一种有效设计密封件以改善风噪声性能的计算过程

摘要

在设计过程的早期，通过评估密封结构产生内部噪音的能力对汽车制造商来说是非常重要的。当密封设计不充分时，产生的内部噪声会使车辆的风噪声性能不被接受。使用传统的实验过程设计密封件是具有挑战性的，因为在计划密封件时，不知道低噪声源的位置和强度。在模具确定后改变密封件对制造商来说是昂贵的。因此，在设计过程的早期，人们需要使用可靠的计算能力来预测通过密封传输的内部噪声。

目前的研究提出了一种计算方法可用于预测通过密封件传输的内部噪声。该计算方法采用基于晶格玻尔兹曼方法（LBM）的计算流体动力学（CFD）求解器来预测瞬态流场和外部噪声源。使用统计能量分析（SEA）求解器通过玻璃面板和密封件将这些声源的噪声传输到机舱。实验通过玻璃面板、窗密封和门密封传递的噪声进行了量化，允许验证计算预测。通过详细的流量分析，深入了解密封件和玻璃面板上的噪声源和外部负荷。该计算过程可以在车辆开发过程的早期用于设计有效的密封件，以改善风噪声性能。

介绍

实现低水平的风噪对汽车制造商来说很重要，特别是对高端汽车行业的制造商。虽然通过车身底部面板传播的风噪是造成舱内噪音的主要原因，但如果不仔细处理这些噪音路径，通过门窗密封系统的噪音路径可能会成为主导地位。因此，实现正确预测风噪水平的一个重要方面是通过车辆内密封件的适当设计。实验测试不同密封方案的空气声学性能，通常包括原型设计，原型密封的制造和昂贵的风洞实验。原型测试相对较晚的性质可能导致后期的设计变更和重新制造费用。为了降低成本和开发时间，我们希望在车辆开发过程的早期阶段使用仿真技术来评估性能。模拟汽车内部噪音，预测客户在路上行驶时将体验到的噪音。通过结合计算流体动力学（CFD）预测外部压力，结合统计能量分析（SEA）模型预测传播到乘员耳朵的噪音。实验验证是在空气风洞中获得的，采用门和玻璃密封，以减弱密封对内部噪声的贡献。为了满足现代产品开发过程的时间要求，需要一个密封传输的简化表示。选择的方法是用声音传输损失的频谱（TL）来描述密封噪声传输，这种方法允许有限元方法的模拟精度，也可以很好地适应以前研究中描述的玻璃面板的SEA建模方法。本文详细描述了在风洞中测试的SUV车辆的细节，并且描述了相应的流体（CFD）和结构声学（SEA）模拟过程，对使用不同车辆配置的结果进行了比较。

实验研究法

气动风洞

由捷豹路虎（JLR）生产的路虎运动版在德国斯图加特的FKFS全尺寸风洞中进行了实验测试。该车辆安装在该设施中的照片如图1所示。

图1  风洞测试设施密封线被粘在外部，以减少来自非模拟区域的噪音。车辆进行测试时，所有的玻璃面板的内部覆盖了隔音面板，以减弱面板传输，增加传输路径的信噪比。所有的胶带和支撑都在内部。通过应用与以往研究中相同的窗口贡献方法，详细研究了左前门的贡献。这涉及交替阻塞和疏通门密封线、侧玻璃和玻璃密封，以便评估不同的贡献。在密封件的内部应用了模型粘土，以进一步减弱声学传输。图2显示了定制的左前侧玻璃绝缘安装与腻子阻塞玻璃密封变速器。此配置用于突出门密封的贡献。请注意，此车辆设计在整个车门周围的边缘密封。

图2  左正面玻璃保温细节与玻璃密封腻子

一个双耳头被放置在左前座位置，记录每个耳朵位置的内部噪音。本文评估了流速和偏航角的范围，本文给出了130km/h，0度偏航情况下的结果。图3显示了在门密封系统内部侧应用的面板绝缘、双耳头和堵塞腻子。在这种配置中，交替去除侧玻璃绝缘或玻璃密封腻子，以强调这些噪声源和路径。当密封路径被堵塞时，外部密封线也被胶带密封，如图1所示。

图3   用双耳头和门密封腻子处理内部

为了与模拟的SEA声学模型进行比较，在频谱中对左右耳麦克风的平均方波动压力进行平均。

密封传输实验

在JLR半无回声声学测试设施中进行了测试，以估计密封传输系数。麦克风放置在外部密封位置附近表面。这些麦克风与密封线的距离被记录下来，平均为25毫米。在每个密封段周围的半圆柱形虚拟表面上集成辐射声强，以估算辐射声功率Wr。密封系统内部的入射声强度是由点声源引起的SEA混响压力估计的，并辅以从该点源到密封段中心的直接场计算。使用CFD模型中每个密封段的外部流体面积作为参考，估计入射声功率Wi，每个频段中每个密封段的分贝传输损失计算为：

数值方法

通过图4所示的过程，对车辆内部的风噪声进行了仿真。瞬态、可压缩的CFD代码模拟车辆外部面板和密封表面的波动压力负荷。在频域对这些瞬态压力进行了分析，以开发结构声学车辆模型的载荷。对于模型中的每个主动面板，计算了结构和声学负荷，作为车辆模型面板的振动和内部机舱噪声提供输入。在这个模型中，密封作为附加面板，与TL光谱实验指定的机舱声学耦合。

图4  室内风噪声的仿真过程

外部流量

采用PowerFLOW计算非定常流以及相应的流诱导噪声的产生和在车辆表面的传播。基于晶格的方法是显式的、瞬态的和可压缩的。LBM的基本思想是跟踪流体粒子的平流和碰撞。由于具有代表性的流体体积中粒子的平均数量大大超过了单独跟踪它们所需的计算能力，这些粒子被分组为指数为i的整数离散方向。计算遵循粒子分布函数fi，它表示每单位体积的粒子数，也称为体素，在一个特定的时间和位置随速度ci移动。就像在统计物理学中一样，流动变量，如密度和速度，是通过在粒子分布函数的离散方向集合上取适当的矩（和）来确定的。该LBM求解器在汽车风噪声应用中得到了广泛的应用和验证。

噪声传播

统计能量分析（SEA）是一种模拟中高频动态的方法框架，它考虑了模式群的统计集合和它们之间的动态能量交换。湍流激发结构用湍流壁压力波动来描述，在每个面板上提供一个随机分布的力。湍流也会辐射声场，即使是在作用于刚性结构或自由剪切层上。在高速公路速度下，这个声场大约是湍流波动的速度的10倍，比湍流更有效地与典型的结构波长耦合。因此，在激发公式中，利用低通波数滤波器将外部声场与湍流分离。前侧玻璃被建模为一个层压的SEA面板，并连接到声学子系统。密封段被创建为特殊的传输损失面板，并耦合到适当的内部子系统。图5显示了密封件管段的布局。这些划分是基于流动结构引起的激励变化，以及密封部分或密封数量的潜在变化。

图5   门密封（Dn）和玻璃密封（Gn）分段

客舱声学建模

在后分析软件PowerACOUSTICS中实现该方法，该SUV的内部体积被划分为20个SEA声学子系统，以模拟内部声压级（SPL）的梯度。对于左右两侧，有上、中、下声学子系统，以及挡风玻璃仪表板上方的空间。选择麦克风位置以匹配驾驶员头部位置。

结果

风噪声计算过程的总体目标是设计出更好、更安静的产品。这首先是识别外部设计的特征，可以修改以减少内部风噪声。为了对重要的外部特征进行优先排序，首先使用内部噪声模型来定位超过目标的频率范围和在这些频率范围内有贡献的频率范围。对于在零偏航下运行的车辆，在2kHz处的最高贡献密封区域是前侧玻璃密封G1和G2。对于本技术论文的逻辑进展，将首先给出外部噪声模拟的结果，然后将内部噪声模拟与实验数据进行比较。

外部来源

在左前门区域模拟的瞬态湍流如图6所示，显示了涡旋核的快照，用涡旋度的大小着色。从前轮和轮井、罩流涡、镜面尾流和A柱涡中可以识别出主要的分离流区。

图6   流动快照中的瞬态湍流涡旋，表示涡度大小（红色为高涡度）

我们选择了2kHz波段进行检查，作为来自前侧玻璃上的玻璃密封件产生内部噪音的一个重要贡献者。虽然湍流是面板外部压力波动的很大因素，但由于声场中波长和玻璃的弯曲模式的空间耦合，声路径在较高的频率下通常占主导地位。在这里使用的简化TL传输模型中，密封件的贡献仅来自声源。集中声负荷的位置由图7所示的声功率谱的热点表示。该结果是通过应用声波数（空间）滤波器从面板和密封上的瞬态波动压力计算出来的，然后对每个外表面测量元件（surfel）进行功率谱计算。

图7   声波数过滤压力，2kHz波段，30dB比例从红色到蓝色

虽然侧镜后面的区域的声负荷通常很高，但不清楚是哪个几何形状在玻璃密封上产生了这些热点。当声源可以突出时，表面声载荷的原因会更加明显。在图8中，由流体中的声学功率密度计算了2kHz的波段。这种显示体积区域内的源的可视化技术已经被非常有效地跟踪面板热点产生的噪声。在这款SUV中，流动后面的镜子基座和三角形面板显然是声源。相比之下，镜子尾流中的噪声源和来自A柱后涡流的噪声源离这个热点更远，因此不太可能是原因。

图8   空气中的流动诱导噪声源（铬色），声波数过滤表面压力，所有在2kHz波段

内部噪声验证

使用从315Hz到8kHz的内部噪声谱提出了三种配置：

1、只有侧边玻璃；

2、门的密封件和侧边玻璃；

3、玻璃密封、门密封和侧玻璃。

所有内部SPL结果绘制在40dB范围内，在图中每个划分为5dB。侧玻璃内部噪声的实验配置如图3所示，如图2所示的玻璃面板阻塞器被拆除，所有密封线都粘在外部。在模拟结果的情况下，玻璃的贡献是在没有其他面板或密封件载荷的情况下计算的。相关性在1000Hz以上表现良好。

图9  内部驾驶员头部声压级，A加权，仅侧玻璃

通过去除门密封带和腻子，实现了门密封加侧玻璃配置，如图10所示。在图11中，只绘制了门密封加上侧玻璃和仅加侧玻璃之间的分贝差异，显示了来自门密封的额外分贝贡献的频谱。这些是在1-3dB范围内，在1250Hz以下的频段。有一种模拟过度预测这些贡献的趋势，被认为是由于基线实验中未模拟的贡献，在这种情况下，图9中只有侧玻璃的SPL。

图10  内部驾驶员头声压级，A加权，侧玻璃和门密封

图11  门密封的分贝贡献谱；侧玻璃和门密封的内部驾驶员头声压级减去仅侧玻璃的声压级 

图12  内部驾驶员头声压级，A加权，侧玻璃，门密封和玻璃密封

图12显示了侧玻璃、门密封和玻璃密封的内部SPL光谱，图13显示了超过基线（仅限侧玻璃）的分贝贡献，即门和玻璃密封的额外组合贡献。

图13  玻璃密封和门密封的分贝贡献光谱；内部驾驶员头部三八度声压级减去侧玻璃的声压级

玻璃密封的贡献有明显的频率趋势，在2kHz左右上升到峰值，然后再次下降和上升。这是由于4-5kHz左右的侧玻璃重合引起的（见图9）。玻璃密封模拟的最差相关性发生在2500Hz。原因是在G2腰部密封的“下降”。虽然对实验数据质量进行了审查，发现这是可以接受的，但观察到不同玻璃密封段的TL之间的散射相当高。这可能表明，在进行TL计算之前，在点对点测量中增加平均量是可取的。

对玻璃密封传输损耗的灵敏度

利用SEA模型中实验玻璃密封TL谱的平均值，模拟SPL谱变化为图14所示和图15所示的delta dB贡献。在2500 Hz时的最大误差已减少到仅3.3 dB，但在低频段和高频段的精度有所下降。在实践中，预计在源位置、多个车辆和频带的增加上，需要进一步平均密封TL。

图14  内部驾驶员头声压级、A加权、侧玻璃、门密封和玻璃密封（平均TL)

图15  玻璃密封（平均TL)和门密封的分贝贡献谱；内部驾驶员头声压级减去侧玻璃的声压级

总结

汽车产品开发过程面临的挑战很多。精确的风噪声可以在测试之前节省时间和成本。由于内部风噪声通常由动态密封所主导，因此在设计过程中，需要尽早使用可靠的计算能力来预测通过密封传输的内部噪声。本文描述了一种计算过程，可用于预测在设计过程的早期通过密封传递的内部噪声。该过程采用了基于晶格玻尔兹曼方法（LBM）的计算流体动力学（CFD）求解器来预测瞬态气流和外部噪声源。使用统计能量分析（SEA）求解器通过玻璃面板和密封将这些源的噪声传输到机舱。通过车载声传递函数测试，对密封件的噪声传递性能进行了特征分析。在空气声学风洞中进行了实验，以量化通过玻璃板、门密封和玻璃密封传递的噪声，从而验证计算预测。未来的改进将致力于加强门和玻璃密封的密封传输损失光谱数据库，并可能将该过程扩展到后提升门密封。通过密封对车辆声传递函数进行空间采样和平均，有望提高精度。