探秘汽车噪声

    大部分驾驶员想必有过类似的经历：在高速公路上必须调高收音机音量才能听到喜欢的电台节目，或者需要提高嗓音才能与乘客进行交谈。这是在高速公路驾驶时空气湍流流经车身造成的直接后果。J.D. Power近期发布[1]   中指出，风噪声过大是车主经常遇到的首要问题之一。根据外部噪声在频谱中的位置，车内乘员会感觉到噪声的分贝值处在安静交谈（40至50dB）与繁忙城市街道（70至80dB)之间的范围。

为了缓解该问题，Corning的工程师[2]一直在研究外部风通过什么物理机制转化为车厢噪声。在高速公路行驶时，汽车周围的空气被汽车前端、A柱（挡风玻璃支撑结构）和后视镜干扰。这样就会形成湍流，并在汽车外表面产生气压场波动。这种压力变化会引起玻璃（挡风玻璃和其他窗户的玻璃）振动，进而激励车厢空气振动并产生内部噪声。产生内部噪声的另一个主因是，汽车表面其余部分的风通过汽车零部件传送到车厢内（侧翼噪声）。此外，轮胎接触路面的声音和汽车机械系统运行的声音也会加大车厢噪声。

Corning工程师想要确定哪种玻璃表面是最重要的玻璃噪声传输路径，以及更轻的玻璃材料是否会降低噪声。工程团队采用一种名为确定性空气-振动-声学(DAVA)的仿真方法，该方法在ANSYS Workbench中使用了流体和结构分析工具。DAVA仿真过程首先采用一款美国普通SUV的简化几何结构，以降低网格划分和总体计算的成本。由于研究重点是通过玻璃的声音传输，因此工程师保留了玻璃周围区域的详细车辆特征（例如后视镜和A柱），但是保险杠和轮胎周围的区域并未进行详细建模。利用对称性方法，工程师使用ANSYS CFD网格划分功能创建了包含5500万个六面体单元的计算流体动力学(CFD)网格，从而对车辆半边几何结构周围的流体域进行建模。工程师选择适当的流体域大小，以捕捉涡旋脱落、流动分离和再附着现象。

噪声的产生

完成网格后，Corning的工程团队使用ANSYS Fluent CFD求解器仿真域中的瞬态湍流。为了预测80mph气流流经车辆产生的旋涡，工程师选择使用分离涡流仿真(DES)模型。DES是一种混合方法，能根据网格分辨率和到壁面的距离在标准雷诺平均方程(RANS)求解方法与大涡流仿真(LES)建模之间切换。LES在计算方面的成本更高，其被用于仿真远离车辆的更粗糙的区域，而RANS则被用于求解壁面边界处更精细的区域。该团队以10,000个时步运行DES模型，进而仿真0.5秒的实际湍流。之所以要求如此小的时步，这是因为团队需要求解高达5kHz的频率以覆盖宽频率范围的空气噪声。Corning工程师利用快速傅里叶变换(FFT)功能将瞬态数据从时域转化到频域，这样他们能够以更易于理解的dB值来评估玻璃的声压级(SPL)。这个大型案例需要在Corning的HPC集群上使用ANSYS HPC。

    初始CFD分析显示，相比其他位置的玻璃，挡风玻璃的下方角落和前侧窗上的外部SPL值更大。在标准挡风玻璃设计中，玻璃表面与A柱之间通常存在不连续的小填缝，其中玻璃边缘延伸至A柱下方。团队在基本车型设计中考虑采用5mm填缝，他们将其与挡风玻璃和A柱平滑过渡（无填缝）的改进型设计进行对比。改进型设计的预测结果显示，前侧窗的外部噪声降低多达5dB。除了修改几何结构，该团队还在60mph和30mph的空气流速下额外运行了两次仿真。不出所料，所预测的外部风噪声随车速的降低而减小。

在125Hz频率下，标准过渡（上图）和平缓过渡（下图）条件下挡风玻璃（左图）和侧窗（右图）上的外部SPL轮廓。标准过渡显示挡风玻璃和前侧窗侧边位置的局部SPL值较高。

噪声传输与传播

Corning团队将获得的外部SPL预测结果作为ANSYS Mechanical的输入，以进行振动-声学分析。工程师将压力映射到车身表面，以作为外部激励。团队为车厢边界和内部创建单独的网格，使玻璃表面被外部和内部几何结构共享。内部几何结构还包括座位、仪表板、变速箱和方向盘的结构几何体，以更好地反映声波的吸收和反射。最初，工程师考虑挡风玻璃和前侧窗使用钠钙玻璃(SLG)和聚乙烯醇缩丁醛树脂两层层压材料，车辆所有其他玻璃窗使用单片SLG材料。在典型频率(1kHz)下，谐波响应仿真预测：车前端的SPL更高，大部分噪声都来自挡风玻璃和前侧窗。ANSYS Mechanical分析的总仿真时间为300CPU小时，共有21个采样频率。

内部车厢几何模型（上图）与结构

为验证仿真结果，团队将麦克风放在测试车辆中驾驶员的耳朵位置，以收集来自风洞的SPL测量结果。然而，因为风洞测量结果完全是内部SPL，团队还需要玻璃噪声和侧翼噪声的信息。在此次研究中，他们可以忽略轮胎和机械系统噪声对SPL的影响，因为测试车辆是静止的，而且没有启动。为研究侧翼噪声，团队又单独执行了一次风洞测试，他们遮住所有玻璃表面，然后得出内部总的SPL。总体来说，仿真结果与实验SPL数据在趋势和大小方面完美匹配。

整体3 D 视图（上图）和横截面视图（下图）中显示了1kHz频率下的车厢SPL，红色和橙色表示最高值

在不同噪声频率下，DAVA法的预测结果与风洞数据对比显示，在车厢SPL的趋势和大小方面完美匹配

作为一项附加测试，Corning分析了如果挡风玻璃和前侧窗使用更轻的混合层压材料（即使用更薄的Gorilla®玻璃材料替代内部SLG层）时会产生什么效果。尽管仿真显示玻璃噪声有所降低，但因为侧翼噪声才是高速状态下的主要噪声源，团队判断整体影响肯定很小。当使用SLG–SLG和SLG–Gorilla玻璃层压材料时，与标准的填缝过渡相比，使用挡风玻璃到A柱的平滑过渡，会减少较低频率（500Hz以下）外部噪声条件下可感知的车厢SPL。

最后，Corning团队研发了一种具有强大分析功能的模型，用于研究整个车辆的噪声生成、传输与传播。利用这些初步结果，团队估计，其设计与评估过程的效率将提高30%至50%，从而实现相同幅度的过程成本节约。对于不同的车辆设计而言，尽管噪声传输路径的重要等级可能会有所不同，但这种通用的DAVA评估方法使设计人员能够集中精力进行最重要的玻璃装配和设计优化工作|源自ANSYS杂志