重型商用车驱动桥振动噪声分析

针对某重型商用车驱动桥,对其在60km/h匀速行驶工况下进行了振动噪声预测分析;通过桥壳模态分析、驱动桥瞬态响应分析、桥壳频率分析得到驱动桥的振动情况,根据上述结果进行噪声分析,找出了桥壳噪声主要辐射部位,并对噪声声压级进行预测估计。结果表明：驱动桥噪声产生的直接原因是驱动桥表面的振动,该振动是由齿轮啮合时产生的各种动态力引起的,驱动桥噪声的主要辐射部位为桥壳后盖。提出了桥壳改进方案,并进行了仿真验证,结果表明对桥壳后盖加十字胫的方案能有效控制噪声。     

车内噪声品质的主观评价试验与客观量化描述

以4种类型轿车在不同档位和车速下匀速行驶时副驾驶员耳旁噪声采集样本为评价对象,对车内噪声品质用等级评分和成对比较两种方法进行了主观评价试验,分析计算了各噪声样本的主要心理声学客观参数,并通过相关分析和多元回归分析,建立了以客观参数描述主观评价结果的数学模型。研究结果表明,稳态工况下轿车车内噪声品质主要受响度和尖锐度两个心理声学参数影响。     

基于GRNN的车内噪声品质预测

以8辆不同类型轿车的4种不同车速匀速行驶时采集到的32个车内噪声样本为研究对象,以响度、尖锐度、粗糙度和抖动度4项心理声学客观参量作为输入,以主观评价团对车内噪声的舒适度打分作为输出,分别使用广义回归神经网络、BP神经网络和多元线性回归分析建立车内噪声品质预测模型并对声品质进行预测。三种方法的预测结果表明:广义回归神经网络相对于其他两种方法具有更高的准确度,相对预测误差为-7%～7%,较多元线性回归分析能更准确地描述客观评价参量与主观舒适度之间的非线性关系,并且较BP神经网络具有更高的准确度及稳定性。     

基于响应面法的车内噪声分析与优化

利用Hypermesh建立某车声固耦合模型,在发动机激励下对车内噪声进行预测分析.利用板件贡献度分析得出峰值频率下贡献度大的板件,将其厚度作为设计变量.通过拉丁超立方试验设计,构造出质量和峰值频率下声压响应的响应面模型;通过Hammersley抽样对构造出的响应面进行误差分析,选出最优响应面模型.根据最优响应面模型以质量最小为目标,峰值声压、车身弯曲刚度和扭转刚度为约束条件进行遗传算法优化,并通过有限元模型验证了优化结果以及响应面法对提高车身优化效率的有效性,车内噪声得到控制.     

基于声压灵敏度分析的轿车车内低频噪声优化

建立了含门窗的车身结构有限元模型、车内声场有限元模型及结构-声场耦合模型,进行了车内耦合声场预测。建立了车内声场声压灵敏度分析模型,研究了声场边界导纳和壁板振动速度的声压灵敏度,并根据分析结果优化了关键板件的加强筋和厚度,优化后车内声压主要峰值降低2~3 dB(A)。     

基于OPAX方法的车内噪声传递路径分析

为提高乘车的舒适性,有效合理地降低车内振动和噪声已成为乘用车研究重点内容之一。传递路径分析(Transfer Path Analysis,TPA)是提高整车噪声、振动及声振粗糙度(Noise Vibration Harshness,NVH)性能的一种有效方法。针对某SUV车内噪声问题,基于OPAX(Operational-X Transfer Path Analysis)方法,利用工况数据辅以系统频响函数,进行工作载荷的识别,从而获得动力总成振动影响车内噪声的传递路径贡献量。结果表明,右悬置的隔振效果差。与偏相干分析结果进行对比,结论一致。     

基于近场声全息的车内噪声贡献量

在声场的声源信息未知的情况下,基于近场声全息技术提出了一种对汽车车内声场进行声源识别、声场预测及声学贡献分析的方法。因为汽车车内噪声等不满足自由声场的情况,分析了存在反射情况的声场预测方法。最后,通过算例对反射声场中声源识别、声场重建及声学贡献进行了研究,取得了满意的结果。研究表明,将近场声全息技术用于声贡献量分析相对于传统方法有明显优势。     

商用车噪声实验与抑制分析

目前国产商用车噪声普遍高于国外商用车.根据汽车加速行驶车外噪声、定置排气噪声和驾驶室内噪声的实验方法,对国产某款商用车与国外同类型的标杆车进行测试对比,确定了国产商用车驾驶室隔声量不足是加速通过车外噪声过大的主要原因,并提出了采用吸声材料对驾驶室进行降噪优化.实验结果表明:降噪优化后国产商用车驾驶室的平均隔声量有所提高,整车加速通过噪声下降了1.3 dB(A).     

基于发动机激励的车内振动和噪声阶次分析

为了研究发动机激励对车内振动和噪声的影响,通过对某款国产乘用车进行振动和噪声测试实验,采集加速工况下的发动机悬置振动信号和车内振动与噪声信号,利用阶次分析方法对信号进行数据处理,分析车内振动和噪声产生的原因.通过计算各个悬置的隔振率,分析悬置隔振性能对车内振动和噪声的影响.结果表明,左悬置和右悬置隔振性差是引起车内振动的主要原因,后悬置振动是引起车内噪声的主要因素,发动机激励传递到悬置系统产生的振动是引起车内振动和噪声的主要原因.     

增程式电动客车车内噪声分析

随着增程式电动汽车(EREV)方案在轿车和大型公交客车的成功应用,加之良好的燃油经济性和动力性,使其得到越来越多的关注.由于增程式电动汽车的结构形式和整车控制系统均不同于混合动力汽车(HEV)以及纯电动汽车(BEV),对其NVH特性进行分析研究正逐渐成为增程式电动车技术研究重点.以某款增程式电动客车为研究对象,针对该客车3种不同的工作模式:纯电动工作模式、增程式工作模式,低压给电模式,分别以车内噪声为研究内容,分析其结构布置形式以及整车控制策略,并深入分析该车车内噪声的分布特征以及形成机理,为高声品质增程式电动车的设计提供崭新的思路.     

整车环境下商用车驾驶室模态刚度灵敏度

由于在整车环境下零部件之间存在复杂的耦合关系,大多数汽车零部件优化设计都局限于单个零部件设计。针对整车环境下汽车零部件的优化问题,引进了模态刚度的概念,定义了基于有限单元或单元组(超单元)的模态刚度灵敏度,推导了相应的计算方法。该方法已应用于整车环境下商用车驾驶室的模态刚度灵敏度分析。在计算中,建立了整车的三维有限元模型,并把驾驶室划分为15个超单元。所得的模态刚度灵敏度可直接用来改进驾驶室的结构设计。本文方法为在整车环境下汽车零部件的优化提供了简单有效方法。     

某轻型商用车驾驶室悬置的建模与优化

针对驾驶室悬置系统出现异常振动的问题,文章对驾驶室悬置系统进行了优化设计.首先通过试验分析得出驾驶室悬置在8.9Hz处的振动隔振效果不佳;其次,建立驾驶室悬置系统的仿真模型并对驾驶室悬置系统进行优化;最后开展实车试验,进行优化前后的振动性能对比分析.结果 表明优化方案的悬置系统显著的降低了驾驶室振动的加速度幅值.     

重型商用车驾驶室空气悬置系统的匹配优化

采用虚拟样机技术建立了重型商用车驾驶室空气悬置多刚体动力学仿真模型,通过道路试验对仿真模型进行了验证,分析了其模态特性及乘坐舒适性。以驾驶室悬置元件刚度、阻尼为因子,运用正交试验技术对驾驶室悬置系统参数进行了匹配优化,结果表明,采用优化后的驾驶室空气悬置参数可使驾驶室的乘坐舒适性有一定程度的提高。     

一种基于车辆噪声的速度测量方法

为了解决现代交通中的车速检测问题,提出了一种基于车辆噪声的速度测量方法。该方法通过采集单个车辆的噪声信号,运用傅里叶变换、开窗口等信号处理手段对其进行信号分析,根据车辆的速度与多普勒频移之间的关系估算车速。在特定条件下进行实验设计与验证,该方法可靠、有效。     

基于WT-SVD的汽车噪声抑制方法仿真

为了有效抑制汽车智能导航接收过程中音频信号里的汽车噪声,提出了一种基于小波变换和奇异值分解结合的双层滤波降噪方法,实现了对含有汽车噪声的接收信号信噪比的提高.先利用小波变换针对带噪音频进行滤波,然后对滤波后的带噪音频进行奇异值分解降噪.在此过程中针对含噪语音过长而无法直接进行奇异值分解,采用了分段处理方法;同时,为解决有效秩分离阶数确定的问题,使用奇异值方差法确定分离阶数.仿真实验结果表明,该方法简单易行,比传统音频降噪方法的增强性能更强,具有更好的效果和应用价值.     

基于纵向车速估算的商用车ABS神经网络滑模控制

针对商用车防抱死制动系统(ABS)控制中纵向车速难以直接获得,提出了强跟踪容积卡尔曼滤波(STCKF)算法对制动过程中的纵向车速进行估算。然后根据ABS控制需求,提出了商用车ABS神经网络滑模控制算法,利用滑模算法对ABS的滑移率进行控制,再利用神经网络对滑模控制器的参数进行自适应调节。最后通过Matlab/Simulink与TruckSim联合仿真,分别在高、中、低附着系数路面和对开路面上进行仿真验证。仿真结果表明:强跟踪容积卡尔曼滤波算法对纵向车速的估算较为精确,ABS神经网络滑模控制效果良好。     

基于模型预测的重型商用车侧翻预警算法

在建立商用车侧倾简化模型和确定动态侧倾阈值的基础上,开发了基于侧翻时间预测的重型商用车侧翻预警算法和一套能觉察翻车危险的实时侧翻预警控制器,并进行了实车场地试验验证。试验结果表明,本文算法可在控制器上运行,并能在车辆接近侧翻时及时提醒驾驶员采取相应措施,从而避免侧翻发生。     

基于制动舒适性的商用车EBS控制策略

基于商用车EBS系统,利用踏板速度辨识驾驶员非紧急制动意图;根据滑移率到达特定值时的附着系数实时识别路面状况;根据路面条件和驾驶员舒适感限值确定最大制动减速度值;并根据前后轴荷和质心位置,对车辆前后轴的制动力进行理想分配,从而建立了基于舒适性策略的EBS系统非紧急制动状态下的控制策略,并通过TruckSim与Simulink联合仿真的方法验证了控制效果。