基于内饰车身的振动噪声相关性研究

1、前言

       为了降低开发风险,需要在项目前期就能预测并优化可能出现的薄弱点，这样必须有一套较准确的模型来进行计算。基于不同的开发方式，这套模型要么来自上一代准确的模型，要么来自一套经过检验的建模指导或建模工程师的经验。仿真的能力建设离不开试验结果的校核和比对。在仿真工程师进行分析预测工作的时候需要对分析结果和试验结果有一个相似程度的印象或者概念上的认识。既要区分两种数据的异同又明白它们之间的联系，这种联系可以帮助仿真工程师辨别真假风险、抓主要问题。

       NVH性能开发需要融合仿真、试验、性能研究，协同开展工作有助于不同工程师之间的学习、培养默契，最重要的是将仿真和试验的数据类型、边界条件、仿真/试验规范、命名进行统一。通过该相关性研究提高工程师仿真及试验能力，积累数据库，将成果应用于下个车型项目的开发当中。

2、技术路线

       2.1 仿真技术路线

       2.1.1 子系统模态相关性

       2.1.1.1 初版模型相关性分析流程

       利用Altair公司的Hypermesh软件依据CAE模型搭建标准将3D数据转化成FE模型。通过预分析为试验模型的搭建提供参考，以试验结果为基础，分析仿真结果的相关性，输出模态置信度(MAC)和频率差。若达到规定目标值，则认为此系统的模态相关性工作完成。反之进入模型物理关系检查流程。

       2.1.1.2 模型物理关系检查流程

       仔细检查试验样件几何特征和连接关系，并进行子系统及车身的称重，必要时使用游标卡尺量取板厚（拉延较大部位），将检查获得的信息反映到FE模型当中去。将修正的模型再次求解，并将计算结果与试验结果再次进行相关性分析。若达到目标值，则此系统的模态相关性工作完成。反之进入FE模型优化流程。

       2.1.1.3 FE模型优化流程

       将FE模型参数化（也可以部分参数化，视具体情况）。将所有或者主观筛选的参数设定容差范围，针对目标属性（某阶模态对应频率）进行灵敏度分析，筛选出对目标属性影响较大的参数信息，以模态置信度和频率差为目标将筛选出来的参数信息做为设计空间执行DOE，最终获得推荐的参数信息。依据推荐的参数信息完善FE模型，并将仿真结果与试验结果再次进行相关性分析，如图1所示。

       2.1.2 内饰车身FRF类相关性

       此项工作使用的初始FE模型为已经完成模态相关性的子系统FE模型，提取子系统FRF试验和仿真结果进行对比，酌情进行子系统阻尼的调整。再将子系统装配成内饰车身，按照类似子系统模态相关性的流程对内饰车身的Global模态进行相关性分析。在完成内饰车身Global模态相关性的FE模型基础上提取IPI、VTF及NTF属性。以试验的IPI、VTF和NTF为基础对仿真结果进行相关性分析。也可以通过对比总结出大部分传函（特别是超过常规目标值的那部分）的峰值对应频率和幅值尝试模态和阻尼的研究，尽可能的使仿真结果趋势贴近试验结果。若大部分传函的主要的峰值（频率及幅值）对应较好，则认为内饰车身相关性较好。

       2.2 试验技术路线

       2.2.1 模态及车身FRF测试

       仿真工程师需确认测试零部件或车身状态，须与有限元模型保持一致。通过有限元预分析为试验模型的搭建提供参考。试验输出子系统及车身各阶模态频率及振型分布和频响函数，为仿真结果相关性分析提供输入。根据模态置信判据MAC值，如果各个模态间的MAC值≤0.08且是线性独立的，即认为模态之间是相互解耦的，则系统的模态或频响测试工作完成。反之进入测试检查流程。

       2.2.2 测试检查流程

       仔细检查试验零部件边界安装条件，整车安装状态或零部件单体状态。内饰车身测试需在半消声室或消声室进行。对模拟“自由-自由”状态，要求最高一阶刚体模态应小于自身最小一阶弹性体模态的25%。

       检查试验参数设置：输入力谱的有效性判断、各种类型加窗选择、频响函数(FRF)估计。若模态置信判据MAC满足要求，即认为模态之间是相互解耦的，则系统的模态测试工作完成。对于传递函数测试，若大部分传函FRF的主要峰值(频率及幅值)的相干性在90%以上，则判断内饰车身FRF测试较好。反之进入一致性控制流程。

       2.2.3 一致性控制流程

       设置激励和响应的量程，确保每次的激励力尽可能相同。控制激励力一致性时需注意时域数据只有一个峰值，或者第一峰值至少高于后面峰值的10倍。控制力功率谱密度一致性时，需保证在关心的频率范围内应平缓下降，下降幅值不超过30dB。并检查系统的线性度范围，相关系数和互易性等。

3、预试验分析

       在相关性分析之前，需要进行子系统及白车身预试验分析得到较优化的布点信息。以白车身为例，经分析，白车身上共布139个测量点。非对角线MAC值均低于8.8%，模态之间解耦度高。

4、模态类相关性分析

       在进行相关性分析之前，务必要进行子系统、白车身、内饰车身的模态及接附点的传递函数试验。并要进行子系统及车身的称重，及相关钣金件厚度测量，及材料属性的检查，为修正仿真模型提供参考。

       本文略去子系统模态相关性分析过程，以白车身模态相关性为例进行说明。

       4.1 白车身模态相关性分析

       首先，进行对白车身模型进行初版模态相关性分析，结果表明白车身二阶弯曲模态相关性较差，另由于试验未测得一阶弯曲模态，故不列入表中。具体分析结果如表1所示。

       由于实车和CAE模型重量测量结果相差较大，首先考虑检查CAE模型质量问题及刚度误差，其中刚度主要考虑焊点刚度以及钣金件刚度（主要考虑其材料属性）。其次，通过观察仿真与试验结果，发现其整体振型一致，部分点振型有所差别，初步怀疑其原因为部分点试验误差。故对模型进行修正。图5为仿真模型，图6为试验模型。

       修正与优化模型的目的均是为了在最大程度还原试验件真实状态的前提下，来实现与试验结果之间具有较好的相关性。本次模型修正主要体现在以下几个方面。

       一是删除钣金件上非结构质量，修正烧焊连接方式，考虑点焊焊接原理，取消点焊质量。如前后防撞梁烧焊由杂乱无序的RBE2连接修改为规则的SHELL单元连接，如图7所示。删除顶棚、前围、中地板属性中的非结构质量，如图8所示。取消全车点焊焊点质量，如图9所示。

       二是调整焊点刚度，焊点材料弹性模量提高10倍。

       三是调整钣金件刚度。选取对模态频率影响较大的几块钣金件（左右对称），调整其材料的弹性模量。如图10及表2所示。

       四是试验误差修正，通过观察仿真与试验结果，发现其整体振型一致，部分点振型有所差别，故删除部分测量点，以提高二阶弯曲模态的MAC值。如图11所示。

       通过修正模型，再次进行相关性分析，二阶弯曲模态MAC有所提高，其他模态MAC值基本保持不变。相关性分析结果如表3所示，模态置信度MAC值分析结果如图12所示。

       4.2 内饰车身模态相关性分析

       在进行内饰车身进行振动噪声相关性分析之前，首先要进行子系统的相关性分析，只有子系统的相关性都有较好的相关性，内饰车身相关性才可能也会好。本次研究主要对前/后副车架、前后门、座椅、发盖及行李箱盖、仪表管梁及转向系统、油箱、声腔等子系统进行模态相关性分析，且不断修正子系统的模型，待子系统达到目标后，再进行内饰车身模型装配，从而进行内饰车身模态相关性分析。

       内饰车身模态相关性具体分析结果如表4及图13所示。

       分析结果表明，内饰车身一阶扭转模态置信度MAC值较低，故进行模型修正。主要修正内容包括：调整模型零部件质量及玻璃胶粘刚度，调整前副车架衬套刚度（与衬套刚度测试对标），调整行李箱密封条刚度及分布，修正风挡玻璃刚度及油箱中油量，调整车身的零部件的质量及油箱质量，以及考虑试验误差，删除部分测量点，以提高一阶扭转的MAC值等方式。

       修正模型后一阶弯曲模态置信度明显提升，分析结果如表5所示。

5、传函类相关性分析

       在进行传递函数测试时，需对内饰车身接附点上安装工装设备，可保证传感器在接附点处方便粘贴及敲击方向的准确性。之后进行内饰车身接附点IPI/VTF/NTF等测试工作。

       本次测试在半消声室内进行，测试使用空气弹簧支撑内饰车身，模拟自由状态。如图14所示。

       在4.2修正过的内饰车身模态相关性分析的模型基础上，进行传递函数的相关性分析。其中，车身接附点主要包括悬置接附点、前后减振器接附点、前后悬架接附点、拖曳臂接附点、排气挂钩接附点等，如图15所示。

       初版分析结果与试验结果曲线一致性并不好，且频率峰值也很难对应，如图16-17所示。其中，cor0为初版传函相关性分析曲线，test为试验测试结果。故需进行模型修正。修正过程主要体现在以下几个方面：

       一是进行工装件建模，激励点与响应点根据试验位置精确选取。二是取消前副车架与车身连接衬套的转动刚度，并调整平动刚度。三是修正车身各个接附点与工装件的连接状态。四是进行模态阻尼比的调整等。

       经修正后的模型再次进行分析，相关性得到明显改善，仿真与试验曲线一致性较好且频率峰值几乎能一一对应。图16-17中的曲线cor8为修正后的最终状态。

6、结论

       通过内饰车身振动噪声相关性分析研究，包括大量的测试及与仿真的比对，总结出一套NVH工作方法，这套方法衍生出来的经验可以应用在所有项目开发当中去。本研究提高仿真与试验的相似度，提高了试验的工作效率。获得的数据是可参考具备对比意义的，尽可能多的降低了项目开发中风险。