出，兩種方法在靠近玻璃的地方都有很高的聲壓級，這是由于直接場主導了這個區(qū)域（靠近駕駛員的左耳）。離玻璃越遠，聲壓級越均勻，并由混響場主導，聲壓級明顯下降。

       綜上所述，雖然邊界元法給出了更精確的局部結果，但很明顯，SEA梯度法可以以極低的數(shù)值成本預測客艙內的聲壓場。

圖   7   以 dB為單位的聲壓級圖：（a）SEA水平面，（b）BEM水平面，（c）SEA垂直面，（d）BEM垂直面

    04    模擬精度     

驗證條件

      仿真需要準確地反映測試條件，以達到良好的精度水平。物理驗證和數(shù)字驗證的邊界是一致的。事實上，為了匹配車輛完全密封且不考慮底體貢獻的模擬邊界條件，測試條件為：

• 完全封閉/封緊。

• 遮罩車身底部。

     此外，所有玻璃的貢獻也被考慮在內。為了做到這一點，沒有玻璃被隔熱。

圖8給出了地板對風噪聲貢獻的影響。這種貢獻主要位于1khz以下的中低頻范圍。地面貢獻水平是由于空氣和結構的作用所示。

圖  8  使用遮罩（線）和未遮罩的車身底部（虛線）測試機艙風噪。

玻璃造型

     為了正確地模擬噪聲在機艙內的傳播，必須對玻璃的性能進行良好的建模。

這是通過以下兩種方法實現(xiàn)的：

    ?精確的阻尼特性（頻率相關）

    ?使用適當?shù)脑仡愋蛠矸从硰碗s多層玻璃的行為。

  在受控激勵下，通過測量玻璃的局部振動來估計玻璃的阻尼特性。通過CAE和試驗對比，驗證了玻璃的性能。圖9對結果進行了比較。

圖 9  受控激勵，測試與 CAE振動比較。

相關的結果

  將整個CAE過程應用于2輛汽車，以估計前排乘客耳朵位置的機艙風噪聲，并與風洞測量結果進行比較。第一個例子是C級全混合動力汽車如圖10（a），第二個例子是C級純電動汽車如圖10（b）

圖 10（a）風噪測試（實線）與CAE（虛線）， C級全混合動力

圖10（b）風噪測試（實線）與CAE（虛線）， C級純電動汽車

    如圖10（a）和10（b）所示，各模擬結果與試驗測量結果吻合良好。事實上，高達3khz，我們可以觀察到測試與模擬的最大偏差在1到2db之間變化（在測量的方差范圍內），而在發(fā)生在3到4khz之間的玻璃重合峰周圍，它可以達到2到4dB?？梢钥吹?，這種巧合頻率對CAE的影響比測試數(shù)據(jù)更嚴重。大約4 kHz以上的結果受CFD計算的壓力波動的有效性的影響。將繼續(xù)對該主題進行調查，以減少局部差距，并進一步提高與測試的相關性。

   05    通過實驗設計和結果進行優(yōu)化    

自動化優(yōu)化過程

    優(yōu)化過程包括為給定的一組參數(shù)找到最佳配置。為了實現(xiàn)這一點，有幾種類型的方法，通?？梢苑譃榇_定性或非確定性。在我們的案例中，我們對非確定性方法感興趣，更具體地說，是使用實驗設計的參數(shù)優(yōu)化。對于給定的目標，參數(shù)化形狀優(yōu)化的原理是通過參數(shù)化形狀來達到最優(yōu)解。要做到這一點，形狀由減少的變量（高度、厚度、半徑等）來描述。實驗設計的目的是以盡可能少的計算獲得盡可能多的信息。

     因此，窮舉計算被稱為“響應面”的簡單公式所取代，該公式通過迭代過程進行查詢，以選擇最佳參數(shù)配置以最小化目標函數(shù)（在我們的例子中，是鉸接指數(shù)）。

圖 11 在 Alternova上執(zhí)行的優(yōu)化過程

    如上所述，本研究的目的是建立一個過程，使其能夠在后視鏡（設計）幾何參數(shù)的變化與乘客艙噪聲水平的影響之間建立聯(lián)系，使用Python腳本幫助下的自動優(yōu)化過程。為此，采取了以下步驟：

首先，將使用ANSA軟件來管理幾何形狀并建立包含各種參數(shù)的數(shù)據(jù)庫。

之后，一個組合文件被發(fā)送到Alternova軟件，這使得多目標優(yōu)化和使用不同的統(tǒng)計模型使用“expert blending”。該工具可用于生成所有實驗設計的組合。一旦優(yōu)化準備好了，數(shù)據(jù)就被發(fā)送到一個ANSA作業(yè)，該作業(yè)通過直接變形網格來生成新的幾何形狀。圖11描述了Alternova中的參數(shù)優(yōu)化過程。

各種幾何形狀被發(fā)送到Powerflow數(shù)據(jù)集文件，該文件包含除了正在研究的部件之外的整個車輛的幾何形狀，在我們的案例中是后視鏡。

CFD計算完成后，氣動聲學后處理結果和駕駛員側窗上的瞬態(tài)壓力記錄文件將同時被檢索出來。然后將這些壓力結果文件發(fā)送到Wave6中準備的數(shù)據(jù)集，以便啟動氣動振聲計算。通過這種計算，我們可以得到車輛座艙內與乘員耳朵對應的一定數(shù)量的麥克風點處的聲壓級。然后對這些數(shù)據(jù)進行后處理以獲得發(fā)音指數(shù)（AI）值。

最后，實驗設計的結果被發(fā)送回Alternova，后者收集優(yōu)化計算的結果，并使用styise顯示它們，styise是雷諾內部創(chuàng)建的一個工具，可以實時顯示幾何參數(shù)對給定輸出參數(shù)的影響，在我們的案例中是AI。

車輛應用及結果 

    上述過程已應用于雷諾汽車項目。為實驗設計確定了五個參數(shù)，圖12顯示了使用的兩個幾何參數(shù)示例。如前所述，本研究的目的是提出幾何修改的建議，以改善氣動噪聲性能。

      因此，這個完整的優(yōu)化過程產生了幾個結果，特別是Powerflow計算輸出時的聲壁壓力。

圖 12 本優(yōu)化研究中使用的幾何變化參數(shù)示例

圖 13 顯示了改變實驗設計中使用的5個參數(shù)對聲壓級（作為倍頻帶的函數(shù)）的影響的比較。因此，變化是可以看到的。然而，使用這些結果來決定采用哪種配置仍然很困難。

圖 13 參數(shù)變化對聲壓級的影響與頻率的關系

為了克服這一點，在空氣聲學中使用語言清晰度（是一種常見的做法，語言清晰度可以在給定的環(huán)境中表達語音的可理解性，作為評估標準，特別是在物理測試中。該指標的優(yōu)點是更有意義，更容易區(qū)分各個參數(shù)的影響。

圖 14 參數(shù)變化對語言清晰度（AI） 的影響

圖14顯示了改變這五個參數(shù)對AI的影響。然后，我們可以簡單地優(yōu)先考慮在實驗設計中調整參數(shù)的影響，并提出降低乘員艙噪音水平的解決方案，清晰度指數(shù)越高越好。

 06    結論  

研究結果表明，該方法具有預測車輛內部氣動振動聲噪聲的能力。該研究還展示了如何在車輛開發(fā)過程中使用形狀優(yōu)化過程來加速風噪聲性能的收斂。室內噪聲預測精度高，對CAE給出的設計變更方向有信心。這些優(yōu)化過程通過提供修改效果的可視化表示，促進了工程師和設計師之間的互動，并有助于更好地針對在風洞中進行的物理測試。然而，由于需要大量的模擬，這些研究仍然是昂貴的。模型簡化領域的發(fā)展前景應該能加速尋求最佳結果并促進這些方法的使用。