OTPA方法的纯电动汽车车内噪声源识别分析

陈 克，徐蒋明

(沈阳理工大学 汽车与交通学院，沈阳110159)

与传统燃油车相比，电动汽车中发动机与燃油箱的去除、电机与电池的加入，改变了车辆的传统结构构架。对电动汽车而言，没有了传统内燃机噪声的掩蔽效应，电动车动力总成系统中电机与变速器的振动与噪声变得较为突出[1]，准确识别出车内噪声的来源尤为重要。噪声识别的方法有测试试验类和数值计算类。文献[2-5]通过频谱分析法、偏相干分析法、阶次分析法、声全息方法对车内噪声源进行了识别，这些方法为测试试验类方法，其优点是可直接得到试验数据，从数据中可直观看出研究对象的噪声与振动的大小和特点，其缺点在于没有办法分析出车内噪声源的传递特性。文献[6-8]通过卷积神经网络算法、统计能量分析方法、边界元法对车内噪声源识别定位，这些方法属于数值计算类，其优点在于通过数值计算仿真，可更好地预测和分析研究对象的振动噪声特点，对于存在问题的结构提出了改进方案，其缺点在于设定的边界条件和模型有限，无法准确分析研究对象结构的实际特征。综上所述，测试试验类和数值计算类的识别方法都存在不足。Verheij J W[9]提出一种传递路径方法(Transfer Path Analysis，TPA)，此方法综合了测试试验和数值计算的车内噪声研究方法，能很好地分析研究对象结构的实际特征和车内噪声的传递特性。经过不断发展，从TPA中衍生出扩展工况传递路径分析(Operational-XtransferPath Analysis，OPAX)和工况传递路径分析(Operational Transfer Path Analysis，OTPA)等方法。陈克等[10]运用OPAX方法，对某SUV车内噪声问题进行研究，获得动力总成振动对车内噪声的传递路径贡献量。OTPA方法与传统传递路径方法相比无需拆卸被测物，无需通过测量的方法计算传递函数，大大提高了方法的精度，所以本文选择OTPA方法研究电动汽车车内噪声。

以某电动汽车为研究对象，结合OTPA方法和车内噪声产生机理，建立以电机和减速器为输入响应，驾驶员右耳侧为目标点的OTPA模型。在汽车0～80km/h急加速状态下采集工况数据；为减少路径间的串扰影响，利用奇异值分解方法对工况数据进行处理，得出各路径的传递函数。通过对比模型计算的合成响应和试验得到的实测响应，验证模型的准确性；通过纯电动汽车车内噪声源贡献量分析，识别出影响峰值频率点的车内噪声较大的因素。

1 OTPA基本原理

传统传递路径方法中，传递函数需要将被测物拆卸后单独进行测试，OTPA 方法只需测试工况下激励点处被动侧响应和目标点响应，传递率矩阵通过正常工况下一次试验得到，且所有输入是同时的，不需要进行单独的传递函数测试。OTPA 理论可表示为

B=A×Q

(1)

式中：B为目标点响应；A为激励点被动侧输入；Q为传递率矩阵。即

(2)

式中：ω为频域；m为响应点数量；n为激励点数量；Qnm表示第n个输入到第m个输出的传递率函数，通过工况测试数据估算得到，其公式为

Q=(ATA)-1ATB=Gaa-1Gab

(3)

式中：Gaa为输入响应的自功率谱矩阵；Gab为输入和输出的互功率谱矩阵。

OTPA方法为减少路径间的串扰等影响，采用奇异值分解方法对输入信号进行优化，输入矩阵可表示为

A=C∑VT

(4)

式中：C、V为酉矩阵；∑为对角矩阵。

在对输入信号矩阵A的奇异值分解时，较小的奇异值可视为串扰信号并将其舍弃，对应奇异值置零，从而提高传递率矩阵的准确度。

由式(3)和式(4)可知，Q矩阵的奇异分解可表达路径传递函数矩阵为

(5)

通过式(5)和式(1)可知，OTPA合成输出响应为

(6)

各路径贡献量为

(7)

2 构建OTPA模型及实验方案

2.1 构建OTPA模型

动力总成是纯电动汽车的动力来源，由电机和减速器组成。动力总成的振动和噪声是影响车内噪声的重要因素。电机振动与噪声主要由电磁源产生，电磁源的振动与噪声的产生主要是因为麦克斯韦尔力使定子产生振动，然后激励电机结构周围的空气产生噪声，辐射到环境中。齿轮箱体弹性系统在动态激励载荷作用下会使减速器产生噪声和振动。电机与减速器的振动和噪声一般通过两个途径传入车内：一是通过结构路径，经悬置传入车内；二是通过空气路径，辐射到驾驶室。

本文选择在汽车急加速状态下采集数据。根据车内噪声产生机理，决定采集左悬置、右悬置及后悬置被动侧的振动加速度信号和电机与减速器的声压信号作为激励点处的输入响应，驾驶员右耳侧为目标点，共9条结构路径和2条空气路径，构建的车内噪声OTPA模型如图1所示。

图1 OTPA模型

2.2 试验方案设计

根据所构建的OTPA模型，工况数据采集时激励点和目标点的传感器具体安装位置如图2所示。测点1～3位置安装的是美国PCB公司生产的三向加速度传感器；测点4～6位置安装的是丹麦GRAS公司生产的传声器。

图2 传感器布置示意图

试验设置为急加速工况下，首先进行参数设置，带宽为12800Hz，分辨率1.5625Hz，谱线数为8192。采集数据前应对其进行量程设置，以确保采集数据的准确性。对采集的被测车辆工况数据进行初步筛选，选取两组原始工况数据，第一组用于计算路径传递率，第二组用于计算路径贡献量和验证本文构造的OTPA模型质量。

2.3 OTPA模型验证

由于工况测量时输入信号间存在串扰和耦合等不良因素，因此对得到的数据进行奇异值分解处理。根据OTPA模型，计算得到拟合的车内噪声声压输出信号，并将其与实测信号做对比，结果如图3所示。

由图3可知，车内噪声实测响应与合成响应趋势基本一致，吻合性较好；曲线拟合效果较好，验证了OTPA模型的准确性。

图3 车内噪声的实测响应与合成响应对比

3 OTPA结果分析

3.1 各激励位置总声压级贡献分析

根据上述OTPA模型，计算得到急加速工况下0～12800Hz全频段车内噪声的A计权总声压级贡献，如图4所示。

图4 各输入路径对车内噪声贡献量

由图4可知，11条路径中，电机贡献量最大，右悬置X方向、减速器和后悬置Z方向的贡献量普遍较高，是需要改进和优化的方向。

3.2 峰值频率点分析

从图3可以看出，在0～12800Hz全频段声压级峰值是递减的趋势；图5为车内噪声合成信号A计权声压级，其中在249Hz时声压级出现最大峰值。

图5 车内噪声合成信号A计权声压级

图6为最大峰值频率点249Hz处空气路径和结构路径贡献量对比图。

图6 249Hz处空气路径和结构路径贡献量图

由图6可知，在最大峰值频率点249Hz处，结构路径的贡献量为36.63dB，空气路径的贡献量为34.48dB。图7为结构和空气路径中各路径的贡献量图。

图7 结构和空气路径中各路径的贡献量图

由图7a可知，贡献量较大的结构路径依次是后悬置Z方向26.1dB(A)，左悬置Z方向25.5dB(A)，左悬置X方向为23.68dB(A)。由图7b可知，空气路径的贡献量为电机29.1dB(A)，减速器26.82dB(A)。由于只从贡献量的大小无法判断249Hz处声压值较高的原因，故需进一步分析各路径的输入激励和传递函数。

3.3 主要路径的输入激励与传递函数分析

图8为结构路径和空气路径中主要路径的输入激励频谱图。

图8 主要路径的输入激励频谱图

由图8a可知，在249Hz处结构路径中，输入激励排序为：第一是左悬置X方向为4.32×10-3g，第二是左悬置Z方向4.07×10-3g，第三是后悬置Z方向为2.88×10-3g。由图8b可知，空气路径中输入激励为减速器42.17dB(A)，电机40.98dB(A)。图9为结构路径和空气路径主要路径传递函数曲线图。

图9 主要路径传递函数曲线图

由图9a可知，在249Hz处结构路径传递函数从大到小分别是：后悬置Z为1.37Pa/g，左悬置Z方向0.89Pa/g，左悬置X方向为0.71Pa/g。由图9b空气路径中传递函数电机为0.27m3/s2，减速器为0.17m3/s2。

综合图8和图9分析，结构路径中左悬置X方向贡献量较大的原因是动力总成输入激励较大导致的，左悬置Z方向贡献量较大是由于动力总成输入激励较大导致的，后悬置Z方向贡献量较大是传递函数较大导致的。空气路径中电机的贡献量大于减速器的贡献量，是因为电机的传递函数大于减速器。

4 结论

运用奇异值分解技术的OTPA方法对某型纯电动汽车的车内噪声进行研究，建立了以驾驶员右耳为目标点，9条结构路径和2条空气路径的OTPA模型，得到如下结论。

(1)通过对比车内噪声目标点声压信号的实测响应和合成响应，发现吻合性较好，OTPA模型合理性得到验证。

(2)通过采用奇异值分解对输入激励实测信号进行处理，降低了测量噪声对输入信号的串扰影响，得出了各路径传递率和路径贡献量。

(3)通过车内噪声频谱图，找到车内噪声声压级最大峰值频率为249Hz，在此频率下利用贡献量、输入激励和传递函数对比，识别出结构路径中，动力总成的振动激励主要通过左悬置X方向和左悬置Z方向传到车内，后悬置Z方向由于传递函数较大，导致此路径贡献量大。空气路径中电机和减速器噪声通过空气传入车内，电机的贡献量大。