隨著汽車逐漸成為工作、生活、娛樂的一部分,人們對乘坐舒適性的關注越來越高。由于車身結構面板眾多且是車內乘坐舒適性的重要影響因素,而面板聲學貢獻量分析（Panel Acoustic Contribution Analysis,PACA）是降低乘坐室噪聲設計環(huán)節(jié)中的重要方法。因此,本文基于面板貢獻量分析理論,針對車身面板振動產生的噪聲進行了聲品質研究,主要工作如下:（1）基于某國產轎車,在CATIA中建立了車身結構模型;在HyperMesh軟件中,建立車身面板有限元模型以及車內聲腔邊界元模型;并通過試驗確定模型的有效性。（2）置車輛于轉鼓試驗臺上,采集怠速及多個勻速工況下發(fā)動機懸置與車身連接點處的振動激勵信號以及駕駛員右耳的噪聲信號。運用等級評分法對試驗采集的噪聲信號樣本進行了主觀評價,獲得樣本信號的煩躁度值。在Head Artemis中,對多個聲品質客觀參量進行計算,將仿真計算結果與煩躁度值進行相關性分析。（3）分別建立了基于多元線性回歸理論和神經網絡理論的聲品質預測模型。通過比較兩者的預測精度和建模難度,確定選擇以BP神經網絡為基礎的預測模型。在此基礎上針對BP神經網絡模型在預測時會出... 

【文章來源】：江蘇大學江蘇省

【文章頁數】：89 頁

【學位級別】：碩士

【部分圖文】：

結構聲與空氣聲向車內的傳遞過程

江蘇大學碩士學位論文15實情況來制定。模型建立的基本流程如圖2.2所示。圖2.2有限元模型建立流程Fig.2.2FiniteElementModelBuildingProcess（1）模型簡化與幾何清理本文需要分析的車身三維CATIA模型為設計模型，如圖2.3所示。存在一些在有限元分析中并不關注的幾何特征，如車身結構上的小連接件，短邊以及非承載件等，如果不進行刪除與填充，后續(xù)將會影響網格劃分的質量。而在CATIA中直接刪除不必要零部件最為方便，因此本文首先在CATIA中進行模型簡化，創(chuàng)建益于有限元建模的幾何模型。然后通過HyperMesh中ImportGeometry模塊將CATIA模型導入HyperMesh中，進行后續(xù)處理。車身結構模型中大部分是薄壁板，其厚度遠小于其長和寬。針對這樣的結構需要進行抽中面的簡化過程，具體操作為在automidsurface面板中抽取中面，將薄壁結構轉化為面，后續(xù)再賦予結構厚度屬性。最后模型導入后可能產生重合、間隙以及曲面丟失等情況，一般利用幾何清理工具進行修補和清理。模型簡化和幾何清理是網格劃分前期的準備工作，對網格劃分質量乃至計算結果的精度影響較大。圖2.3車身CATIA模型Fig.2.3CATIAModelofTheCarBody（2）定義單元屬性和材料屬性不同的結構需按照其屬性選擇不同類型的單元進行模擬。本文建立的有限元模型以2D單元為主，既能保證計算結果精度又能提高效率。具體單元類型對應關系如表2.1所示。

江蘇大學碩士學位論文17表2.3網格單元質量標準Tab.2.3Qualitystandardsforgridelements名稱參數標準名稱參數標準細長比<5四邊形最大內角(°)<140翹曲角(°)<5四邊形最小內角(°)>40雅各比>0.6三角形最大內角(°)<120歪斜角(°)<50三角形最小內角(°)>30（4）結構運動自由度約束內飾車身（TB車身）是指將除了底盤系統(tǒng)和動力總成系統(tǒng)的其他部件，如擋風玻璃、車門等，均安裝在白車身上后所對應的車身。由于擋風玻璃、車門與白車身原有的頂棚、地板等共同構成了向車內輻射噪聲的車身面板，因而本文所建為TB車身模型。由于本文進行實驗時是用四個空氣彈簧將TB車身支撐，因此對模型中與實驗支撐點對應的位置施加相應的自由度約束。具體包括各支撐點X、Y方向的移動自由度約束以及Z方向的轉動自由度約束。最終建立車身結構有限元模型如圖2.4所示。節(jié)點共27033個，單元總計29177個。其中2D單元28782個，用于焊接的1D單元380個，節(jié)點567個。用于模擬襯套連接的1D單元15個，節(jié)點30個。同時，三角形單元占全部單元比例2.4%（≤10%），符合質量要求。圖2.4車身結構有限元模型Fig.2.4FiniteElementModelofBodyStructure2.2.2模型有效性驗證為證明仿真計算結果的有效性，本文對該模型進行準確性檢驗。驗證試驗對

【參考文獻】：
期刊論文
[1]基于GA-BP模型的消聲器聲品質預測與控制技術研究[J]. 曾發(fā)林,孫蘇民.  機械設計與制造. 2018(S2)
[2]Zwicker時變響度的一種計算方法[J]. 周明剛,董琦飛,劉陽,陳源.  中國機械工程. 2014(22)
[3]基于EMD與BP神經網絡的汽車關門聲品質預測[J]. 楊川,于德介,徐亞軍.  汽車工程. 2013(05)
[4]Kendall協調系數W檢驗及其SPSS實現[J]. 程琮,劉一志,王如德.  泰山醫(yī)學院學報. 2010(07)
[5]基于Zwicker理論的噪聲客觀評價方法[J]. 趙忠峰,陳克安.  電聲技術. 2005(10)

博士論文
[1]基于LES-FE-SEA與ALE方法的汽車氣動噪聲品質研究[D]. 宗軼琦.湖南大學 2018
[2]虛擬駕駛室內聲品質預測分析與控制技術研究[D]. 張澧桐.吉林大學 2016
[3]關于車內聲品質貢獻分析與改善的測試技術研究[D]. 嚴莉.上海交通大學 2015
[4]基于傳遞路徑分析方法的車內低頻結構噪聲識別與控制[D]. 徐猛.天津大學 2014
[5]車內聲品質評價預測與控制技術研究[D]. 唐榮江.吉林大學 2013
[6]基于人工神經網絡的汽車聲品質評價與應用研究[D]. 孫強.吉林大學 2010
[7]結構—空腔聲固耦合聲品質基礎理論研究[D]. 袁驥軒.華中科技大學 2010
[8]基于雙耳聽覺模型的車內聲品質分析與評價方法研究[D]. 梁杰.吉林大學 2007
[9]基于聲子晶體的周期結構帶隙機理及應用研究[D]. 陳源.華中科技大學 2006
[10]客車車身結構動力學、聲學CAE關鍵技術研究[D]. 楊莉.東南大學 2005

碩士論文
[1]基于聲品質的噪聲主動控制研究[D]. 裴旭.江蘇大學 2019
[2]基于功率流的車內中低頻噪聲仿真分析方法研究[D]. 孫玉.北京交通大學 2019
[3]大客車車內聲場聲學特性研究與控制[D]. 李文凱.江蘇大學 2018
[4]主動耳蝸聽覺信號處理模型研究[D]. 趙玉霞.華中科技大學 2017
[5]基于超單元法的整車振動與噪聲研究[D]. 何潔.武漢理工大學 2016
[6]車內噪聲雙次級有源消聲系統(tǒng)研究[D]. 麻天驍.西安電子科技大學 2014
[7]基于遺傳算法的BP神經網絡的優(yōu)化研究及MATLAB仿真[D]. 任謝楠.天津師范大學 2014
[8]非平穩(wěn)車輛噪聲心理聲學智能評價方法研究[D]. 石磊.上海工程技術大學 2014
[9]阻尼材料和隔聲材料的開發(fā)及應用研究[D]. 譚亮紅.中南大學 2013
[10]汽車聲品質主觀評價研究及應用[D]. 趙林風.清華大學 2012



本文編號：3582076