基于AIWF-IL 評價方法的汽車聲學(xué)包性能優(yōu)化

張?zhí)煊?，鄧江華，孟祥龍，霍俊焱

（中國汽車技術(shù)研究中心有限公司，天津 300300）

1 介紹

汽車防火墻在整車聲學(xué)包作用中主要起到隔絕外部聲源透入聲的作用，其隔聲性能的優(yōu)劣將會直接影響到整車車內(nèi)高頻噪聲水平[1-5]。防火墻的隔聲性能不僅取決于所使用材料自身隔聲性能外，還與其設(shè)計狀態(tài)的覆蓋水平、厚度分布水平等直接相關(guān)。對于防火墻傳遞損失（IL）分析和聲學(xué)包設(shè)計，通常選擇統(tǒng)計能量分析法（SEA）。

在防火墻插入損失IL 評價中，一般采用各頻帶數(shù)值比較法，但此方法只能粗略判別大致水平，且此指標(biāo)只可對單頻帶進(jìn)行性能大小評價，無法整體評價對語音清晰度的影響效果。本文結(jié)合語音清晰度算法計權(quán)系數(shù)，提出AIWF-IL（Articulation Intelligibility Weight factor-IL）作為評價語音清晰度變化的指標(biāo)，此方法可有效評價聲學(xué)包設(shè)計對語音清晰度提升的影響。并將AIWF-IL 作為優(yōu)化目標(biāo)，通過建立近似模型的優(yōu)化方法，進(jìn)行聲學(xué)包優(yōu)化。最后將優(yōu)化后的聲學(xué)包應(yīng)用于整車SEA 模型，驗證了整車內(nèi)部降噪效果。

2 防火墻隔聲量的實驗與仿真

防火墻隔聲量測試一般在混響-消聲室實驗室中進(jìn)行，其結(jié)構(gòu)如圖1 所示。

圖1 混響-消聲室結(jié)構(gòu)

建立防火墻的SEA 模型，并定義聲源室和接收室空腔，模擬實驗室測試環(huán)境，并對空腔子系統(tǒng)與防火墻進(jìn)行連接，以實現(xiàn)空氣聲的傳遞，如圖2 所示。

圖2 防火墻隔聲量仿真模型

模型聲學(xué)包定義采用MNCT 方法定義[6]，通過分析聲學(xué)包3D 數(shù)模不同厚度占比，得到的厚度分布如圖3 所示。然后結(jié)合聲學(xué)包對應(yīng)厚度下的平板件插入損失性能數(shù)據(jù)，生成表征聲學(xué)包的MNCT 模型。

圖3 聲學(xué)包厚度分布

圖4 內(nèi)前圍插入損失對比

在聲源側(cè)定義單位聲壓聲激勵，獲得防火墻鈑金件及防火墻+內(nèi)前圍的傳遞損失，進(jìn)而獲得內(nèi)前圍成形件的插入損失，結(jié)果如圖4 所示。結(jié)果表示，內(nèi)前圍的實驗插入損失與仿真插入損失誤差在1dB 左右，故可知SEA 模型在400～ 8000Hz 范圍內(nèi)滿足計算精度要求，可用于聲學(xué)包優(yōu)化。

3 AIWF-IL 指標(biāo)評價方法

3.1 語音清晰度影響分析

語音清晰度（AI）是用來評價在噪聲環(huán)境下講話的清晰程度，這個參數(shù)用百分?jǐn)?shù)表示，當(dāng)完全聽得清楚講話時數(shù)值為100%，完全聽不清時為0%，通過此數(shù)值可量化判別特定環(huán)境下的聲品質(zhì)水平[7]。

AI 算法定義如下：

式中，D(f）為與上限噪聲UL(f）、下限噪聲LL(f）相關(guān)的差值，本文不詳細(xì)描述；同時說話聲音是與頻率有關(guān)的，這樣就引入一個計權(quán)系數(shù)W（f），具體參數(shù)如圖5 所示。

圖5 語音清晰度計權(quán)系數(shù)

分析AI 算法定義可知，對AI 影響的主要有兩個因素：聲壓級與上下限差值D（f）、計權(quán)系數(shù)W（f）。如果D（f）處于上、下限范圍之內(nèi)，其對AI 的影響是線性的；而W（f）則是一個隨頻帶變化的數(shù)值，權(quán)重更側(cè)重于中高頻，也就是聲學(xué)包起到降噪效果的頻帶。故可得結(jié)論，計權(quán)系數(shù)W（f）是語音清晰度（AI）數(shù)值變化的主要因素，在聲學(xué)包設(shè)計需重點考慮。

3.2 制定AIWF-IL 指標(biāo)評價方法

在防火墻插入損失IL 評價中，一般采用各頻帶數(shù)值比較法，但此方法只能粗略判別大致水平，如果性能在不同頻帶存在增、減相反的趨勢，則無法準(zhǔn)確評估各頻帶插入損失IL變化對車內(nèi)語音清晰度改善情況；同時考慮人耳對噪聲各頻帶感知水平不同，無法采用插入損失IL 取各頻帶均值的方法進(jìn)行評價。

針對上述問題，本文結(jié)合語音清晰度算法中的主要影響因素，提出AIWF-IL 指標(biāo)，可對防火墻隔聲水平進(jìn)行有效評價，其定義如下：

式中，W(f）為語音清晰度AI 計權(quán)系數(shù)，L(f）為插入損失IL 數(shù)值，計算頻率范圍為400Hz～8000Hz。

以某汽車防火墻為例，針對內(nèi)前圍隔音墊聲學(xué)包同結(jié)構(gòu)不同材料的兩種樣件，需從兩者中選擇對車內(nèi)語音清晰度效果更優(yōu)的樣件，兩種樣件的插入損失IL 性能如圖6 所示。由結(jié)果可知，內(nèi)前圍一在400Hz～1600Hz 與6300Hz～8000Hz 性能優(yōu)于內(nèi)前圍二，而內(nèi)前圍二在2000Hz～5000Hz 性能優(yōu)于內(nèi)前圍一，此時無法直觀判斷哪種樣件更有利于車內(nèi)語音清晰度。

圖6 兩種內(nèi)前圍插入損失IL 對比

利用AIWF-IL 指標(biāo)計算可知，內(nèi)前圍一、內(nèi)前圍二對應(yīng)的AIWF-IL 數(shù)值分別為15、14.5，可初步判斷內(nèi)前圍1 性能更佳。接下來將兩種內(nèi)前圍聲學(xué)包應(yīng)用于整車SEA 模型，如圖7 所示。在駕駛員常規(guī)駕駛車輛習(xí)慣中，油門全開度加速3000rpm 工況是最常用且動力總成噪聲較大的工況，故本文選擇此工況進(jìn)行相關(guān)語音清晰度AI 分析。通過分析結(jié)果可知，內(nèi)前圍1 和內(nèi)前圍2 兩種狀態(tài)下駕駛員頭部聲腔AI 分別為75.6%、75.4%，可最終判斷內(nèi)前圍1 性能更佳。

可見，AIWF-IL 算法通過在插入損失IL 中引入計權(quán)系數(shù)W（f），可對聲學(xué)包設(shè)計引起的IL 性能各頻帶的變化進(jìn)行綜合評價，有利于工程設(shè)計中優(yōu)化方案的制定與選擇。

圖7 整車SEA 模型

4 內(nèi)前圍優(yōu)化

為了優(yōu)化防火墻隔聲性能，主要針對內(nèi)前圍不同厚度占比進(jìn)行優(yōu)化。 防火墻聲學(xué)包的優(yōu)化設(shè)計包括五個主要步驟：1）確定優(yōu)化的設(shè)計變量區(qū)間和目標(biāo)；2）通過實驗設(shè)計（DOE）選擇采樣點；3）通過仿真計算設(shè)計變量對應(yīng)的響應(yīng)值，利用采樣點和響應(yīng)值建立近似模型；4）在建立的近似模型的基礎(chǔ)上，利用優(yōu)化算法獲得最優(yōu)解；5）優(yōu)化結(jié)果驗證。

4.1 確定優(yōu)化的設(shè)計變量參數(shù)

影響防火墻聲學(xué)性能的參數(shù)包括：聲學(xué)包的材料性能、覆蓋率與厚度分布。在本文遇到的問題中，由于聲學(xué)包材料性能與覆蓋率設(shè)計均無法改變，故選擇厚度分布作為主要設(shè)計變量參數(shù)，如表1 所示。

表1 厚度分布設(shè)計變量參數(shù)

4.2 實驗設(shè)計

實驗設(shè)計(DOE)是一種基于概率論和數(shù)理統(tǒng)計的測試技術(shù)，它可以科學(xué)、經(jīng)濟(jì)學(xué)地安排實驗。DOE 方法有很多，其中最優(yōu)拉丁超立方體設(shè)計LHD) (Opt可以使因子和響應(yīng)的擬合更加精確真實，樣本能夠覆蓋整個設(shè)計空間，具有較強(qiáng)的穩(wěn)健性以及非常好的空間填充性和均勻性[8]。

實驗設(shè)計中樣本點組數(shù)選擇，主要考慮變量與輸出值參數(shù)的數(shù)量多少，以及生成近似模型的準(zhǔn)確度。為提高模型準(zhǔn)確度，本文采用最優(yōu)拉丁超立方體設(shè)計選擇300 組樣本點，計算響應(yīng)值。 樣本參數(shù)如表2 所示。

表2 樣本厚度分布參數(shù)數(shù)值

4.3 近似模型建立及誤差分析

為了找到設(shè)計變量與響應(yīng)之間的函數(shù)關(guān)系，需要建立近似模型，其主要特點是計算量小，計算周期短，計算結(jié)果與實驗值基本一致。 克里格模型是一種估計方差最小的無偏估計模型，是建立近似模型的方法之一[9]?？死锔衲Ｐ涂梢园械牟蓸狱c，近似曲面的質(zhì)量較好。根據(jù)設(shè)計變量與表2 中七個參數(shù)優(yōu)化響應(yīng)的關(guān)系，建立克里格模型。

為了驗證近似模型的擬合精度，采用LHD Opt 隨機(jī)生成另外300 組樣本點，計算響應(yīng)。R2常用于評價擬合精度。 R2定義為：

在圖6 中，可以看到R2目標(biāo)均在0.9 以上，因此近似模型的精度是可靠的。

圖8 克里格模型誤差分析R2數(shù)值

4.4 得到優(yōu)化參數(shù)值

防火墻聲學(xué)包參數(shù)目標(biāo)是使聲學(xué)包AIWF-IL 最大，約束條件為聲學(xué)包重量（M）不超過10%。

基于克里格參數(shù)優(yōu)化，求解參數(shù)的最優(yōu)解決方案，可以在ISIGHT 軟件中進(jìn)行優(yōu)化計算。本文在ISIGHT 軟件中采用多島遺傳（NSGA-II）算法求解最優(yōu)解[10]。通過重復(fù)計算，AIWF-IL 參數(shù)最優(yōu)解的設(shè)計變量值如表3 所示。

表3 參數(shù)優(yōu)化數(shù)值

4.5 優(yōu)化聲學(xué)性能確認(rèn)

防火墻聲學(xué)包優(yōu)化后，AIWF-IL 結(jié)果如表4 所示，數(shù)值較原狀態(tài)提升20.9%，效果顯著。優(yōu)化后的聲學(xué)包質(zhì)量增加了10% ，處于可接受范圍之內(nèi)（由4kg 升至4.4kg）。

表4 AIWF-IL 優(yōu)化數(shù)值對比

5 整車優(yōu)化方案應(yīng)用效果

表5 語音清晰度優(yōu)化數(shù)值對比

圖10 駕駛員到防火墻ATF 對比

在整車SEA 模型中，計算了全油門開度加速3000rpm 工況下的駕駛員頭部聲腔語音清晰度，結(jié)果如表5 所示；以及駕駛員頭部腔到發(fā)動機(jī)腔的ATF，結(jié)果如圖10 所示。

由結(jié)果可知，優(yōu)化后駕駛員到防火墻的ATF 在2000Hz以上頻帶平均降低1.5dB，且駕駛員頭部聲腔的語音清晰度提升1%。

6 結(jié)論

本文基于AIWF-IL 指標(biāo)對某汽車防火墻聲學(xué)包進(jìn)行優(yōu)化，可得以下結(jié)論：

（1）通過分析語音清晰度算法的影響因素，確認(rèn)權(quán)重指數(shù)是影響語音清晰度的主要參數(shù)。故本文基于語音清晰度算法的計權(quán)權(quán)重，制定了AIWF-IL 防火墻聲學(xué)包評價指標(biāo)，此指標(biāo)能夠直觀、有效的評價聲學(xué)包設(shè)計變化對語音清晰度的影響。

（2）選擇防火墻內(nèi)前圍隔音墊厚度占比作為變量參數(shù)，以聲學(xué)包AIWF-IL 為優(yōu)化目標(biāo)，總質(zhì)量變化作為約束條件，分別對聲學(xué)包的七個厚度占比參數(shù)進(jìn)行多目標(biāo)優(yōu)化，得到最優(yōu)結(jié)果。

（3）優(yōu)化后，防火墻的AIWF-IL 數(shù)值提升了20.9%。將優(yōu)化后的防火墻聲學(xué)包應(yīng)用于整車SEA 模型時，駕駛員頭部腔到發(fā)動機(jī)腔的ATF 平均降低1.5dB，駕駛員頭部聲腔的語音清晰度提升1%。