CN116644631A - 一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法 - Google Patents
一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法 Download PDFInfo
- Publication number
- CN116644631A CN116644631A CN202310607687.4A CN202310607687A CN116644631A CN 116644631 A CN116644631 A CN 116644631A CN 202310607687 A CN202310607687 A CN 202310607687A CN 116644631 A CN116644631 A CN 116644631A
- Authority
- CN
- China
- Prior art keywords
- side window
- window glass
- acoustic
- black hole
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000005357 flat glass Substances 0.000 title claims abstract description 122
- 238000009413 insulation Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005284 excitation Effects 0.000 claims abstract description 41
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 15
- 238000013016 damping Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000003872 anastomosis Effects 0.000 abstract description 6
- 239000013585 weight reducing agent Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 16
- 230000009467 reduction Effects 0.000 description 11
- 239000011521 glass Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 239000005340 laminated glass Substances 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001603 reducing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,包括:将待优化整车主体的车门处的左前侧窗玻璃、左后侧窗玻璃、右前侧窗玻璃和右后侧窗玻璃均替换为嵌有二维声学黑洞的侧窗玻璃,侧窗玻璃上设有声学黑洞阵列;通过构建整车SEA模型,获取各位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径,在整车SEA模型中设置嵌有二维声学黑洞的侧窗玻璃的隔声曲线,对整车SEA模型添加激励,获取各车外测点处的声压级,得到整车结构的仿真结果,验证隔声效果。与现有技术相比,本发明能够显著提升不同传递路径下车窗吻合频率处的整车PBNR值,并起到减重效果。
Description
技术领域
本发明涉及汽车隔声技术领域,尤其是涉及一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法。
背景技术
声学黑洞是一种新型声学陷波器,主要实现方式是将结构厚度按照一定幂律函数规律裁剪,利用弯曲波在变厚度结构中的传播特性,将波聚集于结构的尖端位置,并通过附加阻尼材料吸收弯曲波能量,从而达到宽频减振降噪目的。其在波动调控、能量回收和减振降噪方面具有广阔的应用前景。
车外噪声通过多条路径传播至车内,需要分析噪声传递路径可找出薄弱板件并对其进行优化,从而提升整车隔声性能,降低车内噪声水平。其中,汽车侧窗玻璃是噪声传入车内的重要路径之一,受吻合效应影响,侧窗玻璃在吻合频率附近的隔声量急剧下降,且该缺点无法通过增加厚度克服。而夹层玻璃虽然能提升吻合频率处的隔声量,但其制造成本较高。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,提升整车隔声性能。
本发明的目的可以通过以下技术方案来实现:
一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,包括以下步骤:
将待优化整车主体的车门处的左前侧窗玻璃、左后侧窗玻璃、右前侧窗玻璃和右后侧窗玻璃均替换为嵌有二维声学黑洞的侧窗玻璃,所述侧窗玻璃上设有声学黑洞阵列,该声学黑洞阵列包括多个阵列式分布的声学黑洞单胞,所述声学黑洞阵列位于所述侧窗玻璃的车门内区域,各个所述声学黑洞单胞的中心均设有阻尼层。
进一步地,所述声学黑洞单胞的截断厚度为0.08-0.15倍范围内的板厚,幂律阶数在2-4范围以内。
进一步地,所述侧窗玻璃的车门内区域为:当所述侧窗玻璃完全升起时,侧窗玻璃中仍然位于车门内的区域。
进一步地,所述阻尼层的半径与对应的声学黑洞单胞的半径相等。
进一步地,所述声学黑洞阵列中的各个所述声学黑洞单胞沿单个方向排列在所述侧窗玻璃的边缘。
进一步地,所述声学黑洞单胞为双层声学黑洞单胞,该双层声学黑洞单胞包括分别设置在汽车侧窗玻璃两侧的双层声学黑洞,每层声学黑洞内均设有阻尼层。
进一步地,所述方法还包括对优化后的整车主体进行隔声仿真,验证隔声效果。
进一步地,所述隔声仿真包括以下步骤:
根据所述整车主体的形状,建立车身SEA模型;
基于建立的车身SEA模型构建汽车内外部空间的声腔子***;
建立各个声腔子***间的面连接;
设置各个声腔子***的材料属性参数和声学包参数;
设置各个声腔子***的内损耗因子、耦合损耗因子和模态密度,得到初始SEA模型;
根据需求在所述初始SEA模型的相应位置上施加激励后求解响应,并将响应结果与对应的整车试验数据进行对比,验证所建立的初始SEA模型的准确性,并根据精度要求调整初始SEA模型,最终建成整车SEA模型;
将所述整车SEA模型中乘员头部声腔与侧窗玻璃外侧声腔之间的面连接设为嵌有二维声学黑洞的侧窗玻璃的隔声曲线;
在所述整车SEA模型上添加激励,获取各车外测点处的声压级,得到嵌有声学黑洞侧窗玻璃的整车结构的仿真结果。
进一步地,所述方法还包括获取各位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径,对所述整车SEA模型上添加激励后,获取各个传递路径的PBNR值,作为所述仿真结果。
进一步地,获取各位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径的过程具体为:
在多个车外位置处分别施加激励,对每个车外位置处的激励,首先对驾驶员头部声腔进行声功率贡献量分析;然后从声功率贡献量分析结果中选择1~3个贡献量最大的子***再次进行声功率贡献量分析,循环对分析结果中1~3个贡献量最大的子***再次进行声功率贡献量分析,直至分析到激励源所在声腔为止,得到对应位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径。
与现有技术相比,本发明具有以下优点:
(1)相较于传统侧窗玻璃,本发明所设计的嵌有声学黑洞的新型侧窗玻璃能够显著提升不同路径下车窗吻合频率处的整车PBNR值,而且新型侧窗玻璃能起到减重效果,虽然由于质量下降,在质量控制区PBNR值有所下降,但下降幅度很小。
(2)本发明提出首先在声学分析软件中搭建整车SEA模型,从而在该模型中分析各位置激励下对驾驶员头部声腔噪声贡献量最大的传递路径,在研究新型侧窗玻璃对整车隔声性能影响时,对上述传递路径PBNR值的提升值进行量化分析,在验证SEA模型准确性的同时,高效可靠的实现了整车隔声量的提升。
附图说明
图1为本发明实施例中提供的一种嵌有声学黑洞侧窗玻璃的整车结构的整体设计流程示意图;
图2(a)为本发明实施例中提供的一种传统前侧窗玻璃结构示意图;
图2(b)为本发明实施例中提供的一种传统后侧窗玻璃结构示意图;
图3(a)为本发明实施例中提供的一种新型前侧窗玻璃结构示意图;
图3(b)为本发明实施例中提供的一种新型后侧窗玻璃结构示意图;
图4(a)为本发明实施例中提供的一种新型前侧窗玻璃的FE-SEA隔声模型;
图4(b)为本发明实施例中提供的一种传统前侧窗玻璃的FE-SEA隔声模型;
图4(c)为本发明实施例中提供的一种新型后侧窗玻璃的FE-SEA隔声模型;
图4(d)为本发明实施例中提供的一种传统后侧窗玻璃的FE-SEA隔声模型;
图5(a)为本发明实施例中提供的一种新型前侧窗玻璃与传统前侧窗玻璃的隔声对比结果;
图5(b)为本发明实施例中提供的一种新型前侧窗玻璃与传统前侧窗玻璃的隔声对比结果;
图6为本发明实施例中提供的一种车身SEA模型示意图;
图7(a)为本发明实施例中提供的一种车内声腔子***示意图;
图7(b)为本发明实施例中提供的一种车外声腔子***示意图;
图8为本发明实施例中提供的一种整车SEA模型示意图;
图9为本发明实施例中提供的一种SEA模型中激励与测点位置示意图;
图10(a)为本发明实施例中提供的一种对驾驶员头部声腔激励的PBNR仿真与试验的左前轮胎测点对比示意图;
图10(b)为本发明实施例中提供的一种对驾驶员头部声腔激励的PBNR仿真与试验的左后轮胎测点对比示意图;
图10(c)为本发明实施例中提供的一种对驾驶员头部声腔激励的PBNR仿真与试验的左前车门测点对比示意图;
图10(d)为本发明实施例中提供的一种对驾驶员头部声腔激励的PBNR仿真与试验的左后车门测点对比示意图;
图10(e)为本发明实施例中提供的一种对驾驶员头部声腔激励的PBNR仿真与试验的发动机舱测点对比示意图;
图11为本发明实施例中提供的一种整车SEA模型中车内声腔与车外声腔之间的面连接示意图;
图12(a)为本发明实施例中提供的一种对驾驶员头部声腔激励的新型侧窗玻璃与传统侧窗玻璃PBNR仿真左前轮胎测点结果示意图;
图12(b)为本发明实施例中提供的一种对驾驶员头部声腔激励的新型侧窗玻璃与传统侧窗玻璃PBNR仿真左后轮胎测点结果示意图;
图12(c)为本发明实施例中提供的一种对驾驶员头部声腔激励的新型侧窗玻璃与传统侧窗玻璃PBNR仿真左前车门测点结果示意图;
图12(d)为本发明实施例中提供的一种对驾驶员头部声腔激励的新型侧窗玻璃与传统侧窗玻璃PBNR仿真左后车门测点结果示意图;
图12(e)为本发明实施例中提供的一种对驾驶员头部声腔激励的新型侧窗玻璃与传统侧窗玻璃PBNR仿真发动机舱测点结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
实施例1
本实施例提供一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,包括以下步骤:
将待优化整车主体的车门处的左前侧窗玻璃、左后侧窗玻璃、右前侧窗玻璃和右后侧窗玻璃均替换为嵌有二维声学黑洞的侧窗玻璃,侧窗玻璃上设有声学黑洞阵列,该声学黑洞阵列包括多个阵列式分布的声学黑洞单胞,声学黑洞阵列位于所述侧窗玻璃的车门内区域,各个声学黑洞单胞的中心均设有阻尼层。
侧窗玻璃的车门内区域为:当侧窗玻璃完全升起时,侧窗玻璃中仍然位于车门内的区域。
优选的,声学黑洞单胞的截断厚度为0.08-0.15倍范围内的板厚,幂律阶数在2-4范围以内。
优选的,阻尼层的半径与对应的声学黑洞单胞的半径相等。
优选的,声学黑洞阵列中的各个声学黑洞单胞沿单个方向排列在侧窗玻璃的边缘。
声学黑洞单胞为双层声学黑洞单胞,包括分别设置在侧窗玻璃两侧的双层声学黑洞,每层声学黑洞内均设有阻尼层。
下面结合实例,对本方案嵌有声学黑洞侧窗玻璃的整车结构的设计过程进行具体说明。
本方案首先设计嵌有二维声学黑洞阵列的新型侧窗玻璃结构并研究其隔声性能,然后建立并验证整车统计能量(Statistical Energy Analysis)模型,最后基于建立的整车SEA模型进行噪声传递路径分析,并研究嵌有新型侧窗玻璃的整车PBNR。
如图1所示为基于嵌有声学黑洞的侧窗玻璃的整车PBNR设计流程图。
S1:新型侧窗玻璃结构及其隔声性能
由于汽车侧窗中的三角窗面积较小,不利于二维声学黑洞的应用,故不改造三角窗结构,只基于二维声学黑洞改造前后车门处的侧窗玻璃结构。参考某车型前后侧窗玻璃实际尺寸,建立传统侧窗玻璃的几何模型,其几何形状与尺寸如图2(a)和图2(b)所示。
侧窗玻璃完全升起时仍有一部分玻璃位于车门内(如图2(a)和图2(b)虚线框所示),为提升美观性与保持玻璃裸露部分平整性,将声学黑洞阵列设计于位于车门内的部分玻璃上,得到如图3(a)和图3(b)所示新型侧窗玻璃结构。前后侧窗都采用沿板件边缘分布的双层声学黑洞阵列,阵列单元数量分别为8个和6个,阵列单元边长都为112.5mm,沿单个方向排列。结构的其余几何参数见图3(a)和图3(b)与表1。
表1新型侧窗玻璃结构部分几何参数
幂律阶数m | 2.5 | 总截断厚度hr(mm) | 0.4 |
板厚huni(mm) | 4 | 声学黑洞半径rabh(m) | 0.05 |
阻尼层半径rv(m) | 0.05 | 阻尼层总厚度hv(mm) | 1.6 |
以下建立新型侧窗玻璃与传统侧窗玻璃的隔声模型进行隔声性能分析。为降低模型复杂性,忽略实际情况下车门玻璃密封条对玻璃的弹性约束,将边界条件简化为自由边界,并在包括声学黑洞区域的整块玻璃上加载扩散声场激励。
本实施例中FE-SEA隔声模型的建立流程为:1)将结构几何模型导入有限元前处理软件HyperMesh并构建结构的网格模型,设置结构的材料参数、约束条件,利用OptiStruct求解器计算结构的模态;2)将结构的网格模型和求得的模态结果导入VAOne中,建立结构有限元子***,建立半无限流体(Semi Infinite Fluid,SIF)来模拟声源室和接受室的声场,在结构有限元子***的有限元面上施加扩散声场激励(Diffuse Acoustic Field,DAF),SIF和有限元子***通过混合面连接进行耦合。
按照上述建模流程,在VAOne中建立包括前后侧窗的新型侧窗玻璃和传统侧窗玻璃的FE-SEA隔声模型,如图4(a)-图4(d)所示。求解频段设置为以630~6300Hz为中心频率的三分之一倍频带。
求解模型,得到如图5(a)和图5(b)所示的新型侧窗玻璃和传统侧窗玻璃的隔声对比结果。
由图5(a)和图5(b)可知,新型侧窗玻璃整体隔声表现优于传统侧窗玻璃,能够大幅提升吻合频率处的隔声量,且能起到减重效果,虽然由于质量下降,在质量控制区隔声量有所下降,但下降幅度较小。
S2:整车统计能量模型及验证
搭建某款燃油轿车的整车SEA模型进行分析,模型在VAOne中建立,具体步骤为:
(1)将整车有限元模型导入VAOne,选择合适节点建立结构子***;
(2)建立汽车内外部空间的声腔子***,检查并调整声腔;
(3)建立各子***之间的连接,确保能量在各子***之间有效传递;
(4)设置各材料属性参数和声学包参数,并赋予到相应子***上;
(5)设置各子***的内损耗因子、耦合损耗因子和模态密度;
(6)根据需求在模型的相应位置上施加激励后求解响应,并将响应结果与试验数据进行对比,验证了所建立SEA模型的准确性,并根据精度要求调整模型,最终建成整车SEA模型。
首先,忽略车身外部附件(如后视镜、雨刷)和车身板件上的细小结构(如加强筋、工艺孔),不考虑悬架、车轮及传动***,根据车身形状,建立如图6所示的车身SEA模型。
其次,基于建立的车身SEA模型建立车内外声腔。车内声腔由车身板件组成的各密封空间生成;基于车内声腔的划分边界将车身板件向外延伸1m作为车外声腔的边界,利用边界生成车外声腔,并根据车底距离地面的高度建立车辆下部的声腔。建立的车内外声腔子***如图7(a)和图7(b)所示。
最后,建立各子***间的面连接,并根据实际情况设置子***的材料属性和声学包,采用8个半无限流体作为车外声场的边界条件,建立如图8所示的整车SEA模型。
整车SEA模型的准确性决定了后续新型侧窗玻璃整车隔声结果是否可靠。以下进行整车PBNR仿真和试验,再通过对比仿真和试验结果验证整车SEA模型的准确性。
根据PBNR测试方法的互易性原理,在车内布置声源激励,在车外测量响应,整车噪声试验条件如表2所示。
表2试验条件
试验时驾驶室门窗需紧闭,参考国标GB/T 18697-2002在驾驶员耳旁放置体积速度声源。待车内声场充分混响后,在车辆外部选取5个位置进行测量,试验安排如表3所示。
表3试验安排
测得车外响应点声压值后,由式(1)可得从驾驶员耳旁到5个测点位置的PBNR曲线。
PBNR=-20lg|p/Qa|-9.4 dB (1)
其中,p/Qa为声压对体积加速度的传递函数的幅值。
基于建立的整车SEA模型计算整车PBNR仿真结果。与试验方法一致,在驾驶员头部声腔和后排右侧乘客头部声腔处添加激励,计算上述5个测点处的响应,SEA模型中激励与测点位置如图9所示。
在模型中,激励大小的声功率设置为1.0W,经求解得到各响应点处的声压级SPL后,可通过下式计算得到仿真PBNR结果:
SPL=120-PBNR dB (2)
对该车型开展试验后,将试验结果与PBNR仿真结果进行对比,以验证整车SEA模型的准确性,最终的对比曲线如图10(a)-10(e)所示。
由图10(a)-10(e)可知,整车SEA模型所得隔声量与试验结果基本一致,大部分差值在2dB以内,在部分距离较远路径下差值较大,如500~800Hz从前轮到驾驶员头部的隔声量,3150~4000Hz从后轮到驾驶员头部的隔声量等。总体而言能够保证该SEA模型的准确度。
S3:噪声传递路径分析
车外噪声通过多条路径传播至车内,分析噪声传递路径可找出薄弱板件并对其进行优化,从而提升整车隔声性能,降低车内噪声水平。
由于驾驶员对车内噪声更为敏感,车内噪声会影响驾驶员的驾驶安全性,因此重点研究驾驶员耳旁声压级,在上述5个车外位置处分别施加激励,分析各位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径。
以发动机舱处激励为例,介绍噪声传递路径分析步骤。首先,在发动机舱声腔处施加声功率为1.0W的激励,对驾驶员头部声腔进行声功率贡献量分析;然后,从结果中选择1~3个贡献量最大的子***再次进行贡献量分析,重复上述步骤,直到分析到激励源所在声腔(此处为发动机舱)为止。
求解频段设置为以630~6300Hz为中心频率的三分之一倍频带,利用上述方法分析各车外激励位置到驾驶员头部的主要噪声传递路径,将所有结果汇总到表4中。
表4各车外位置到驾驶员头部的主要噪声传递路径
由表4可知,各车外位置到驾驶员头部的主要噪声传递路径中都包含左前侧窗玻璃,部分传递路径中包含左后侧窗玻璃。这说明了在分析频段内,该车型前围和地板等板件处的声学包隔声性能优异,侧窗玻璃为主要薄弱部件,需要对其进行优化。
S4:嵌有新型侧窗玻璃的整车PBNR研究
由于侧窗玻璃为车外噪声向车内传递的主要薄弱部件,故需对其进行优化。而玻璃结构无法添加声学包,且增加玻璃厚度既增加重量又无法改善吻合效应。而夹层玻璃虽能改善吻合效应,但成本较高。因此考虑采用嵌有二维声学黑洞的新型侧窗玻璃对四块侧窗玻璃进行优化,以达到更好的噪声衰减和轻量化目的。
此处重点研究驾驶员耳旁声压级,采用上述双层声学黑洞新型侧窗玻璃结构和传统侧窗玻璃结构进行分析。
如图11所示为整车SEA模型中车内声腔与车外声腔之间的面连接。首先,忽略侧窗玻璃的共振与质量定律作用,分别将图5所示新型侧窗玻璃和传统侧窗玻璃的隔声曲线作为侧窗玻璃子***隔声曲线加载到乘员头部声腔与侧窗玻璃外侧声腔之间的面连接上(如图11中虚线框所示);然后,在驾驶员头部声腔添加声功率为1.0W的激励,分别计算图9所示各车外测点处的声压级;最后,根据式(2)得到新型和传统侧窗玻璃的PBNR仿真结果,如图12(a)-12(e)所示。
由图12(a)-12(e)可知:1)与传统侧窗玻璃相比,采用新型侧窗玻璃后5条主要路径的PBNR在车窗吻合频率附近都有所提升。其中,左前轮胎、左后轮胎、左前车门、左后车门和发动机舱到驾驶员头部5条路径的PBNR最大提升值均出现在3150Hz,分别为1.89dB、1.41dB、2.89dB、2.62dB和1.49dB;2)由于质量减少,采用新型侧窗玻璃后5条主要路径的PBNR在2000Hz以下的质量控制区有所下降,但下降幅度很小。其中,左前车门和左后车门到驾驶员头部路径的PBNR下降幅度最大,但最大下降不超过0.6dB。左后轮胎到驾驶员头部路径下PBNR下降幅度最小,最大下降不超过0.1dB,其余路径的PBNR下降幅度均不超过0.2dB。
S5:基于嵌有声学黑洞的侧窗玻璃的整车隔声优势
根据以上分析结果,可知相较于传统侧窗玻璃,所设计的嵌有声学黑洞的新型侧窗玻璃能够显著提升不同路径下车窗吻合频率处的整车PBNR值,而且新型侧窗玻璃能起到减重效果,虽然由于质量下降,在质量控制区PBNR值有所下降,但下降幅度很小。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,包括以下步骤:
将待优化整车主体的车门处的左前侧窗玻璃、左后侧窗玻璃、右前侧窗玻璃和右后侧窗玻璃均替换为嵌有二维声学黑洞的侧窗玻璃,所述侧窗玻璃上设有声学黑洞阵列,该声学黑洞阵列包括多个阵列式分布的声学黑洞单胞,所述声学黑洞阵列位于所述侧窗玻璃的车门内区域,各个所述声学黑洞单胞的中心均设有阻尼层。
2.根据权利要求1所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述声学黑洞单胞的截断厚度为0.08-0.15倍范围内的板厚,幂律阶数在2-4范围以内。
3.根据权利要求1所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述侧窗玻璃的车门内区域为:当所述侧窗玻璃完全升起时,侧窗玻璃中仍然位于车门内的区域。
4.根据权利要求1所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述阻尼层的半径与对应的声学黑洞单胞的半径相等。
5.根据权利要求1所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述声学黑洞阵列中的各个所述声学黑洞单胞沿单个方向排列在所述侧窗玻璃的边缘。
6.根据权利要求1所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述声学黑洞单胞为双层声学黑洞单胞,该双层声学黑洞单胞包括分别设置在汽车侧窗玻璃两侧的双层声学黑洞,每层声学黑洞内均设有阻尼层。
7.根据权利要求1所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述方法还包括对优化后的整车主体进行隔声仿真,验证隔声效果。
8.根据权利要求7所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述隔声仿真的过程包括以下步骤:
根据所述整车主体的形状,建立车身SEA模型;
基于建立的车身SEA模型构建汽车内外部空间的声腔子***;
建立各个声腔子***间的面连接;
设置各个声腔子***的材料属性参数和声学包参数;
设置各个声腔子***的内损耗因子、耦合损耗因子和模态密度,得到初始SEA模型;
根据需求在所述初始SEA模型的相应位置上施加激励后求解响应,并将响应结果与对应的整车试验数据进行对比,验证所建立的初始SEA模型的准确性,并根据精度要求调整初始SEA模型,最终建成整车SEA模型;
将所述整车SEA模型中乘员头部声腔与侧窗玻璃外侧声腔之间的面连接设为嵌有二维声学黑洞的侧窗玻璃的隔声曲线;
在所述整车SEA模型上添加激励,获取各车外测点处的声压级,得到嵌有声学黑洞侧窗玻璃的整车结构的仿真结果。
9.根据权利要求8所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,所述方法还包括获取各位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径,对所述整车SEA模型上添加激励后,获取各个传递路径的PBNR值,作为所述仿真结果。
10.根据权利要求9所述的一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法,其特征在于,获取各位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径的过程具体为:
在多个车外位置处分别施加激励,对每个车外位置处的激励,首先对驾驶员头部声腔进行声功率贡献量分析;然后从声功率贡献量分析结果中选择1~3个贡献量最大的子***再次进行声功率贡献量分析,循环对分析结果中1~3个贡献量最大的子***再次进行声功率贡献量分析,直至分析到激励源所在声腔为止,得到对应位置激励下对驾驶员头部声腔噪声功率贡献较大的传递路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607687.4A CN116644631A (zh) | 2023-05-26 | 2023-05-26 | 一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607687.4A CN116644631A (zh) | 2023-05-26 | 2023-05-26 | 一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116644631A true CN116644631A (zh) | 2023-08-25 |
Family
ID=87622416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310607687.4A Pending CN116644631A (zh) | 2023-05-26 | 2023-05-26 | 一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644631A (zh) |
-
2023
- 2023-05-26 CN CN202310607687.4A patent/CN116644631A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104062075B (zh) | 一种整车传声损失测试方法 | |
CN101661522B (zh) | 轿车车外噪声分析预测方法 | |
Chen et al. | Interior Noise Prediction of the Automobile Based on Hybrid FE‐SEA Method | |
CN109541034B (zh) | 基于整车半消声室环境的列车车体壁板隔声性能测试方法 | |
CN116644631A (zh) | 一种嵌有声学黑洞侧窗玻璃的整车隔声量提升方法 | |
CN101814108B (zh) | 基于半无限流体的轿车车外噪声分析预测方法 | |
Charpentier et al. | Full vehicle SEA model uses detailed sound package definition to predict driver's headspace acoustic response | |
Deng et al. | Optimal study on the TL of automotive door sealing system based on the interior speech intelligibility | |
CN113158331B (zh) | 一种基于遗传算法的车内噪声优化方法 | |
Dong et al. | Road noise modelling using statistical energy analysis method | |
Gur et al. | MMLV: NVH sound package development and full vehicle testing | |
CN116644514A (zh) | 一种基于声学黑洞的汽车侧窗玻璃结构及其隔声分析方法 | |
Wei et al. | Noise reduction analysis of front compartment sound package of electric vehicle based on SEA method | |
Brentnall et al. | Methods and solutions for the integration of the HV battery into the NVH development of a BEV | |
Cai et al. | High frequency noise model based on statistical energy method parameter sensitivity analysis | |
CN114383842A (zh) | 一种变速器啸叫的空气辐射灵敏度测试方法、***及车辆 | |
Lafont et al. | Study of the glass contribution to the interior acoustics of a car and related countermeasures | |
Liu et al. | Statistical energy analysis of tire/road noise | |
CN114878177A (zh) | 一种汽车整车高频噪音sea模型实验对标方法 | |
Marzbanrad et al. | Automotive interior cabin noise analysis and optimization using Statistical Energy Analysis and Response Surface Methodology | |
Mandke et al. | Prediction and Validation of Cab Noise in Agricultural Equipment | |
CN219277423U (zh) | 一种改善电动车内噪声的密封结构及电动车 | |
Cherng et al. | Characterization and validation of acoustic cavities of automotive vehicles | |
WO2024048130A1 (ja) | 吸音装置及び車両 | |
Jia et al. | NVH performance optimization for pure electric vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |