汽车前侧窗表面压力激励及其源分析

袁海东 杨志刚 李启良

摘   要：汽車前侧窗表面的压力激励是前侧窗区域非定常流动和气动噪声的重要体现指标. 这一区域复杂的非定常流动产生更大尺度范围的涡结构，从而导致前侧窗表面复杂的非定常压力激励. 本文通过基于声学扰动量方程组（APE）的混合计算气动声学（CAA）方法分别获得汽车前侧窗表面的湍流压力激励和声学压力激励. 引入动力学模态分解（DMD）对前侧窗表面的压力激励进行分析，指出湍流压力激励基于频率的区域分布特征和声学压力激励辐射声场特征.讨论了湍流压力激励、声学压力激励以及不同的激励源对车内噪声的相对贡献量. DMD识别的前侧窗表面主要的湍流压力激励是由后视镜尾迹的脱落涡产生的，其特征频率为59 Hz，与试验测量结果一致，验证了湍流压力激励计算结果的有效性. 通过对比前侧窗区域空间截面上相同频率的湍流压力和声学压力的DMD模态，识别出前侧窗区域主要的声源位置，一个位于后视镜基座处，由这一区域的后视镜基座涡的涡对流产生. 另一个位于后视镜镜体的下缘，由这一区域的分离涡产生. 后者由风洞试验中的传声器阵列识别出来，验证了声学场计算结果的有效性.

关键词：汽车前侧窗;湍流压力激励;声学压力激励;气动声学;动力学模态分解

中图分类号：U461.1                              文献标志码：A

Analysis on Pressure Excitation on Automotive

Front Side Window and Its Source

YUAN Haidong1，2，YANG Zhigang1，2，3？覮， LI Qiliang1，2

（1. Shanghai Automotive Wind Tunnel Center，Tongji University，Shanghai 201804，China;

2. Shanghai Key Laboratory of Vehicle Aerodynamics and Vehicle Thermal Management Systems，Shanghai 201804，China;

3. Beijing Aeronautical Science & Technology Research Institute，Beijing 102211，China）

Abstract： The pressure excitation on the front window surface of the vehicle is an important indicator of unsteady flow and aerodynamic noise in the front window area. The complex unsteady flow in this area produces a larger scale vortex structure， which leads to complex unsteady pressure excitation on the front side window surface. In this paper， the turbulent pressure and acoustic pressure excitations on the front window surface of the vehicle are obtained by the hybrid Computational Aeroacoustics（CAA） method based on Acoustic Perturbation Equations（APE）. The Dynamical Mode Decomposition（DMD） is introduced to analyze the pressure excitation on the front side window surface， which demonstrates that the turbulent pressure excitation has the frequency-based regional distribution characteristics and the acoustic pressure excitation acts as radiation sound field characteristics. The turbulent pressure excitation， acoustic pressure excitation and the relative contributions of different excitation sources to the car interior noise are discussed. The main turbulent pressure excitation on the front side window surface identified by the DMD is generated by the wake vortex shedding of the rear view mirror trail. Its characteristic frequency is 59 Hz， which is consistent with the experimental measurement results and it also verifies the validation of the turbulent pressure excitation calculation results. Comparing the DMD modes of the turbulent pressure and acoustic pressure with the same frequency in the space section of the front side window region， the main sound source position in the front side window region is identified. One is located at the pedestal of the rearview mirror， which is generated by the convection of the pedestal vortex in this region. The other is located at the lower edge of the mirror body， resulting from the separation vortex in this area. The latter is identified by the microphone array in the wind tunnel test，which validates of the estimation of the acoustic field.

Key words： automotive front side window;turbulent pressure excitation;acoustic pressure excitation;aeroacoustic;Dynamic Mode Decomposition（DMD）

汽车风噪声问题受到越来越多的关注[1-2]主要有两方面原因. 首先，随着汽车工业的发展和市场的完善，消费者对于汽车的品质有着更高的要求，尤其是舒适性，对于风噪问题的抱怨常常出现. 其次，随着汽车动力总成的革新，传统内燃机的噪声遮蔽效应消失，风噪问题凸显出来[3]. 汽车风噪问题包括泄露噪声、底盘噪声和车身噪声等，现有的一些研究讨论了不同类型的风噪问题对车内噪声的贡献量[4]. 从驾驶员感受到的噪声来评价，前侧窗区域产生的风噪声起主导作用.由于后视镜和A柱的存在使得前侧窗区域存在非常复杂的非定常流动，这些是产生风噪声的主要原因. 另外，车窗玻璃是隔声的薄弱环节，噪声更容易通过玻璃向车内传播和辐射，并且这一区域距离驾驶员的耳部更近，更容易被驾驶员感知，影响车内的舒适性.

汽车前侧窗表面的压力激励常常被用来作为汽车前侧窗区域非定常流动和风噪声的体现指标.研究表明前侧窗表面的压力激励会随着雷诺数、偏航角、A柱[5]和后视镜的几何造型[6]的变化而变化，并且前侧窗表面的压力激励也会对道路上流动的不均匀性和湍流度敏感[7].与车内风噪水平的比较研究表明，车身表面的压力激励是产生车内风噪问题的主要原因[6].因此以汽车前侧窗表面的压力激励作为评价指标，以此来反映由于前侧窗区域非定常流动产生的风噪声对车内的影响，这对于这一区域风噪声的研究和控制是有意义的.

汽车前侧窗表面的压力激励包含湍流压力激励和声学压力激励两部分. 两种压力激励成分存在能量不匹配和波数不匹配的特征. 能量不匹配表现为湍流压力激励远大于声学压力激励，通常湍流压力激励的大小高于声学压力激励10～20 dB[8-9]. 湍流压力激励以当地的对流速度向下游传播，而声学压力激励则按照声速向各个方向传播，因此湍流压力激励的波数在主要关注的频率范围内远高于声学压力激励[10].两种压力激励均能激起侧窗玻璃内部的弯曲波，玻璃的振动向车内和车外辐射噪声. 基于能量和波数的不匹配特征，两种压力激励对玻璃振动的激励效率不同，从而对车内声场的影响也有差异. 现有的研究倾向性地认为侧窗表面的声学压力激励更容易引起侧窗玻璃的振动，从而对车内声场的影响更大. 而两种压力激励向车内传递和辐射声波的机理和影响因素还不是很清楚，因此非常有必要分别获得侧窗表面的湍流压力激励和声学压力激励，并给出其特征的准确描述.

通常，侧窗表面的压力激励可以通过风洞实验、数值计算和半经验模型获得. 在风洞实验中，侧窗表面的压力激励通过压力传感器获得，湍流压力激励和声学压力激励耦合在一起. 一些分离技术被用来将两部分区分开来.波数频率谱分解技术是使用比较多和比较有效的一种.在小马赫数下，声波和涡度波的群速度区分很明显.声波的群速度是声速和当地对流速度之和，而涡度波的群速度是当地对流速度. 在波数频率谱中，湍流压力激励和声学压力激励处在完全不同的位置，很容易将两者区分开.波数频率谱分解的最大挑战是需要大量的压力传感器去获得更好的空间分辨率[10].基于湍流压力激励和声学压力激励的能量不匹配特征，本征正交分解（POD）[11]被尝试用来将两部分压力激励区分开来.其他的一些分解方法，比如力分析技术（FAT）[12]和经验模态分解（EEMDM）[13]等也被尝试过.详细信息可以参阅本文中的参考文献.所有的这些分解技术都可以用来分解具有有效精度的直接噪声计算（DNC）的结果. DNC的高阶数值格式和计算资源限制了其在工业上的应用.

半经验模型用在研究声学压力激励和湍流压力激励及其向车内传递机理上已经有很长时间了.Corcos模型[14]描述了湍流边界层底层的不可压缩压力场，声学压力成分通常用扩散声场模型描述[15-17].根据半经验模型描述的空间两点之间的统计特征，通过互功率谱密度矩阵的乔列斯基分解来获得合成的时间和空间上的压力场. 然而，半经验模型很难考虑到详细的几何特征对侧窗表面压力场的影响.现有的对于侧窗表面压力激励的特征描述都是对于单个测量点、两个点之间或者空间平均意义下的统计特征描述，缺少对于侧窗表面压力激励的空间结构的准确描述.

本文引入基于声学扰动量方程组（APE）的混合CAA方法分别获得侧窗表面湍流压力激勵和声学压力激励.采用动力学模态分解（DMD）描述了侧窗表面压力激励的详细的空间模态形状特征，分析了产生这些压力激励的主要的流动结构.

1   方法

1.1   基于APE的混合CAA方法

Chu和Kovásznay[18]指出任何可压缩流场都是由涡、熵和声三种分量组成. Ewer和Schr？觟der[19]通过对流体动力学方程进行源项滤波，从可压缩流动中提取声学组分，得到了一系列声学扰动量方程组（APE）. 在小马赫数条件限定下，忽略熵的影响，仅仅考虑涡声分量（典型的汽车工况下），可以从APE-1方程组推导出一个对流方程，如下：

式中：pa是声学压力脉动;p′是湍流压力脉动;U是时均速度;c是声速;τ是阻尼损耗参数.

和Lighthill的声学比拟理论[20]、Lilley的声学比拟理论以及带有非线性源项的线性欧拉方程类似，以上面的对流波动方程也可以建立一种混合的CAA方法. 式（1）的左边为对流波动算子，其描述了声波在平均对流流场中的传播.方程的右边看作源项.指定的声源区域中的湍流脉动压力p′可以通过不可压缩的NS方程求解，方程的源项和声传播与不可压缩的NS方程同时求解.物理阻尼项τ？坠pa/t用来抑制由于声源区外网格变粗产生的伪声波和边界处的反射声波.

为了进一步说明源项中湍流脉动压力和其产生的声学脉动压力之间的关系，对上述方程进行进一步的推导. 假设时均速度 U为常数，也就是均匀平均流动，上述方程可以简写为（忽略物理阻尼项）：

其中，左边为均匀平均流动的对流波动算子[21]，右边的源项为湍流脉动压力的二阶质点倒数，进一步两边可以写成统一的形式：

中：D2/Dt2表示二阶质点倒数;ct看作湍流脉动压力的波动传播速度. 由式（3）可以看出，任何可压缩流场中的湍流脉动压力为非辐射分量，或者辐射速度为零，而声学压力脉动为辐射分量.湍流压力脉动的能量远高于声学压力脉动，通过声波在空间的辐射，能量由湍流场向声场传递.

本文中的不可壓缩的湍流脉动压力通过基于SST k-ω模型不可压缩的改进的延迟分离涡模拟（IDDES）[22]求解.相比于原始的算法DES97，IDDES增加了许多附加函数来解决网格诱导分离（GIS）和对数层不匹配（LLM）的缺点，使得IDDES对复杂流动问题具有更强的计算能力.本文中所有的计算均在商用CFD软件STAR-CCM+ 11.06.010中完成，该软件采用不可压缩分离非结构有限体积求解器.使用混合数值方法来分离动量方程的对流项，其在LES有效的区域中的有界中心差分格式（CDS）与RANS模式有效的二阶迎风格式之间切换.对于湍流量，采用二阶迎风方案.使用二阶时间离散格式.声学场的求解使用与IDDES相同的网格和时间步长，空间和时间离散格式均为二阶格式.其算法的有效性和准确性在现有的研究中得到证实[23-28].

1.2   动力学模态分解

降阶模型（ROM）常常被用来研究复杂的流动现象或给出整体的描述，其中本征正交分解（POD）和动力学模态分解（DMD）是常用的两种降阶模型.POD常常用来提取流动中能量占比比较大的成分，每个模态中耦合了多个频率信息.基于流动是由周期性振荡的相干结构组成的假设，动力学模态分解（DMD）使用带有唯一确定频率的模态来描述复杂流动.基于库曼算符的谱理论，通过对库曼算符的伴随矩阵[29]或者相似矩阵[30]的特征值分解可以获得DMD模态.流动可以分解成如下形式：

式中：？准i 是DMD模态;αi是对应模态的幅值;μi是库曼算符的特征值，μi包含了对应模态的频率f和增长率或衰减率R信息，表达式如下：

DMD最大的挑战来自如何在众多模态中挑选出起主导作用的少数模态.通常会采用DMD模态的全局能量范数来挑选模态，但是并不是所有时候都起作用，能量占比高的模态不一定是最重要的模态，另外由于计算或者实验误差产生的模态的能量占比也很高，但并不是所需要的模态. Jovanovic等

人[31]提出的稀疏促进DMD提供另外一种挑选模态的方法.稀疏促进DMD把来自解决凸优化问题的想法和工具与压缩感知技术结合，挑选DMD模态的子集.被挑选出来的模态在近似原有流场的快照序列上起主导作用.

2   计算与试验设置

本文研究某量产紧凑级三厢轿车前侧窗表面的压力激励和前侧窗区域的流场和声场，如图1所示. 计算域采用半无穷大空间，大小为11L × 11W × 8H，其中L、W、H分别为车长、车宽和车高.计算域的入口在车前4L位置，设置为速度入口，速度U∞  = 120 km/h.出口位于车尾后6L位置，设置为压力出口. 入口和出口处的湍流参数通过湍流强度和湍流粘性比定义，分别为0.5%和10. 计算域的侧面和顶面为对称边界条件.车身表面为无滑移壁面边界条件.计算域底部中间位置处设置无滑移壁面边界用来模拟风洞试验段地板，其余部分为滑移壁面边界.

计算网格采用混合网格方案，近壁区域采用边界层网格，远离壁面区域为六面体网格，边界层网格和六面体网格通过修剪的方法链接.在车身近壁区域、底盘和车尾区域设置常规加密区，以保证对基本流场求解的准确性.在前侧窗区域设置局部加密区，以保证侧窗表面的压力激励具有有效的时间和空间分辨率.声源区设置在前侧窗区域附近，如图2左图中矩形区域，矩形区域以外的区域为阻尼区域，声源项只在声源区求解.

本文数值计算的有效性通过与实车风洞试验对比完成.测试车辆为某款量产三厢紧凑型轿车，其长宽高分别为4.52 m，1.79 m和1.49 m，轴距为2.65 m.风洞试验是在上海地面交通工具风洞中心（SAWTC）的气动声学风洞内完成.该汽车气动声学风洞为3/4开口式回流式低速风洞，喷口宽度为6.5 m，高度为4.25 m，测试段长度15 m. 该风洞最大风速为70 m/s，测试段轴向静压梯度小于0.005 Pa/m，喷口处湍流强度小于0.5%.该风洞声学测量状态下，160 km/h风速时背景噪音小于61 dBA.实验设置见图3. 该车测试时，风洞调整为声学测量状态，车轮静止，地面移动系统关闭，前格栅密封.测试风速为120 km/h，与数值计算一致. 采用压力传感器测量了车身上表面对称线不同测点位置的时间平均压力.采用Gfai公司120通道的SpiralArray传声器阵列通过波束成型法识别车身表面的声源位置.采用GRAS 40PS-1 CCP表面传声器测量了前侧窗表面关键测点的表面压力的时域信号.通过Head Acoustics SQLAB III多通道采样系统采集10 s的信号，采样频率为48 kHz.

本文采用3组不同数量的网格，讨论了计算结果对边界层加密和湍流核心区域加密的敏感性. 3组不同网格方案显示在表1中，其中y+表示车身表面边界层第一层网格的无量纲高度，Δx表示侧窗加密区体网格尺寸.所有网格方案使用一致的时间步长，时间步长为2 × 10-5 s. 网格1体网格尺寸最小，其计算域内平均和最大对流库朗数（uΔt/Δx，u为当地速度，Δt和Δx分别为时间步长和网格尺寸）为0.003和6，对流库朗数超过1的网格数量占比小于0.5%. 首先使用收敛的定常RANS结果初始化流场，然后经过10个对流单元（L/U∞）获得稳定发展的湍流，之后以50 kHz的采样频率进行采样.

非定常流动的计算通常要考虑频率分辨率的问题，这里重点讨论在前侧窗加密区域中对于声波和湍流压力求解的频率分辨率.由于声波的传播速度为涡度波的10倍，因此声波的求解对网格的要求远高于涡度波的要求，因此以声波对网格的要求为准.表1中显示了几个评价网格的频率分辨率的参数，包括每个波长的网格点数PPW（λ/Δx，λ是目标频率的波长）、每个声波周期的采样点数SPC（fs/f，fs是采样频率，f是目标频率）、声学库朗数Acoustic CFL（cΔt/Δx，c是声速）以及对流库朗数CFL（uΔt/Δx）. 本文计算的目标频率为f = 2 000 Hz，其对应的参数见表1. 基于二阶的时间和空间离散精度，以上参数需要满足的条件为：PPW > 40，SPC > 15，Acoustic CFL < 4以及CFL < 1. 由此可見，声波的频率分辨率对空间体网格尺寸敏感，网格3不满足要求，无法解析目标频率的声波.

图4显示了车身上表面对称线位置的平均压力系数的试验测量值和计算结果的对比，前后两条竖直虚线表示汽车前轴和后轴的位置.平均压力系数CP定义为公式（6），其中，P为车身表面的时间平均压力，P∞为风洞测试段的参考静压，ρ为空气密度.从图4中可以看出，压力系数的计算结果和风洞测量结果基本一致，3组网格方案没有明显的差异.网格2相对于网格1 y+值增大，边界层网格数量减少.从结果来看，所给定的放大的y+值不会影响平均压力的计算结果.前侧窗区域体网格尺寸的变化也没有对车身上表面对称线上的平均压力产生影响.

根据图5所显示的前侧窗表面压力脉动云图，可以将其分为三个部分：后视镜尾迹与前侧窗相互作用区域、A柱涡与前侧窗相互作用区域以及相对安静的附着流动区域.在这三个区域中分别取一个测点，分析其压力脉动频谱，测点位置见图5，其中测点1位置的压力脉动通过风洞试验获得.本文中风洞试验和数值计算的采样频率分别为48 kHz和50 kHz，采用快速傅里叶变换（FFT）计算声压级频谱，参考压力为2 × 10-5 Pa，快速傅里叶变换的窗口大小为4 096，窗函数为汉宁窗. 为了对比计算结果与试验结果，进行傅里叶变换的数据长度均为0.2 s.图6显示了前侧窗表面不同测点位置的压力脉动频谱.对比测点1位置的压力脉动频谱的试验结果和计算结果可知，网格1和 网格3的结果与试验值比较吻合，而网格2的结果在低频区域低于试验值.与网格1和网格3相比，网格2的y+值较大，这说明边界层区域的加密对于准确捕捉压力脉动是有必要的.图5中显示的压力脉动云图也同样表明边界层网格密度不够不足以准确解析近壁区域的压力脉动.测点2和测点3位置的压力脉动依次减弱，这说明前侧窗表面的压力脉动主要由后视镜尾迹产生，其次为A柱涡.虽然网格3和网格1相比在频谱图和压力脉动云图上并未有明显的差异，其与试验测点的频谱图也比较一致，但侧窗区域体网格尺度过大会降低对该区域流动结构的时间和空间分辨率.综合考虑网格1在边界层和湍流核心区域的加密对准确捕捉侧窗区域的流动和侧窗表面的压力脉动是必要的，因此选择网格1作为最终的网格策略.

图7显示了前侧窗表面三个测点位置的声学压力脉动的频谱. 从频谱图上可以看出，声学压力激励在侧窗表面空间分布的差异小于湍流压力激励，这符合辐射声场的特征. 由于本文使用的混合的CAA方法中，源项以湍流脉动压力的二阶质点倒数为主，因此其对体网格尺寸敏感. 前面关于网格的频率分辨率的分析指出，网格3不足以解析目标频率的声波. 从三个测点的频谱上可以明显看出，网格3在1 500 Hz以后产生了高频的伪声信号，伪声信号主要是空间网格对声波的解析度不够产生的，加密空间网格后伪声信号消失. 网格1和网格2的声压级频谱保持基本一致.另外测点1处，网格2相比网格1其声压级频谱在低频处略低一些.本文接下来的分析是基于网格1，分析的频率范围为

2 000 Hz以内.

3   结果与分析

速度梯度的二阶不变量Q被用来识别前侧

窗区域主要的涡结构，如图8所示. Q定义为公式

（7）[32]，值取为5 × 105.

式中：S和Ω分别为速度梯度的对称和非对称分量.这一区域大尺度的涡结构为后视镜尾迹、A柱涡和发罩涡，局部细节处还包括后视镜支撑尾部的基座涡和三角窗后台阶形成的帆涡（沿用文献中的命名方式）. 其中后视镜尾迹、A柱涡、基座涡和帆涡与前侧窗直接相互作用，对侧窗玻璃产生非定常压力激励.

分别采用5 000张侧窗表面湍流和声学压力激励的时间快照进行DMD分析，采样频率为25 kHz.根据采样定理可知，可以分辨的最高频率为12 500 Hz（fmax = fs /2），频率分辨率和最小分辨频率为5 Hz（fmin = Δf = fs /N）. 图9为DMD的模态频谱图，展示了模态对应频率、增长或衰减率和幅值. 其中横轴代表模态频率，纵轴变量小于零表示为衰减的模态，纵轴变量大于零为增长的模态，圆点的颜色和大小代表模态幅值.从DMD模态频谱图可以看出，侧窗表面的湍流压力脉动的能量相对集中在500 Hz以内的低频区域，且模态衰减较快.侧窗表面的声学压力激励的能量相对分布在更宽范围的频段内，模态相对稳定.

从图9（a）的模态中挑选出不同频率范围内有代表性的模态，展示在图10中. 从DMD的模态图可以看出，前侧窗表面的湍流压力激励具有基于频率的区域性分布特征，表现为前侧窗区域不同的相干结构对侧窗表面贡献了不同频段的湍流压力激励.其中后视镜主要贡献低频率压力激励，A柱涡主要贡献高频率压力激励，而后视镜基座涡贡献中高频率段的压力激励.

类似地，从图9（b）中挑选出不同频率范围内代表声学压力激励的模态，展示在图11中. 从模态图上可以看出，侧窗表面的声学压力激励与湍流压力激励具有完全不同的分布形态.侧窗表面的声学压力激励表现为，在整个侧窗表面按一致的形态均匀分布，是典型的辐射声场的形态. 另外可以明显判断声源的位置，主要的声波都是从后视镜基座位置开始向整个车窗辐射. 500 Hz的声波的波长与侧窗的长度尺度相当，更低频率的声波的波长超过侧窗长度.相同频率下，声学压力激励的波长远大于湍流压力激励的波长，即湍流压力激励的波数远大于声学压力激励的波数.

基于前側窗表面的湍流压力激励和声学压力激励的分布特征，分析不同流动结构对侧窗玻璃的激励效率和对车内噪声的影响.前侧窗表面的湍流压力激励按照当地对流速度传播[33]，其波数和频率的关系为：

式中：Kconv为湍流压力激励的对流波数;Uc为对流速度.前侧窗表面的声学压力激励以声速向各个方向传播，其波数和频率的关系为：

式中：Kacou为声学压力激励的波数;c0为声速.侧窗表面的压力激励会激起玻璃中的弯曲波[34]，忽略玻璃的边界约束，其波数与频率的关系为：

式中：Kflex为弯曲波的波数;ρ为玻璃的密度;υ为泊松比;E为杨氏模量;h为厚度.现给定与本文中相同工况参数和普通车窗玻璃的参数[7]，见表2.

将湍流压力激励、声学压力激励和玻璃中弯曲波的波数与频率的关系显示在图12中.除原点外，湍流压力激励和声学压力激励与弯曲波各有一个交点，交点处的频率为耦合频率.两种压力激励的耦合频率分别为40 Hz和4 000 Hz. 玻璃的弯曲波在耦合频率以前为质量控制模态，耦合频率以后为共振模态.在耦合频率处，压力激励对玻璃的激励效率最高.

从图12可知，高频段内，湍流压力激励的波数远高于玻璃弯曲波的波数，难以引起玻璃的振动，玻璃对其不敏感.在低频段内，尤其耦合频率（40 Hz）左右，湍流压力激励对侧窗玻璃的激励效率较高.从上面的模态分析可知后视镜的尾迹刚好贡献了这一频率段内的压力激励，并且其压力激励能量较大，因此推断后视镜尾迹对车内噪声在低频段内的贡献量较大.相比之下，由于A柱涡和后视镜基座涡主要贡献中高频压力激励，而车窗玻璃对中高频压力激励并不敏感.就前侧窗表面的湍流压力激励而言，后视镜尾迹涡脱落更容易激起侧窗玻璃的低频振动，从而影响车内的低频噪声.

对比两种压力激励的波数-频率关系与弯曲波的波数-频率关系可以看出，在整个频率段内，声学压力激励与玻璃中弯曲波的波数更为接近，其激励玻璃振动的效率更高.相比之下湍流压力激励的波数远高于玻璃中弯曲波的波数，其激励玻璃振动的效率最低.由此可知，前侧窗表面的声学压力激励更容易激励玻璃振动，从而向车内辐射噪声，声学压力激励对车内噪声的贡献量更大.

鉴于每个DMD模态具有唯一的频率，因此通过对比具有相同频率的声学压力的DMD模态和湍流压力的DMD模态，可以建立声学压力和湍流压力之间的联系，进而识别声源. 为此，对前侧窗区域水平截面和竖直截面上的声学压力和湍流压力场进行DMD分析，DMD分析参数和对侧窗表面压力激励的分析相同.图13和图14显示了水平和竖直平面内压力DMD模态的对比.由于500 Hz以下声波的波长超出前侧窗玻璃的长度，对玻璃的振动影响比较小，因此这里给出500 Hz以上的DMD模态.两个明显的声源被识别出来.一个位于后视镜基座处，由这一区域的后视镜基座涡的涡对流产生.另一个位于后视镜镜体的下缘，由这一区域的分离涡产生.两个声源位置对应的涡结构见图8. 由此看来由后视镜产生的噪声主导了前侧窗区域的声场，进而主导了侧窗表面的声学压力激励.

图15显示了由麦克风阵列经过波束成形计算识别出来的声源位置.以远场为观测点，轮腔处是主要的声源位置.而前侧窗区域同样存在一个明显的声源，该声源的位置与本文通过DMD识别出的声源位置一致，位于后视镜镜体的下缘，该声源是由于后视镜下缘处的流动分离产生的.而另一个位于后视镜基座处的声源受到后视镜镜体的遮挡，使得麦克风阵列无法准确识别出来.由麦克风阵列识别的声源位置也证实了本文采用的混合的CAA计算方法的有效性.

4   结   论

1）本文采用基于声学扰动量方程组的混合

CAA方法分别获得汽车前侧窗表面的湍流压力激励和声学压力激励.风洞试验结果证实了该计算方法的有效性.

2）引入动力学模态分解的方法分析前侧窗表

面压力激励.结果表明，前侧窗表面的湍流压力激励表现出基于频率的区域分布特征，后视镜主要贡献低频激励，A柱涡贡献高频激励，后视镜基座涡贡献中高频激励.侧窗表面的声学压力激励在整个侧窗表面按一致的形态相对均匀分布，是典型的辐射声场的形态.

3）基于湍流压力激励和声学压力激励的特征

可知，相比于湍流压力激励声学压力激励对车内噪声的贡献量更大，后视镜贡献的低频湍流压力激励同样对车内噪声影响比较大.

4）通过对比相同频率的湍流压力和声学压力

的DMD模态，两个主要的声源被识别出来，一个位于后视镜基座处，由这一区域的后视镜基座涡的涡对流产生. 另一个位于后视镜镜体的下缘，由这一区域的分离涡产生.后者由风洞试验中的麦克风阵列识别出来，证实了计算结果的有效性.

参考文献

[1]    杨振东，谷正气，谢超，等. 汽车天窗开槽扰流器的降噪机理试验研究[J].湖南大学学报（自然科学版），2018，45（2）：26—34.

YANG Z D，GU Z Q，XIE C，et al. Experimental research on noise reduction  mechanism of a groove spoiler in vehicle sunroof[J]. Journal of Hunan University （Natural Sciences），2018，45（2）：26—34.（In Chinese）

[2]    汪怡平，谷正气，杨雪，等. 汽车空调出风管道气动噪声分析与控制[J]. 湖南大学学报（自然科学版），2010，37（3）：24—28.

WANG Y P，GU Z Q，YANG X，et al. Numerical analysis and control of the aerodynamic noise of automotive HVAC duct [J]. Journal of Hunan University （Natural Sciences），2010，37（3）：24—28. （In Chinese）

[3]    SHIOZAKI H，IWANAGA Y，ITO H，et al. Interior noise evaluation of electric vehicle： noise source contribution analysis[C]// SAE 1st International Electric Vehicle Technology Conference. Japan： JSAE，2011：1—4.

[4]    HER J，LIAN M，LEE J. Experimental assessment of wind noise contributors to interior noise[C]// SAE Noise and Vibration Conference and Exposition. United States： SAE，1997：427—438.

[5]    ALAM F，WATKINS S，ZIMMER G. Mean and time-varying flow measurements on the surface of a family of idealized road vehicles [J]. Experimental Thermal and Fluid Science，2003，27（5）： 639—654.

[6]    PENG G. Measurement of exterior surface pressures and interior cabin noise in response to vehicle form changes[C]// SAE 2011 Noise and Vibration Conference and Exhibition. United States： SAE，2011：1—7.

[7]    LAWSON A，SIMS-WILLIAMS D，DOMINY R. Effects of on-road turbulence on vehicle surface pressures in the a-pillar region[J]. SAE Int J Passeng Cars - Mech Syst，2003，1（1）：333—340.

[8]    HARTMANN M，OCKER J，LEMKE T，et al. Wind noise caused by the a-pillar and the side mirror flow of a generic vehicle model[C]// 18th AIAA/CEAS Aeroacoustics Conference （33rd AIAA Aeroacoustics Conference）. Colorado Springs，CO： AIAA，2012：1—26.

[9]    ARGUILLAT B，RICOT D，BAILLY C，et al. Measured wavenumber： frequency spectrum associated with acoustic and aerodynamic wall pressure fluctuations[J]. Journal of the Acoustical Society of America，2010，128（4）：1647—1655.

[10]  GABRIEL C，M？譈LLER S，ULLRICH F，et al. A new kind of sensor array for measuring spatial coherence of surface pressure on a car's side window[J]. Journal of Sound & Vibration，2014，333（3）：901—915.

[11]  DRUAULT P，HEKMATI A，RICOT D. Discrimination of acoustic and turbulent components from aeroacoustic wall pressure field[J]. Journal of Sound & Vibration，2013，332（26）：7257—7278.

[12]  LECOQ D，P？魪ZERAT C，THOMAS J H，et al. Extraction of the acoustic component of a turbulent flow exciting a plate by inverting the vibration problem[J]. Journal of Sound & Vibration，2014，333（12）：2505—2519.

[13]  DEBERT S，PACHEBAT M，VALEAU V，et al. Ensemble-Empirical-Mode-Decomposition method for instantaneous spatial-multi-scale decomposition of wall-pressure fluctuations under a turbulent flow[J]. Experiments in Fluids，2011，50（2）：339—350.

[14]  CORCOS G M. Resolution of pressure in turbulence[J]. J Acoust Soc Am，1963，35（35）：192—199.

[15]  HEKMATI A，RICOT D，DRUAULT P. Vibroacoustic behavior of a plate excited by synthesized aeroacoustic pressure fields[C]// 16th AIAA/CEAS Aeroacoustics Conference. Stockholm，Sweden：A—IAA，2013：1—11.

[16]  BLANCHET D，GOLOTA A，ZERBIB N，et al. Wind noise source characterization and how it can be used to predict vehicle interior noise[C]// 8th International Styrian Noise，Vibration & Harshness Congress： The European Automotive Noise Conference. United States： SAE，2014：1—16.

[17]  BREMNER P，WILBY J. Aero-vibro-acoustics： problem statement and methods for simulation-based design solution[C]// 8th AIAA/CEAS Aeroacoustics Conference & Exhibit. Breckenridge，Colorado： AIAA，2013：1—11.

[18]  CHU B，KOV？魣SZNAY L. Non-linear interactions in a viscous heat-conducting compressible gas[J]. Journal of Fluid Mechanics，2006，3（5）：494—514.

[19]  EWER T R，SCHR？魻DER W. Acoustic perturbation equations based on flow decomposition via source filtering[J]. Journal of Computational Physics，2003，188（2）：365—398.

[20]  LIGHTHILL M J. On sound generated aerodynamically I. General theory[J]. Proceedings of the Royal Society of London，Series A， Mathematical and Physical Sciences，1952，211（1107）：564—587.

[21]  CAMPOS L M B C. On 36 forms of the acoustic wave equation in potential flows and inhomogeneous media[J]. Advances in Mechanics，2009，60（4）：149—171.

[22]  SHUR M L，SPALART P R，STRELETS M K，et al. A hybrid RANS-LES approach with delayed-DES and wall-modelled LES capabilities[J]. International Journal of Heat & Fluid Flow，2008，29（6）：1638—1649.

[23]  CARO S，MENDONCA F G，COTONI V，et al. Predicting the noise transmission through a structure loaded with a low mach number turbulent flow[C]// 20th AIAA/CEAS Aeroacoustics Conference. Atlanta，GA： AIAA，2013：1—10.

[24]  KIERKEGAARD A，WEST A，CARO S. HVAC noise simulations using direct and hybrid methods[C]// 22nd AIAA/CEAS Aeroacoustics Conference. Lyon，France： AIAA，2015：1—9.

[25]  SCHELL A，COTONI V. Prediction of interior noise in a sedan due to exterior flow[J]. SAE Int J Passeng Cars - Mech Syst，2015，8（3）：1090—1096.

[26]  SCHELL A，COTONI V. Flow induced interior noise prediction of a passenger car[J]. SAE Int J Passeng Cars - Mech Syst，2016，9（3）：1053—1062.

[27]  ASHTON N，WEST A，LARDEAU S，et al. Assessment of RANS and DES methods for realistic automotive models[J]. Computers & Fluids，2016，128：1—15.

[28]  GRESCHNER B，THIELE F，JACOB M C，et al. Prediction of sound generated by a rod-airfoil configuration using EASM DES and the generalized Lighthill/FW-H analogy[J]. Computers & Fluids，2009，37（4）：402—413.

[29]  ROWLEY C，MEZIC I，BAGHERI S，et al. Spectral analysis of nonlinear flows[J]. Journal of Fluid Mechanics，2009，641：115—127.

[30]  SCHMID P J. Dynamic mode decomposition of numerical and experimental data[J]. Journal of Fluid Mechanics，2010，656（10）：5—28.

[31]  JOVANOVIC M，SCHMID P. Sparsity-promoting dynamic mode decomposition[J]. Physics of Fluids，2014，26（2）：561—571.

[32]  JEONG J，HUSSAIN F. On the identification of a vortex[J]. Journal of Fluid Mechanics，1995，285：69—94.

[33]  BLAKE W K. Mechanics of flow-induced sound and vibration[M]. New York： Academic Press，1986.

[34]  MECHEL F P. Formulars of acoustics[M]. 2nd ed. Berlin： Springer，2008：526.