摘要:本文中建立了ＧＡ-ＢＰ 聲品質(zhì)預(yù)測(cè)模型，引入聲品質(zhì)貢獻(xiàn)因子，以期通過(guò)傳遞路徑分析更加直觀地反映結(jié)構(gòu)噪聲傳遞路徑對(duì)煩躁度的貢獻(xiàn)情況和掩蔽效應(yīng)對(duì)聲品質(zhì)的影響。采用兩級(jí)優(yōu)化方案，通過(guò)遺傳算法確定與目標(biāo)煩躁度值對(duì)應(yīng)的目標(biāo)傳遞函數(shù)，并進(jìn)一步匹配懸置參數(shù)。結(jié)果表明，基于聲品質(zhì)貢獻(xiàn)因子的發(fā)動(dòng)機(jī)懸置優(yōu)化方案可有效地改善車(chē)內(nèi)聲品質(zhì)，降低結(jié)構(gòu)路徑對(duì)煩躁度的貢獻(xiàn)量。

關(guān)鍵詞：發(fā)動(dòng)機(jī)懸置；聲品質(zhì)預(yù)測(cè)；傳遞路徑分析；聲品質(zhì)貢獻(xiàn)因子；遺傳算法

隨著時(shí)代的發(fā)展，汽車(chē)乘坐舒適性已成為人們購(gòu)車(chē)的重要考量指標(biāo)，這對(duì)車(chē)輛ＮＶＨ 性能提出了更高的要求。由于傳統(tǒng)的以聲壓級(jí)為指標(biāo)的噪聲評(píng)價(jià)標(biāo)準(zhǔn)無(wú)法準(zhǔn)確反映乘坐者對(duì)車(chē)內(nèi)聲音的主觀感受，聲品質(zhì)的概念應(yīng)運(yùn)而生。

聲品質(zhì)的研究主要包括客觀聲學(xué)參量計(jì)算、主觀評(píng)價(jià)試驗(yàn)以及在此基礎(chǔ)上進(jìn)行的聲品質(zhì)客觀預(yù)測(cè)。目前，聲品質(zhì)的評(píng)價(jià)尚未有統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)，奧地利ＡＶＬ 公司提出了聲壓級(jí)、綜合級(jí)參數(shù)、周期性測(cè)量、響度、尖銳度、粗糙度、脈沖度和聲壓分布等８類(lèi)客觀聲學(xué)參量［１］；日本學(xué)者Ｎｏｕｍｕｒａ 等提出了響亮（ｌｏｕｄ）、轟鳴（ｂｏｏｍｉｎｇ）、強(qiáng)勁有力（ｐｏｗｅｒｆｕｌ）、豪華（ｌｕｘｕｒｙ）、動(dòng)感（ｓｐｏｒｔｙ）等１２ 個(gè)描述聲品質(zhì)的詞匯［２］；吉林大學(xué)蘇麗俐在此基礎(chǔ)上建立了基于多元線(xiàn)性回歸、ＢＰ 神經(jīng)網(wǎng)絡(luò)、廣義回歸神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的聲品質(zhì)評(píng)價(jià)和預(yù)測(cè)模型并分析其優(yōu)劣性［３］。

車(chē)內(nèi)噪聲是多個(gè)振動(dòng)噪聲源傳遞的噪聲在車(chē)內(nèi)共同作用的結(jié)果，為研究這類(lèi)振動(dòng)噪聲路徑問(wèn)題，常采用傳遞路徑分析（ＴＰＡ）方法。吉林大學(xué)趙彤航通過(guò)分析整車(chē)系統(tǒng)與子結(jié)構(gòu)的傳遞函數(shù)關(guān)系建立了以車(chē)內(nèi)噪聲聲壓級(jí)為控制目標(biāo)、基于傳遞路徑分析的噪聲評(píng)價(jià)模型［４］。

目前，ＴＰＡ 更多應(yīng)用于以車(chē)內(nèi)噪聲聲壓級(jí)為評(píng)價(jià)指標(biāo)的研究中，而以車(chē)內(nèi)聲品質(zhì)為改善目標(biāo)的ＴＰＡ 研究尚處于初步探索階段。

針對(duì)上述問(wèn)題，本文中開(kāi)展了相關(guān)研究，基本分析流程如下：

（１）通過(guò)動(dòng)靜態(tài)試驗(yàn)獲取相關(guān)路徑傳遞函數(shù)和不同工況下的車(chē)內(nèi)與各激勵(lì)源振動(dòng)噪聲信號(hào)；

（２）選擇較易實(shí)現(xiàn)非線(xiàn)性分析的ＢＰ 神經(jīng)網(wǎng)絡(luò)模型并引入遺傳算法（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ，ＧＡ）進(jìn)行優(yōu)化，建立了基于ＧＡ-ＢＰ 神經(jīng)網(wǎng)絡(luò)的聲品質(zhì)預(yù)測(cè)模型；

（３）由于發(fā)動(dòng)機(jī)振動(dòng)為車(chē)輛結(jié)構(gòu)輻射噪聲最大的激勵(lì)源，故本文中選其作為研究對(duì)象，引入聲品質(zhì)貢獻(xiàn)因子（ＳＱＣＦ），建立了以煩躁度為目標(biāo)的發(fā)動(dòng)機(jī)振動(dòng)傳遞路徑分析模型，并確定各路徑貢獻(xiàn)情況；

（４）以發(fā)動(dòng)機(jī)懸置為優(yōu)化重點(diǎn)，利用ＧＡ 算法搜索符合目標(biāo)煩躁度值的發(fā)動(dòng)機(jī)懸置傳遞函數(shù)，在此基礎(chǔ)上進(jìn)行懸置特征參數(shù)的優(yōu)化匹配和驗(yàn)證，結(jié)果表明，懸置參量?jī)?yōu)化后的振動(dòng)傳遞路徑，可有效降低煩躁度，提高車(chē)內(nèi)聲音品質(zhì)。

1、車(chē)內(nèi)噪聲ＴＰＡ分析

車(chē)內(nèi)噪聲主要來(lái)源有空氣和結(jié)構(gòu)兩種傳遞路徑，路徑傳遞函數(shù)是ＴＰＡ 分析的重點(diǎn)，由于研究空氣路徑時(shí)所用白噪聲抗干擾能力較差，在室外背景噪聲干擾下所測(cè)傳遞函數(shù)會(huì)產(chǎn)生較大誤差［５］，為更精確地確定結(jié)構(gòu)路徑對(duì)應(yīng)的車(chē)內(nèi)噪聲情況，本文中相關(guān)試驗(yàn)均在整車(chē)半消聲室內(nèi)進(jìn)行。

１.１ 空氣路徑傳遞函數(shù)

空氣路徑主要有發(fā)動(dòng)機(jī)表面輻射噪聲、進(jìn)排氣噪聲、輪胎噪聲和風(fēng)噪，在半消聲室內(nèi)進(jìn)行空氣路徑研究，可最大程度降低風(fēng)噪的影響?？紤]到噪聲源較多，本文中根據(jù)互易原理，在樣車(chē)上按圖１ 所示的形式進(jìn)行信號(hào)發(fā)生器和傳聲器的布置。

利用ＬＭＳ Ｔｅｓｔ．ｌａｂ 軟件對(duì)信號(hào)進(jìn)行采集和處理，得到各空氣路徑的傳遞函數(shù)，圖２ 為所測(cè)發(fā)動(dòng)機(jī)上表面輻射噪聲傳遞函數(shù)。

１.２ 結(jié)構(gòu)路徑傳遞函數(shù)

車(chē)輛結(jié)構(gòu)件的振動(dòng)作為車(chē)內(nèi)噪聲的重要來(lái)源，主要包括發(fā)動(dòng)機(jī)振動(dòng)和路面激勵(lì)。為使車(chē)內(nèi)噪聲合成結(jié)果更加精確，對(duì)這兩種路徑的傳遞函數(shù)均進(jìn)行了測(cè)試。

圖２ 發(fā)動(dòng)機(jī)上表面輻射噪聲傳遞函數(shù)

主要包括發(fā)動(dòng)機(jī)振動(dòng)和路面激勵(lì)。為使車(chē)內(nèi)噪聲合成結(jié)果更加精確，對(duì)這兩種路徑的傳遞函數(shù)均進(jìn)行了測(cè)試。

發(fā)動(dòng)機(jī)振動(dòng)傳遞路徑主要包括振動(dòng)激勵(lì)通過(guò)發(fā)動(dòng)機(jī)懸置系統(tǒng)傳遞至車(chē)身和車(chē)身板件振動(dòng)向車(chē)內(nèi)輻射噪聲兩段，根據(jù)樣車(chē)所用三點(diǎn)式懸置，將每一個(gè)懸置件的傳遞路徑分為Ｘ、Ｙ、Ｚ ３ 個(gè)方向，確定發(fā)動(dòng)機(jī)振動(dòng)傳遞路徑為９ 條，傳遞函數(shù)為

式中：ａi,engine為懸置結(jié)構(gòu)與發(fā)動(dòng)機(jī)連接端的振動(dòng)加速度信號(hào)；ａi,body為懸置結(jié)構(gòu)與車(chē)身連接端的振動(dòng)加速度信號(hào)；Ｐi,ear為車(chē)內(nèi)參考點(diǎn)的噪聲信號(hào)。

根據(jù)式（１），在每個(gè)懸置的兩端（連接發(fā)動(dòng)機(jī)的主動(dòng)端和連接車(chē)身的被動(dòng)端）和車(chē)內(nèi)參考點(diǎn)分別布置三向加速度傳感器和傳聲器，通過(guò)力錘敲擊相應(yīng)位置，獲得兩段頻率響應(yīng)函數(shù)，結(jié)合為發(fā)動(dòng)機(jī)振動(dòng)路徑傳遞函數(shù)。圖３ 和圖４ 分別為右懸置傳遞函數(shù)和右懸置與車(chē)身連接處到車(chē)內(nèi)參考點(diǎn)的傳遞函數(shù)。

圖３ 右懸置Ｘ、Ｙ、Ｚ 方向傳遞函數(shù)

圖４ 右懸置與車(chē)身連接點(diǎn)至車(chē)內(nèi)參考點(diǎn)傳遞函數(shù)

按此測(cè)試方法，同時(shí)獲取了路面激勵(lì)的各路徑傳遞函數(shù)。

１.３ 路徑傳遞函數(shù)檢驗(yàn)

為檢驗(yàn)傳遞函數(shù)的準(zhǔn)確性和滿(mǎn)足后續(xù)研究的需求，在整車(chē)半消聲室轉(zhuǎn)鼓試驗(yàn)臺(tái)上模擬車(chē)輛平直路面行駛狀態(tài)?？紤]到發(fā)動(dòng)機(jī)噪聲在車(chē)速100ｋｍ／ｈ以下時(shí)才是車(chē)內(nèi)噪聲的最主要來(lái)源［６］，根據(jù)ＧＢ／Ｔ１８６９７—２００２《聲學(xué)汽車(chē)車(chē)內(nèi)噪聲測(cè)量方法》［７］，本文中模擬了怠速、20、40、60和80ｋｍ／ｈ 行駛工況，通過(guò)各工況2次15s的采集，記錄相應(yīng)的各激勵(lì)源信號(hào)和駕駛員右耳旁噪聲信號(hào)。

在ＴＰＡ 模塊中將各激勵(lì)源信號(hào)與所測(cè)對(duì)應(yīng)路徑傳遞函數(shù)相結(jié)合，合成出車(chē)內(nèi)噪聲信號(hào)，并與實(shí)測(cè)信號(hào)進(jìn)行對(duì)比。圖５ 和圖６ 分別為整車(chē)轉(zhuǎn)鼓試驗(yàn)和怠速工況下車(chē)內(nèi)噪聲合成與實(shí)測(cè)信號(hào)對(duì)比。由圖６ 可見(jiàn)，合成信號(hào)的頻譜分布和變化趨勢(shì)與實(shí)測(cè)信號(hào)基本吻合，最大誤差４ ｄＢ（Ａ），出現(xiàn)在２５ Ｈｚ處，這主要是由于頻響函數(shù)測(cè)試時(shí)力錘低頻特性較弱和未考慮部分次要路徑的影響所致。綜合分析，合成信號(hào)具有較好的擬合精度，所測(cè)傳遞函數(shù)可應(yīng)用于后續(xù)研究中。

圖５ 整車(chē)轉(zhuǎn)鼓試驗(yàn)

圖６ 怠速工況車(chē)內(nèi)合成噪聲與實(shí)測(cè)信號(hào)對(duì)比

2、車(chē)內(nèi)聲品質(zhì)預(yù)測(cè)

車(chē)內(nèi)聲品質(zhì)的研究須對(duì)試驗(yàn)采集的噪聲信號(hào)進(jìn)行客觀聲學(xué)參量計(jì)算和主觀評(píng)價(jià)。為獲得更多的數(shù)據(jù)樣本，又挑選了２ 輛與前面樣車(chē)同級(jí)別車(chē)輛，進(jìn)行上述動(dòng)態(tài)工況試驗(yàn)，共獲取３０ 個(gè)車(chē)內(nèi)噪聲樣本。

２.１ 客觀聲學(xué)參數(shù)與主觀評(píng)價(jià)

為使聲品質(zhì)與ＴＰＡ 的結(jié)合更具參考性，對(duì)噪聲樣本進(jìn)行通常的聲學(xué)參量響度、粗糙度和尖銳度的計(jì)算，將其作為預(yù)測(cè)模型的輸入，并以煩躁度作為評(píng)分指標(biāo)，采用等級(jí)評(píng)分法進(jìn)行主觀評(píng)價(jià)試驗(yàn)。

共有３０ 位高校相關(guān)專(zhuān)業(yè)碩士和博士研究生對(duì)３０ 個(gè)聲音樣本進(jìn)行聽(tīng)音打分，其中男性１８ 人，女性１２ 人，年齡在２３ ～３０ 歲之間?？紤]到部分人員聽(tīng)音經(jīng)驗(yàn)較少，對(duì)評(píng)價(jià)等級(jí)進(jìn)行簡(jiǎn)化，評(píng)價(jià)表如表１ 所示，表２ 為樣本聲學(xué)參數(shù)計(jì)算和主觀評(píng)價(jià)結(jié)果統(tǒng)計(jì)。

2.２ 一致性與相關(guān)性檢驗(yàn)

由于評(píng)價(jià)樣本較多，且部分人員聽(tīng)音經(jīng)驗(yàn)較少，須對(duì)評(píng)價(jià)數(shù)據(jù)進(jìn)行一致性檢驗(yàn)以剔除部分不穩(wěn)定結(jié)果。采用一致性和相關(guān)性檢驗(yàn)常用的ｓｐｅａｒｍａｍ 秩相關(guān)系數(shù)法：

式中：Ｕｉ 和Ｖｉ 為兩個(gè)不同變量的秩；ｒ 為秩相關(guān)系數(shù)。

圖７ 一致性檢驗(yàn)通過(guò)計(jì)算得到一致性結(jié)果，如圖７ 所示。剔除其中與他人相關(guān)系數(shù)小于０.７ 的３ 個(gè)評(píng)價(jià)結(jié)果，將剩余２７ 人的煩躁值評(píng)價(jià)結(jié)果用于和聲品質(zhì)客觀參數(shù)的相關(guān)性分析，結(jié)果如圖８ 所示，可見(jiàn)響度、尖銳度、粗糙度與煩躁度之間均有超過(guò)０.７５ 的正相關(guān)系數(shù)。

圖７ 一致性檢驗(yàn)

圖８ 相關(guān)性檢驗(yàn)

２.３ 聲品質(zhì)預(yù)測(cè)模型的建立

相關(guān)性分析結(jié)果表明，客觀參量與煩躁度之間有著較強(qiáng)的關(guān)聯(lián)性，為準(zhǔn)確建立它們之間的關(guān)系并實(shí)現(xiàn)聲品質(zhì)的客觀預(yù)測(cè)，本文中引入了一個(gè)３ 層ＢＰ神經(jīng)網(wǎng)絡(luò)，根據(jù)輸入層節(jié)點(diǎn)數(shù)（３，響度，尖銳度，粗糙度）和輸出層節(jié)點(diǎn)數(shù)（１，煩躁度），參考經(jīng)驗(yàn)公式［８］，確定隱含層節(jié)點(diǎn)數(shù)為６，建立拓?fù)浣Y(jié)構(gòu)為３－６－１ 的神經(jīng)網(wǎng)絡(luò)模型：

式中：ｎ 和ｌ 分別為輸入、輸出層節(jié)點(diǎn)個(gè)數(shù)；ａ 為１ ～１０ 的常數(shù)。

為解決神經(jīng)網(wǎng)絡(luò)收斂慢和易出現(xiàn)局部極小的問(wèn)題，引入輪盤(pán)賭選擇法，采用種群規(guī)模２０、交叉概率０.３、變異概率０.１ 和最大遺傳代數(shù)１００ 的ＧＡ 算法優(yōu)化其初始權(quán)值和閾值。

為保證訓(xùn)練精度和驗(yàn)證結(jié)果的可靠性，隨機(jī)選擇２５ 個(gè)樣本作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，剩余５ 個(gè)樣本作為驗(yàn)證數(shù)據(jù)。通過(guò)學(xué)習(xí)效率０.１、訓(xùn)練目標(biāo)１０－５ 的１００ 次迭代，獲得結(jié)果如圖９ 所示。５ 個(gè)驗(yàn)證樣本的預(yù)測(cè)值與實(shí)測(cè)值誤差分別為１.４７％、０.４８％、５.６４％、０.６６％和９.６９％，平均誤差為３.５９％，證明聲品質(zhì)預(yù)測(cè)模型具有較高的準(zhǔn)確性，可作為噪聲聲品質(zhì)的客觀評(píng)價(jià)依據(jù)。

圖９ 聲品質(zhì)預(yù)測(cè)模型檢驗(yàn)

3、車(chē)內(nèi)聲品質(zhì)貢獻(xiàn)分析

頻變Ｚｗｉｃｋｅｒ 法計(jì)算響度的公式為

式中：ＥＱ 為安靜聽(tīng)閾激勵(lì)；Ｅ０ 為參考聲強(qiáng)在10-12Ｗ／ｍ２下的激勵(lì)。

由式（４）和式（５）可知，總響度為噪聲頻域信號(hào)在24Bark尺度下的特征響度積分所得，說(shuō)明噪聲信號(hào)是計(jì)算客觀聲學(xué)參量的基礎(chǔ)，而前面的TPA分析已證明傳遞函數(shù)影響著車(chē)內(nèi)噪聲，故各路徑傳遞函數(shù)與聲品質(zhì)具有一定的相關(guān)性。在此基礎(chǔ)上結(jié)合ＧＡ-ＢＰ 聲品質(zhì)預(yù)測(cè)模型，完成了車(chē)內(nèi)噪聲結(jié)構(gòu)傳遞路徑對(duì)煩躁度的貢獻(xiàn)分析。

３.１ 發(fā)動(dòng)機(jī)振動(dòng)路徑聲品質(zhì)客觀參量計(jì)算

由于前面已驗(yàn)證通過(guò)傳遞函數(shù)合成的車(chē)內(nèi)噪聲與實(shí)測(cè)噪聲基本一致，故將由發(fā)動(dòng)機(jī)各振動(dòng)路徑及其相應(yīng)傳遞函數(shù)合成的噪聲信號(hào)應(yīng)用于貢獻(xiàn)量分析。由于Ｓｏｕｎｄ Ｄｉａｇｎｏｓｉｓ 模塊計(jì)算聲品質(zhì)客觀參量采用時(shí)變Ｚｗｉｃｋｅｒ 法，本文中通過(guò)傅里葉逆變換（ｉｎｖｅｒｓｅＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ，ＩＦＴ）將合成的噪聲頻域信號(hào)轉(zhuǎn)換為時(shí)域信號(hào)。ＩＦＴ 基本原理如式（６）所示。

作為初始輸入通過(guò)計(jì)算得到的９ 條傳遞路徑相應(yīng)的客觀參量值及其與總噪聲客觀參量的對(duì)比結(jié)果如表３ 所示。

由表可見(jiàn)，與總噪聲等于各路徑貢獻(xiàn)噪聲的線(xiàn)性疊加不同，各路徑與總的聲品質(zhì)客觀參量存在非線(xiàn)性的關(guān)系。如右懸置３ 條路徑貢獻(xiàn)的響度疊加大于總響度，總粗糙度小于右懸置Ｘ 方向路徑的粗糙度，本文中通過(guò)分析比較各路徑對(duì)應(yīng)噪聲的頻譜分布，確定其為頻域掩蔽效應(yīng)作用的結(jié)果。

掩蔽效應(yīng)分為頻域掩蔽和時(shí)域掩蔽，頻域掩蔽效應(yīng)是指一個(gè)強(qiáng)純音會(huì)掩蔽在其附近同時(shí)發(fā)聲的弱純音，由于聲音頻率與掩蔽曲線(xiàn)的非線(xiàn)性關(guān)系，為從感知上來(lái)統(tǒng)一度量聲音頻率，引入了臨界頻帶的概念［９］。各個(gè)路徑合成的噪聲在不同頻帶上存在著相互的干擾，因而在基于臨界頻帶進(jìn)行聲品質(zhì)客觀參量的計(jì)算時(shí)出現(xiàn)了這種非線(xiàn)性的結(jié)果。

３.２ 聲品質(zhì)貢獻(xiàn)因子

由于各路徑聲學(xué)參量與總聲學(xué)參量的關(guān)系無(wú)法明確描述，且數(shù)據(jù)較多，分析較為繁瑣，為更清晰地反映各路徑聲品質(zhì)貢獻(xiàn)情況，引入聲品質(zhì)貢獻(xiàn)因子（ｓｏｕｎｄ ｑｕａｌｉｔｙ ｃｏｎｔｒｉｂｕｔｉｏｎ ｆａｃｔｏｒ）的概念，其計(jì)算公式為

式中：Ｙｉ 為第ｉ 工況下的總煩躁度；Ｙｉｊ為第ｉ 工況下ｊ路徑對(duì)應(yīng)的煩躁度。

將各工況下各路徑合成的響度、粗糙度和尖銳度值輸入到前面所建ＧＡ-ＢＰ 聲品質(zhì)預(yù)測(cè)模型中，獲得相應(yīng)的煩躁度值，進(jìn)而求得聲品質(zhì)貢獻(xiàn)因子，結(jié)果如表４ 所示。

由表可見(jiàn)：左右懸置的Ｚ 方向貢獻(xiàn)因子均明顯大于其他２ 個(gè)方向，而后懸置３ 個(gè)方向較為均衡；同時(shí)，在一些工況下，總煩躁度小于部分結(jié)構(gòu)路徑噪聲所引起的煩躁度，說(shuō)明在實(shí)驗(yàn)室模擬的平滑路面上，由于聲音的掩蔽效應(yīng)，部分工況下的進(jìn)排氣和發(fā)動(dòng)機(jī)表面輻射等路徑噪聲削弱了發(fā)動(dòng)機(jī)振動(dòng)路徑噪聲的煩躁度。

考慮到右懸置Ｚ 向的聲品質(zhì)貢獻(xiàn)因子在各工況下均較為突出，且明顯大于Ｘ、Ｙ 向，可進(jìn)行有針對(duì)性的優(yōu)化，因此確定右懸置Ｚ 方向作為最主要的煩躁度貢獻(xiàn)路徑，而對(duì)右懸置參數(shù)進(jìn)行優(yōu)化。

4、發(fā)動(dòng)機(jī)懸置優(yōu)化

由于優(yōu)化目標(biāo)為降低煩躁度而非噪聲聲壓級(jí)，不能簡(jiǎn)單地通過(guò)調(diào)整懸置參數(shù)來(lái)降低傳遞函數(shù)某一頻段的幅值來(lái)實(shí)現(xiàn)。為明確優(yōu)化方向，本文中制定了確定目標(biāo)煩躁度、搜索目標(biāo)傳遞函數(shù)、匹配懸置元件參數(shù)達(dá)到優(yōu)化目的的兩級(jí)優(yōu)化策略，具體操作流程如圖１０ 所示。

４.１ 遺傳算法

遺傳算法是模擬生物遺傳和進(jìn)化過(guò)程而建立起來(lái)的一種全局尋優(yōu)算法。由于其不依賴(lài)于梯度問(wèn)題，因而具有較強(qiáng)的魯棒性，適用于解決傳統(tǒng)搜索方法難以解決的復(fù)雜非線(xiàn)性問(wèn)題［１０］。本文中基于遺傳算法對(duì)非線(xiàn)性問(wèn)題的全局搜索能力，對(duì)懸置參數(shù)和傳遞函數(shù)進(jìn)行優(yōu)化，以改善車(chē)內(nèi)聲品質(zhì)。

４.２ 懸置路徑傳遞函數(shù)優(yōu)化

考慮到右懸置Ｚ 向路徑的煩躁度值在較高車(chē)速時(shí)數(shù)值較大，制定了階梯型的優(yōu)化目標(biāo)，即：怠速工況煩躁度值降低１；２０ 和４０ ｋｍ／ｈ 煩躁度值降低２；６０ 和８０ ｋｍ／ｈ 煩躁度值降低３。根據(jù)此目標(biāo)，以合成的路徑噪聲信號(hào)的時(shí)域信號(hào)幅值為變量，變化量為－０.１ ～０.１ Ｐａ，將其輸入編寫(xiě)的聲品質(zhì)客觀參量計(jì)算和聲品質(zhì)預(yù)測(cè)模型，獲得相應(yīng)的煩躁度值，挑選出與優(yōu)化目標(biāo)煩躁度值對(duì)應(yīng)的噪聲信號(hào)。

由于噪聲信號(hào)與客觀參量和客觀參量與煩躁度均為非線(xiàn)性關(guān)系，須對(duì)計(jì)算所得多個(gè)符合優(yōu)化目標(biāo)的噪聲信號(hào)進(jìn)行篩選?？紤]到結(jié)構(gòu)噪聲的影響范圍主要集中在中低頻段，故以頻域信號(hào)中低頻段（５０ ～５００ Ｈｚ）ＲＭＳ 值最小為目標(biāo)，利用遺傳算法對(duì)符合優(yōu)化目標(biāo)的噪聲信號(hào)進(jìn)行篩選，確定優(yōu)化后的路徑噪聲頻域信號(hào)，進(jìn)而得到相應(yīng)的右懸置Ｚ 方向傳遞函數(shù)的優(yōu)化目標(biāo)。圖１１ 和圖１２ 分別為怠速和６０ ｋｍ／ｈ 工況下優(yōu)化前后右懸置Ｚ 方向所貢獻(xiàn)的車(chē)內(nèi)噪聲，圖１３ 為兩工況下所確定的右懸置Ｚ 向目標(biāo)傳遞函數(shù)。

圖11怠速工況優(yōu)化前后右懸置Ｚ 向貢獻(xiàn)噪聲

圖12 ６０ ｋｍ／ｈ 工況優(yōu)化前后右懸置Ｚ 向貢獻(xiàn)噪聲

圖13 怠速工況（左）和６０ ｋｍ／ｈ 工況（右）傳遞函數(shù)優(yōu)化目標(biāo)

由圖可見(jiàn)，由于每個(gè)工況的優(yōu)化目標(biāo)不同，導(dǎo)致優(yōu)化的傳遞函數(shù)也不相同，而實(shí)際上傳遞函數(shù)作為懸置結(jié)構(gòu)的固有屬性，不隨激勵(lì)變化而改變，因此下面將在各工況的目標(biāo)傳遞函數(shù)的基礎(chǔ)上進(jìn)行權(quán)重分析，通過(guò)懸置參數(shù)的優(yōu)化來(lái)獲得改善車(chē)內(nèi)聲品質(zhì)最有效的傳遞函數(shù)。

４.３ 懸置參數(shù)優(yōu)化

發(fā)動(dòng)機(jī)懸置系統(tǒng)的運(yùn)動(dòng)可看作一個(gè)由質(zhì)量、彈簧和阻尼構(gòu)成的６ 自由度振動(dòng)模型［１１］，其運(yùn)動(dòng)微分方程為

式中：質(zhì)量矩陣Ｍ 包括發(fā)動(dòng)機(jī)質(zhì)量ｍ、發(fā)動(dòng)機(jī)繞Ｘ、Ｙ、Ｚ 軸的轉(zhuǎn)動(dòng)慣量和慣性積；剛度矩陣Ｋ 包括各懸置元件的靜剛度、扭轉(zhuǎn)剛度和相互之間的耦合剛度；阻尼矩陣Ｃ 為各懸置元件的阻尼值。

由式（８）可知，以懸置系統(tǒng)為研究對(duì)象時(shí)須考慮各懸置元件間的耦合作用，考慮到本文中以改善右懸置Ｚ 向傳遞函數(shù)為目標(biāo)，因此將右懸置元件單獨(dú)分析，獲得無(wú)耦合的懸置元件運(yùn)動(dòng)方程，同時(shí)忽略對(duì)傳遞函數(shù)的影響較小的懸置元件扭轉(zhuǎn)運(yùn)動(dòng)和阻尼的調(diào)節(jié)，以懸置元件的靜剛度作為優(yōu)化控制對(duì)象，簡(jiǎn)化后的右懸置元件運(yùn)動(dòng)方程為

式中：ｍ１ 為發(fā)動(dòng)機(jī)質(zhì)量，ｍ１ ＝１８１ ｋｇ；ｍ２ 為整備質(zhì)量（１ ４８０ ｋｇ）與ｍ１ 的差值；ｋｘ、ｋｙ、ｋｚ 分別為右懸置３個(gè)方向的靜剛度；ｘ１ 、ｙ１ 、ｚ１ 和ｘ２、ｙ２、ｚ２ 分別為懸置主被動(dòng)側(cè)位移。

求解式（９），得到被動(dòng)端Ｚ 向加速度ａ２ 的通解為

式中：ｃ１ 、ｃ２ 均為常數(shù)；ｔ 為采樣時(shí)間。為便于后續(xù)計(jì)算，取ｃ２ 為０，將試驗(yàn)采集的ａ２時(shí)域信號(hào)代入式（１０），可得各采樣時(shí)刻對(duì)應(yīng)的ｃ１值，進(jìn)而確定Ｚ 向時(shí)域傳遞函數(shù)：

基于式（１１），在Ｍａｔｌａｂ 中編寫(xiě)遺傳算法優(yōu)化程序，其核心適應(yīng)度函數(shù)如圖１４ 所示，包括時(shí)域傳遞函數(shù)ＦＦＴ 變換，定義變量為右懸置Ｚ 向的靜剛度ｋｚ，定義適應(yīng)度目標(biāo)為Ｚ 向傳遞函數(shù)０ ～１ ０００ Ｈｚ 的ＲＭＳ 值與目標(biāo)傳遞函數(shù)的ＲＭＳ 值的相對(duì)誤差最小?？紤]到樣車(chē)內(nèi)部布置空間的限制和對(duì)懸置系統(tǒng)固有頻率的控制，對(duì)優(yōu)化變量的范圍進(jìn)行了約束，如表５所示。

圖14 遺傳算法適應(yīng)度函數(shù)

由于每個(gè)工況的目標(biāo)傳遞函數(shù)并不相同，通過(guò)仿真計(jì)算，獲得了５ 個(gè)優(yōu)化ｋｚ值及其對(duì)應(yīng)的傳遞函數(shù)，如表６ 所示。圖１５ 為６０ ｋｍ／ｈ 工況下優(yōu)化結(jié)果與目標(biāo)傳遞函數(shù)和原始傳遞函數(shù)的對(duì)比。由圖可見(jiàn)，優(yōu)化結(jié)果在２００ Ｈｚ 以下要優(yōu)于目標(biāo)傳遞函數(shù)，在２００ ～１ ０００ Ｈｚ 兩者基本一致，優(yōu)化結(jié)果略高，ＲＭＳ 值相對(duì)誤差為２.１％，說(shuō)明優(yōu)化程序具有較高的準(zhǔn)確性和有效性。

在傳遞函數(shù)的最終選擇上，首先排除誤差較大的４０ ｋｍ／ｈ 工況ｋｚ 值，同時(shí)考慮到右懸置Ｚ 向聲品質(zhì)貢獻(xiàn)因子最大的怠速工況在實(shí)際生活中持續(xù)的時(shí)間較短，而與８０ ｋｍ／ｈ 工況相比，較常用的６０ ｋｍ／ｈ的聲品質(zhì)貢獻(xiàn)因子較大，且優(yōu)化后的傳遞函數(shù)優(yōu)于８０ ｋｍ／ｈ，故選?。叮?ｋｍ／ｈ 工況優(yōu)化所得的ｋｚ 值和傳遞函數(shù)作為最終的優(yōu)化結(jié)果。

圖１５ ６０ ｋｍ／ｈ 工況優(yōu)化傳遞函數(shù)

間較短，而與８０ ｋｍ／ｈ 工況相比，較常用的６０ ｋｍ／ｈ的聲品質(zhì)貢獻(xiàn)因子較大，且優(yōu)化后的傳遞函數(shù)優(yōu)于８０ ｋｍ／ｈ，故選?。叮?ｋｍ／ｈ 工況優(yōu)化所得的ｋｚ 值和傳遞函數(shù)作為最終的優(yōu)化結(jié)果。

４.４ 優(yōu)化效果檢驗(yàn)

為檢驗(yàn)優(yōu)化效果，將優(yōu)化后的傳遞函數(shù)代入右懸置Ｚ 向路徑對(duì)應(yīng)的車(chē)內(nèi)噪聲和響度、尖銳度、粗糙度的計(jì)算中，將結(jié)果輸入ＧＡ-ＢＰ 煩躁度預(yù)測(cè)模型，得到新的總煩躁度值和右懸置Ｚ 向路徑聲品質(zhì)貢獻(xiàn)因子，如表７ 所示。由表可見(jiàn)：通過(guò)優(yōu)化控制聲品質(zhì)貢獻(xiàn)因子較大的右懸置Ｚ 向路徑傳遞函數(shù)，有效地降低了車(chē)內(nèi)總噪聲所引起的煩躁度；同時(shí)，右懸置Ｚ 向的貢獻(xiàn)因子也有所降低，說(shuō)明傳遞函數(shù)的優(yōu)化減弱了該路徑對(duì)總煩躁度的影響。通過(guò)檢驗(yàn)，證明優(yōu)化方案取得了較好的效果。

5、結(jié)論

（１）通過(guò)傳遞函數(shù)測(cè)試和ＴＰＡ 合成計(jì)算，確定了發(fā)動(dòng)機(jī)３ 個(gè)懸置Ｘ、Ｙ、Ｚ 方向共９ 條具有較高精度的結(jié)構(gòu)噪聲傳遞路徑，可用于聲品質(zhì)貢獻(xiàn)分析；

（２）基于聲品質(zhì)客觀參量計(jì)算和主觀評(píng)價(jià)，利用遺傳算法和神經(jīng)網(wǎng)絡(luò)建立了聲品質(zhì)預(yù)測(cè)模型，通過(guò)聲品質(zhì)貢獻(xiàn)因子計(jì)算，直觀地反映了結(jié)構(gòu)噪聲傳遞路徑對(duì)煩躁度的貢獻(xiàn)情況和聲音掩蔽效應(yīng)對(duì)聲品質(zhì)的作用，得出右懸置Ｚ 向路徑對(duì)煩躁度影響較大，并確定了對(duì)該路徑對(duì)應(yīng)煩躁度的優(yōu)化目標(biāo)；

（３）制定兩級(jí)優(yōu)化方案，先通過(guò)遺傳算法搜索與目標(biāo)煩躁度相對(duì)應(yīng)的右懸置Ｚ 向傳遞函數(shù)，再通過(guò)遺傳算法匹配右懸置Ｚ 向靜剛度并加以檢驗(yàn)。結(jié)果表明，通過(guò)兩級(jí)優(yōu)化獲得的右懸置Ｚ 向靜剛度及其傳遞函數(shù)有效地降低了車(chē)內(nèi)總噪聲所引起的煩躁度，提高了車(chē)內(nèi)聲品質(zhì)，證明本文中所制定的研究?jī)?nèi)ＩＳＯ-Ａ／Ｃ 級(jí)路面激勵(lì)工況下Ｔ-Ｓ 觀測(cè)器車(chē)輛側(cè)傾狀態(tài)估計(jì)結(jié)果的對(duì)比，有效驗(yàn)證了ＵＫＦ＆Ｔ-Ｓ 算法的有效性，且與ＣａｒＳｉｍ© 仿真數(shù)據(jù)相比識(shí)別狀態(tài)標(biāo)準(zhǔn)偏差不超過(guò)１０％。

作者：曾發(fā)林１ ，胡 楓２

單位：１.江蘇大學(xué)汽車(chē)工程研究院 ２.江蘇大學(xué)汽車(chē)與交通工程學(xué)院

來(lái)源：汽車(chē)工程