一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

提高SEA模型PBNR計算精度的方法及策略

ESI集團 ? 來源:是德科技CAE ? 2025-06-30 09:30 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

引言

在汽車 NVH 工程領(lǐng)域, PBNR(Power Based Noise Reduction)分析是整車高頻噪聲舒適性開發(fā)中常用的方法,相比于傳統(tǒng)的隔聲量NR分析方法,PBNR分析中考慮了被動降噪方案即聲學包對整車噪聲傳遞的影響,同時克服了NR方法中由于聲源特性、聲源處麥克風安裝位置等因素給測試帶來的不利影響,PBNR已廣泛用應用于整車SEA模型對標及聲學包目標的設定及分解工作中,故而在數(shù)字開發(fā)階段,提高整車SEA 模型的PBNR計算精度尤為重要。

文章將闡述PBNR的測試及仿真計算原理,并從整車SEA建模的角度詳細介紹通過諸如提高過孔件隔聲量計算精度、子系統(tǒng)剛度修正等多種方法提高整車SEA模型 PBNR分析精度的方法和策略。

01PBNR仿真及測試方法

PBNR定義為點聲源在自由場的聲功率與響應點聲壓自功率譜的比,表示基于聲源聲功率能量的衰減值,是描述空氣噪聲傳遞特性的參數(shù),一般無法通過試驗直接測試得到,其表達式為:

c4e336f0-5179-11f0-b715-92fbcf53809c.png

其中,

c4f4b452-5179-11f0-b715-92fbcf53809c.png

是自由場中點聲源的聲功率

PBNR的dB值定義為實際測試值與參考值的比,實際包含了功率比與幅值之比,主要用于衡量聲音的強度。根據(jù)聲功率級和聲壓級的定義,將PBNR的聲壓信號轉(zhuǎn)化為聲壓級信號,PBNR的表達式可寫作:

c518c996-5179-11f0-b715-92fbcf53809c.png

利用VA One進行PBNR仿真時,通常在噪聲源位置加載單位聲功率載荷激勵,即1W的聲功率激勵,將該點聲源的聲功率轉(zhuǎn)化為聲功率級時,該值為120dB。以左前輪包空氣噪聲PBNR計算為例,在前輪包位置加載單位聲載荷功率并進行計算獲得駕駛員頭部聲腔的聲壓級響應后,用三分之一倍頻程中心頻率點的激勵及響應做差即可得到PBNR仿真值,整車PBNR分析模型及計算結(jié)果如下圖1所示:

c526fdfe-5179-11f0-b715-92fbcf53809c.png

圖1 整車PBNR仿真分析

試驗測試時,通常在聲源位置加載體積加速度激勵,同時在車內(nèi)響應點位置布置麥克風(同一個點布置多個麥克風求平均)進行測試,但考慮到實際測試時的便利性及結(jié)合互易性原則,通常將麥克風和體積聲源的位置互換,即體積聲源布置在車內(nèi),麥克風布置在車外進行測量。在自由場環(huán)境下,體積加速度聲源聲功率表達式為:

c54d5cb0-5179-11f0-b715-92fbcf53809c.png

其中,

c55ff1cc-5179-11f0-b715-92fbcf53809c.png

表示空氣密度

c5757286-5179-11f0-b715-92fbcf53809c.png

c58996da-5179-11f0-b715-92fbcf53809c.png

的共軛,

該點積表示體積加速度的自功率譜

c59cbb7a-5179-11f0-b715-92fbcf53809c.png

表示聲速

將體積加速度的功率表達式代入PBNR的計算公式中,可以得到以下表達式:

c5ae502e-5179-11f0-b715-92fbcf53809c.png

如果認為空氣密度為1.2kg/m3,聲速為344m/s,點聲源體積加速度為1m3/s2,參考聲壓為2e-5Pa,則PBNR的表達式為:

c5bb09b8-5179-11f0-b715-92fbcf53809c.png

其中,

c5c62b2c-5179-11f0-b715-92fbcf53809c.png

表示在聲源單位體積加速度下響應

位置的聲壓級。

關(guān)于PBNR的理論定義及測試方法可參考論文:

《Power-Based Noise Reduction Concept and Measurement Techniques》。

基于上述PBNR 原理,利用多通道測試設備對開發(fā)車型或競品車進行測試,并對測試結(jié)果進行數(shù)據(jù)處理后即可得到各聲源到響應位置的PBNR分析曲線。

02提高SEA模型PBNR計算精度的方法及策略

整車高頻噪聲性能開發(fā)中,PBNR仿真的準確性是整車SPL仿真分析及聲學包正向開發(fā)的前提,因而首先要保證整車PBNR分析滿足工程分析的要求。對于NVH仿真分析工程師,PBNR的分析涉及到對SEA理論的理解、PBNR試驗測試方法以及VA One軟件對SEA 模型的建模及分析邏輯的理解等,本文將從以下多個角度闡述提高PBNR分析精度的方法。

2.1子系統(tǒng)劃分

基于SEA方法分析整車模型時,子系統(tǒng)的劃分是影響SEA 模型準確性的關(guān)鍵因素之一,SEA理論要求子系統(tǒng)在分析頻帶內(nèi)的模態(tài)數(shù)≥5才能保證SEA模型分析的精度,實際工程應用時一般認為≥3即可。

子系統(tǒng)在分析帶寬內(nèi)的模態(tài)數(shù)越少,說明子系統(tǒng)在該頻帶內(nèi)表現(xiàn)出的依然是整體模態(tài)的特性或結(jié)構(gòu)內(nèi)的彎曲波依然是較長波的形態(tài),而SEA主要適用于分析短波或結(jié)構(gòu)已經(jīng)呈現(xiàn)局部模態(tài)的情況,因而在SEA建模時要嚴格遵循該原則才能保證SEA模型的精度。

根據(jù)模態(tài)密度的定義及計算方法,子系統(tǒng)的模態(tài)密度與其表面積成正比,簡而言之,在子系統(tǒng)材料及厚度屬性確定的情況下,結(jié)構(gòu)子系統(tǒng)劃分的越“大”,在分析頻帶內(nèi)的模態(tài)數(shù)就越高,就越容易滿足SEA分析的要求,故而在SEA建模時,建議結(jié)構(gòu)子系統(tǒng)的劃分越“大”越好。如車門內(nèi)板鈑金結(jié)構(gòu),除過孔處一般將其劃分一個子系統(tǒng)即可,而不建議劃分為多個內(nèi)板子系統(tǒng),下圖2左圖是子系統(tǒng)錯誤劃分示意,右側(cè)是建議的結(jié)構(gòu)子系統(tǒng)劃分示意。

c5d47c40-5179-11f0-b715-92fbcf53809c.png

圖2 結(jié)構(gòu)子系統(tǒng)劃分

2.2聲學包

PBNR試驗或仿真中考慮了系統(tǒng)聲學包對測試結(jié)果的影響,故而在基于SEA模型進行PBNR分析中,聲學包模型的準確性是影響其精度的重要因素。關(guān)于聲學包的建模,VA One提供了Treatment Lay -up/User Defined Treatment /MNCT等多種方式供用戶選擇,如下圖3所示。

在已獲得吸聲材料吸聲系數(shù)曲線的情況下,可利用 ESI Foam-X工具提取聲學材料的Biot參數(shù)。對于各類型的開孔吸聲材料,F(xiàn)oam-X提供了逆推法和間接法表征其材料參數(shù),包括等效流體表征、多孔彈性材料表征等,可支持按STM1050或ISO 10534-2D等標準的阻抗管測試結(jié)果。在Foam-X中根據(jù)聲學材料類型選擇對應的表征方法后即可獲得聲學Biot參數(shù),之后即可在VA One中建立準確的聲學包。

c5ea3a1c-5179-11f0-b715-92fbcf53809c.png

圖3 VA One聲學包建模方法

c5ff3084-5179-11f0-b715-92fbcf53809c.png

圖4 Foam-X GUI

圖5 Foam-X及NOVA 工具

特別說明

Biot參數(shù)的準確性與樣件的完整性、切割方式、被測樣件數(shù)量等密切相關(guān)。對聲學材料進行測試時,要求樣件的直徑在1%的管徑范圍內(nèi),一般認為當被測樣件的直徑大于阻抗管徑的1%時,樣件受到徑向壓縮,這種行為會改變材料的聲學特性,最終導致Foam-X表征出錯誤的Biot參數(shù)。對于同一種材料,一般推薦制作4-6種不同厚度的樣件進行測試并導入Foam-X中進行表征。

c63dc1d2-5179-11f0-b715-92fbcf53809c.png

圖6 聲學材料樣件

對于整車噪聲分析,從發(fā)動機艙到駕駛員頭部聲腔的PBNR仿真結(jié)果是設計防火墻聲學包的重要依據(jù),該聲學包也是隔絕動力總成輻射噪聲向駕乘艙傳遞的重要降噪措施,下圖7為某車型發(fā)動機艙到駕駛員頭部聲腔PBNR仿真結(jié)果,準確模擬汽車防火墻聲學包是保證該PBNR符合實際的前提。

c6972fb0-5179-11f0-b715-92fbcf53809c.png

圖7 發(fā)動機艙到駕駛員頭部聲腔的PBNR仿真值

通常防火墻聲學包為變厚度設計方案,如常見的EVA+Foam組合方案中,F(xiàn)oam材料通常為變厚度的形式,可利用VA One Trim Modeler模塊進行變厚度聲學包的設計,設計流程如下圖8所示。

c6a97cce-5179-11f0-b715-92fbcf53809c.png

圖8 Trim Modeler分析流程

Trim Modeler模塊可根據(jù)變厚度聲學包的master/slave face自動計算厚度分布,同時為了更準確地獲取厚度分布,建議防火墻SEA結(jié)構(gòu)子系統(tǒng)自身的建模也要較為詳細,不能簡單的利用其邊界上的幾個節(jié)點生成對應的SEA子系統(tǒng)。最終基于Trim Modeler建立的聲學包會以MNCT方式自動賦予相應 的SEA子系統(tǒng),計算完成后,VA One也可支持厚度分布云圖的查看。

2.3穿孔件隔聲性能修正

汽車各結(jié)構(gòu)件安裝孔以及工藝孔等是空氣噪聲泄露的關(guān)鍵路徑,孔洞密封不嚴會大大降低車內(nèi)噪聲舒適性。汽車防火墻上設計有大量的穿孔,如各類線束穿孔、制動控制器安裝孔、轉(zhuǎn)向柱穿孔等,如下圖9所示,用于密封這些孔洞的穿孔件是防止動力總成輻射噪聲進入車內(nèi)的關(guān)鍵零部件。在 SEA PBNR仿真分析中,準確模擬各類穿孔件(Grommet)的隔聲性能并更新在SEA模型中,有助于提高整車SEA模型的仿真精度。

c6d34630-5179-11f0-b715-92fbcf53809c.png

圖9 孔洞密封件

可基于VA One Hybrid FE-SEA Solver計算該類密封件的隔聲性能。Hybrid FE-SEA是目前NVH CAE分析中唯一適用于中頻段系統(tǒng)受結(jié)構(gòu)及空氣噪聲共同激勵時系統(tǒng)的聲振響應分析方法。Hybrid FE-SEA基本理念是把系統(tǒng)分為“確定性系統(tǒng)”(Deterministic system)和“統(tǒng)計系統(tǒng)”(Statistical system),其中“統(tǒng)計系統(tǒng)”是“不確定性系統(tǒng)”;根據(jù)“不確定系統(tǒng)中”傳播的聲波是否已經(jīng)反射,將不確定系統(tǒng)的波場分為“直接場(Direct Field)”和“混響場(Reverberant Field)”,其中激勵產(chǎn)生的波即入射波被稱為“直接場”,即確定性的部分;而入射波和經(jīng)過一次及以上反射的波的迭加形成的波場被稱為“混響場”,即不確定性的部分。利用有限元法求出直接場響應,即確定性的部分,利用SEA統(tǒng)計能量法求出混響場對直接場產(chǎn)生的附加力,即不確定性的部分,求解矩陣即可得到隨機子系統(tǒng)的能量,進而可以換算為需要的響應量。

故而在FE-SEA建模時,由整體模態(tài)控制的結(jié)構(gòu)采用有限元方法建模,對局部模態(tài)控制的結(jié)構(gòu)采用SEA建模,最后將FE和SEA子系統(tǒng)進行耦合,F(xiàn)E與SEA子系統(tǒng)在耦合處的相互作用采用“直混場互惠定理”描述,從而求解系統(tǒng)的中頻噪聲問題。

過孔密封件隔聲量即可采用上述FE-SEA進行計算,密封件結(jié)構(gòu)及內(nèi)部聲腔均采用有限元建模,兩側(cè)聲腔用半無限流場SIF模擬,加載單位聲載荷激勵模擬聲源并提交計算即可得到密封件的隔聲曲線,建模流程及分析結(jié)果如下圖10-12所示,最后在整車SEA模型中導入過孔件高頻段隔聲曲線并代替軟件自動計算的過孔件與內(nèi)部聲腔的耦合損耗因子(Coupling Loss factor)即可。

對于汽車其他密封件如車門/車窗密封條等亦可采用Hybrid FE-SEA方法進行計算,詳細內(nèi)容可參考ESI 發(fā)表的論文:

《Prediction of sound transmission through door seals using the hybrid FE-SEA method》。

c6fedb6a-5179-11f0-b715-92fbcf53809c.png

圖10 Hybrid FE-SEA 分析模型

c715f264-5179-11f0-b715-92fbcf53809c.png

圖11 密封件結(jié)構(gòu)及聲模態(tài)

c72ffe70-5179-11f0-b715-92fbcf53809c.png

圖12 隔聲性能計算結(jié)果

2.4SEA參數(shù)修正

如前所述,由于SEA理論及VA One建模中基本采用平板/曲面板等結(jié)構(gòu)子系統(tǒng)類型對復雜系統(tǒng)進行建模,相比于整車實際結(jié)構(gòu),被簡化的結(jié)構(gòu)子系統(tǒng)的剛度及輻射效率均有所誤差,而這些參數(shù)最終影響SEA模型中子系統(tǒng)的模態(tài)密度和耦合損耗因子。故而針對該誤差,在利用VA One進行SEA建模時可對關(guān)鍵零部件如地板/防火墻等結(jié)構(gòu)的剛度等參數(shù)進行修正,從而提高SEA模型的精度。故而針對該誤差,在利用VA One進行SEA建模時可對關(guān)鍵零部件如地板/防火墻等結(jié)構(gòu)的剛度等參數(shù)進行修正,從而提高SEA模型的精度。

為加以說明,此處引用ESI 論文:《Improvement of an SEA Model of Cab Interior Sound Levels Through Use of a Hybrid FE/SEA Method》

在文章中,ESI NA VA One工程師Ignatius Vaz通過在SEA子系統(tǒng)建模時引入密度系數(shù)(density Multiplier)、剛度系數(shù)(Stiffness Multiplier)以及輻射系數(shù)(Radiation Multiplier)等參數(shù)修正由于上述簡化給子系統(tǒng)質(zhì)量、輻射效率等帶來的影響,從而保證SEA分析模型更符合實際情況,結(jié)果表明修正后的分析模型能進一步提高仿真精度,更多信息用戶可參考該論文。

c73d7384-5179-11f0-b715-92fbcf53809c.png

圖13 SEA 參數(shù)修正

結(jié)尾

通過上述方法可以進一步提高基于VA One的整車PBNR分析模型的精度,在實際項目中,NVH仿真工程師還需進一步了解PBNR的實驗測試內(nèi)容,結(jié)合測試及SEA建模要求可保證整車PBNR模型分析的準確性。

作者簡介

馬濤

畢業(yè)于重慶大學

車輛工程專業(yè)

碩士研究生,研究方向為汽車NVH性能。曾就職于東風等汽車主機廠,熟悉整車NVH性能開發(fā)流程,擅長聲學包及風噪性能分析等。2022年加入ESI Group ,擔任VA One中國區(qū)技術(shù)專家,負責推進VA One在中國市場的應用及部署、對用戶進行高級培訓等工作,致力于推動虛擬樣機解決方案在工程領(lǐng)域中的應用。

ESI集團現(xiàn)已正式加入是德科技(KeysightTechnologies),組建成為CAE(計算機輔助工程)解決方案事業(yè)部。作為一家標普500企業(yè),是德科技致力于提供業(yè)界領(lǐng)先的設計、仿真與測試解決方案,幫助工程師在整個產(chǎn)品生命周期中更快速、更低風險地完成產(chǎn)品的開發(fā)與部署。是德科技CAE解決方案事業(yè)部旨在推動“虛擬優(yōu)先”的研發(fā)理念,賦能工程師在構(gòu)建實體原型之前,率先完成產(chǎn)品的數(shù)字化設計、測試與驗證,從而顯著提升研發(fā)效率與質(zhì)量。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 噪聲
    +關(guān)注

    關(guān)注

    13

    文章

    1140

    瀏覽量

    48152
  • 仿真
    +關(guān)注

    關(guān)注

    52

    文章

    4289

    瀏覽量

    135880
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3521

    瀏覽量

    50439
  • PBNR
    +關(guān)注

    關(guān)注

    0

    文章

    2

    瀏覽量

    6255

原文標題:基于VA One提高整車PBNR分析精度的策略

文章出處:【微信號:ESI-China,微信公眾號:ESI集團】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    Matlab與MWORKS軟件計算精度對比

    MWORKS軟件作為同元開發(fā)的Matlab替代產(chǎn)品,目前正在軍工企業(yè)及部分院校開始試用。結(jié)合去年開發(fā)算例,對兩個軟件在計算精度方面進行了對比,請各位大神指導。 以《軌道交通系統(tǒng)動力學與Matlab
    發(fā)表于 06-07 16:57

    模型推理顯存和計算量估計方法研究

    ,為實際應用提供了有益的參考。 未來,我們將繼續(xù)深入研究大模型推理的優(yōu)化方法,以降低顯存和計算資源的需求,提高深度學習模型在實際應用中的性能
    發(fā)表于 07-03 19:43

    新型諧波分析方法提高精度減少了智能儀表的計算開銷

    新型諧波分析方法提高精度,減少了智能儀表的計算開銷
    發(fā)表于 07-15 14:06

    求大神分享一種基于Verilog計算精度可調(diào)的整數(shù)除法器的設計

    求大神分享一種基于Verilog計算精度可調(diào)的整數(shù)除法器的設計
    發(fā)表于 04-29 06:30

    Labview任意精度函數(shù)庫(高精度函數(shù)庫)

    本帖最后由 第二道彩虹 于 2022-1-15 21:34 編輯 Labview自帶函數(shù)計算精度大多為二進制32位,對于一些高精度計算精度不夠。在網(wǎng)上沒有找到Labview更高的精度
    發(fā)表于 12-27 16:35

    真實頭模型中的源電位計算方法與效果*

    建立了真實頭模型中腦電正問題的邊界元計算方法,應用消漲技術(shù)與隔離技術(shù)降低計算誤差,保證了腦電正問題的計算精度。在此基礎上,實現(xiàn)了真實頭模型
    發(fā)表于 05-12 21:36 ?14次下載

    Linux時鐘精度提高方法

    本文對KURT_Linux、RT-Linux提高時鐘精度方法進行分析,采用一種動態(tài)的多模式時鐘機制來提高Linux的時鐘精度,并通過分析測
    發(fā)表于 05-20 09:39 ?7064次閱讀
    Linux時鐘<b class='flag-5'>精度</b>的<b class='flag-5'>提高</b><b class='flag-5'>方法</b>

    提高軟件可靠性模型精度的新方法

    本內(nèi)容介紹了提高軟件可靠性模型精度的新方法,希望對大家學習上有所幫助
    發(fā)表于 05-26 15:50 ?0次下載
    <b class='flag-5'>提高</b>軟件可靠性<b class='flag-5'>模型</b><b class='flag-5'>精度</b>的新<b class='flag-5'>方法</b>

    基于攻防信號博弈模型的防御策略選取方法

    當前基于博弈理論的防御策略選取方法大多采用完全信息或靜態(tài)博弈模型,為更加符合網(wǎng)絡攻防實際,從動態(tài)對抗和有限信息的視角對攻防行為進行研究。構(gòu)建攻防信號博弈模型,對
    發(fā)表于 02-11 10:44 ?0次下載

    使用信號配時的公交優(yōu)先策略進行觸發(fā)概率模型介紹

    針對現(xiàn)有信號機控制邏輯無法響應公交車輛累積數(shù)、控制參數(shù)敏感性較低等問題,構(gòu)建公交優(yōu)先策略觸發(fā)概率模型用以檢測并分析提高觸發(fā)精度方法。首先,
    發(fā)表于 12-12 16:25 ?1次下載
    使用信號配時的公交優(yōu)先<b class='flag-5'>策略</b>進行觸發(fā)概率<b class='flag-5'>模型</b>介紹

    基于布谷鳥搜索算法的PID擁塞控制模型

    搜索算法的模糊比例-積分-微分(PID)擁塞控制模型( CFPID)。將PID控制器引入無線傳感網(wǎng)絡,采用模糊控制算法整定優(yōu)化PID參數(shù)以提高計算精度,并利用布谷鳥搜索算法對模糊PID控制的量化因子和參數(shù)增量進行搜索優(yōu)化,以實現(xiàn)
    發(fā)表于 03-17 10:43 ?14次下載
    基于布谷鳥搜索算法的PID擁塞控制<b class='flag-5'>模型</b>

    淺談字節(jié)跳動開源8比特混合精度Transformer引擎

    如何繼續(xù)提升速度?降低計算精度是比較直接的方法。2017 年以來,fp16 混合精度技術(shù) [2] 獲得了廣泛應用。在對模型效果無損的前提下,將模型
    發(fā)表于 11-01 10:19 ?793次閱讀

    一種基于新型面中心網(wǎng)格結(jié)構(gòu)的時域電磁計算方法及其邊界條件

    針對傳統(tǒng)FDTD算法在求解瞬態(tài)強場電磁問題,如電磁脈沖傳播過程、電磁場對于生物體的輻射等,采用基于面中心網(wǎng)格的高精度時域電磁計算方法提升計算精度。
    的頭像 發(fā)表于 11-24 10:52 ?1162次閱讀

    AN059 提高ADC采樣精度方法

    AN059 提高ADC采樣精度方法
    發(fā)表于 03-01 18:50 ?17次下載
    AN059 <b class='flag-5'>提高</b>ADC采樣<b class='flag-5'>精度</b>的<b class='flag-5'>方法</b>

    計算精度對比:FP64、FP32、FP16、TF32、BF16、int8

    本文轉(zhuǎn)自:河北人工智能計算中心在當今快速發(fā)展的人工智能領(lǐng)域,算力成為決定模型訓練與推理速度的關(guān)鍵因素之一。為了提高計算效率,不同精度的數(shù)據(jù)類
    的頭像 發(fā)表于 06-26 11:09 ?398次閱讀
    <b class='flag-5'>計算精度</b>對比:FP64、FP32、FP16、TF32、BF16、int8