汽车噪声控制黑科技
1. 为什么要研究汽车噪声控制在汽车领域，有一个词叫NVH，是噪声(Noise)、振动(Vibration)和不舒适(Harshness)三个英文单词首字母的缩写。为什么要研究NVH呢?主要原因有四个：第一、政府法规要求。以车身为边界，汽车噪声可以分为车内噪声和车外噪声，目前政府法规对车外噪声限值有明确要求。第二、客户要求。对客户而言，从打开车门开始体验到关闭车门结束体验，NVH伴随着每一个体验环节。随着发动机、传动系统和外观设计水平的不断提高，客户将更多的注意力放在了NVH性能上，可以毫不夸张地讲，NVH水平甚至直接决定了客户的购买意向。第三、市场竞争的结果。为了使自己的车型在市场上更有竞争力，全世界各整车厂不断推陈出新，探索新的NVH问题解决方案。第四、品牌塑造的需要。对汽车品牌来讲，声音是品牌的DNA，拥有自己的品牌声音是所有汽车品牌的梦想，为了达到这个目标，各整车厂在NVH技术方面不断投入研发力量，在竞争的同时共同推动了整个行业的发展。
2. 车内噪声来源
本文提及的噪声控制特指车内噪声控制。车内噪声来源主要有三个：动力系统噪声、路面-轮胎噪声和风噪声，三个主要声源对车内噪声的贡献量是随着车速、外部环境(如风速、天气等)和路况变化的。汽车在怠速和低速行驶时，车内主要噪声来自发动机和其它动力辅助系统(如进气系统和排气系统)。当车速达到50km/h时，路面-轮胎噪声增加并随车速的提高而升高;当车速超过80km/h时，路面-轮胎噪声可能会比发动机噪声大，甚至掩蔽发动机噪声，成为主要声源。特别是在粗糙路面上，路面-轮胎噪声更加突出。当车速达到100km/h时，风噪就开始出现。当车速达到120km/h时，风噪成为汽车的主要声源。当车速进一步提高时，风噪有可能完全掩盖发动机噪声和路面-轮胎噪声，图1为汽车车速与发动机噪声源、路面-轮胎噪声源和风噪声源的关系示意图。有一点需要说明的是这里所提及的车速仅是一个范围，具体数值因外部环境、路况和车型等因素有所不同。
图1 车速与发动机噪声源、路面-轮胎噪声源和风噪声源的关系示意图
3. 汽车噪声控制技术
根据是否需要能量输入，车内噪声控制技术可以分为被动噪声控制和主动噪声控制两类(主动噪声控制又称为有源噪声控制)。被动噪声控制技术依靠修改结构设计、增加阻尼材料或使用减振器和吸振器来降低噪声，这些技术对降低中高频 (高于500 Hz))噪声非常有效，是汽车行业目前使用的主流技术，具体如表1所示。但是，被动噪声控制技术也有其难以克服的不足。
第一、被动噪声控制在低频段控制效果差，控制频带窄，且附加质量大。
第二、被动噪声控制效果对调校要求较高，在某一频率下调校好的设计也许对其它频率的噪声并不适用。例如，对于混合动力汽车和可变缸汽车来讲，在某一动力源或者某个缸数下调校好的系统，当动力源改变或气缸数变化时，原来调校好的系统有可能失效。
第三、被动噪声控制技术往往需要经过多次迭代才能实现设计的声学目标，设计周期长，时间成本高。
第四、被动噪声控制一致性差，同一型号的汽车噪声水平相差较大。
第五、不同年龄段、不同种族的人对车内声音的感知也不尽相同。如果使用被动方法调校同一款车以满足不同市场客户对车内声音的期望，成本将大幅提高，主动噪声控制方法则只需要调整控制器参数即可。
第六、对于纯电动汽车，车内声音较小，导致驾驶体验不佳，主动噪声控制技术在解决这个问题上有非常大的发展空间，并且目前已经取得了一定的研究成果。
综上所述，被动噪声控制技术是汽车重量、噪声控制效果、复杂度和成本的折中。主动噪声控制基于声波相消干涉原理，通过与汽车音响系统集成，在车内引入与初级噪声等幅反相的次级声源来抵消或大幅降低噪声。与被动噪声控制相比，主动控制技术适合控制低频噪声，且设计限制条件少，控制目标灵活，切换方便，不仅可以降低车内噪声，而且还可以修正噪声频谱，改善车内声品质。
4. 发动机噪声主动控制系统原理
车内噪声主动控制系统根据噪声来源可分为发动机噪声控制系统和路面-轮胎噪声控制系统两类。发动机噪声频率成分简单，研究起步较早，目前已经有成熟的产品，并且已在多个量产车型上应用，仅2018年北京车展上展出的车型就有别克昂科威、新君越，凯迪拉克XTS、CT6，本田思铂睿、CR-V、UR-V、第十代雅阁，英菲尼迪Q70L，福特蒙迪欧，林肯MKC、MKZ，讴歌CDX等。路面-轮胎噪声控制系统目前主要集中在研究和试验阶段，2018年韩国平昌冬奥会上，现代为其燃料电池汽车Nexo配置了主动噪声控制系统来降低其路噪。Bose在2019年1月的CES展上发布了其路噪主动控制系统并宣称预计在2021年底实现量产。
根据是否需要参考传感器，车内噪声主动控制系统可以分为前馈控制系统和反馈控制系统，典型的车内噪声前馈主动控制系统示意图如图2所示。
图2 车内噪声前馈主动控制示意图
发动机噪声主动控制系统主要由四部分组成
(1) 参考传感器，为控制器提供与车内噪声相关的参考信号，一般为转速传感器。需要指出的是只有前馈控制系统需要参考传感器，反馈控制不需要。
(2) 误差传感器，用来实时监测车内噪声，为控制器提供输入，一般为声压传感器。为了在降噪性能和成本之间取得平衡，现有的商用化汽车噪声主动控制系统使用3个或4个误差传感器比较常见。例如别克昂科威的发动机噪声主动控制系统中有三个麦克风作为误差传感器，两个分别位于前排顶棚把手处，一个位于后排顶棚中央，如图3和图4所示。
(3) 主动噪声控制器，接收来自参考传感器和误差传感器的信号，根据控制目标和控制算法自动生成驱动信号，驱动执行器(一般为车内扬声器)工作，控制器是整个系统的核心。
(4) 执行器，将控制器产生的驱动信号转换为声信号，与车内初级噪声(不想听到的噪声)发生相消干涉，从而达到控制车内噪声的目的，执行器一般为车内扬声器。
图3 别克昂科威前部误差传感器布置图
图源：别克中国官网
图4 别克昂科威尾部误差传感器布置图
图源：别克中国官网
发动机噪声主动控制系统系统主要由四部分组成
(1) 参考传感器，为控制器提供与车内噪声相关的参考信号，一般为转速传感器。需要指出的是只有前馈控制系统需要参考传感器，反馈控制不需要。
(2) 误差传感器，用来实时监测车内噪声，为控制器提供输入，一般为声压传感器。为了在降噪性能和成本之间取得平衡，现有的商用化汽车噪声主动控制系统使用3个或4个误差传感器比较常见。例如别克昂科威的发动机噪声主动控制系统中有三个麦克风作为误差传感器，两个分别位于前排顶棚把手处，一个位于后排顶棚中央，如图3和图4所示。
(3) 主动噪声控制器，接收来自参考传感器和误差传感器的信号，根据控制目标和控制算法自动生成驱动信号，驱动执行器(一般为车内扬声器)工作，控制器是整个系统的核心。
(4) 执行器，将控制器产生的驱动信号转换为声信号，与车内初级噪声(不想听到的噪声)发生相消干涉，从而达到控制车内噪声的目的，执行器一般为车内扬声器。
5.发动机噪声主动控制效果
与路噪相比，发动机噪声频率成份比较简单，主要由发动机点火频率及其谐波组成，噪声频率与发动机转速严格相关，因此控制起来相对比较容易，图5为四缸发动机噪声典型频谱。图6为车辆定置发动机转速为1300 RPM时驾驶员右耳处声压信号时域波形图。图6中主动控制系统的状态为关闭—打开—关闭，由图6可知驾驶员右耳处的声压在发动机噪声主动控制系统打开时大大降低，幅值大约降低到原来的一半。图7为与图6对应的A计权声压级，从图7中可以看出，驾驶员右耳处的声压级在主动控制系统打开时降低了约5dB(A)。
图5 4缸发动机噪声典型频谱
图6 发动机主动噪声控制系统打开和关闭时声压对比图
图7 发动机主动噪声控制系统打开和关闭时声压级对比图
从测试数据上来看，汽车发动机噪声主动控制系统有非常明显的降噪效果，但最终效果还是需要通过人耳主观感受来评价，毕竟所有的NVH工作是为人服务的。笔者实车体验了某发动机噪声主动控制系统，当系统打开时，车内噪声有非常明显的改善，压耳感完全消失。
参考文献
庞剑, 谌刚, 何华. 汽车噪声与振动: 理论与应用. 北京: 北京理工大学出版社, 2006.
Abe T, Clapper M L, Mccarthy M W, et al. Sound Quality in automobiles - Brand "DNA" Approach and Development Techniques. The 18th International Congress on Acoustics, 2004.
庞剑. 汽车车身噪声与振动控制. 机械工业出版社, 2015.
Li M, Duan J, Lim T C. Active Noise Cancellation Systems for Vehicle Interior Sound Quality Refinement. Recent Patents on Mechanical Engineering, 2010, 3: 163-173.
刘锋, 吴鸣, 杨军. 量产车型噪声主动控制系统性能实测与分析. 汽车工程, 2019, 41(06): 676-681+710.
Wang X. Vehicle noise and vibration refinement. Boca Raton: Woodhead Publishing, 2010: xiii, 434 p.
Liu F, Mills J K, Dong M, et al. Active broadband sound quality control algorithm with accurate predefined sound pressure level. Applied Acoustics, 2017, 119: 78-87.
Wang Y, Gu L, Liu F, et al. An adaptive algorithm for nonstationary active sound-profiling. Applied Acoustics, 2018, 137: 51-61.
页:
[1]