基于聲品質(zhì)貢獻(xiàn)因子的發(fā)動(dòng)機(jī)懸置優(yōu)化*

曾發(fā)林，胡 楓

（1.江蘇大學(xué)汽車工程研究院，鎮(zhèn)江 212013； 2.江蘇大學(xué)汽車與交通工程學(xué)院，鎮(zhèn)江 212013）

前言

隨著時(shí)代的發(fā)展，汽車乘坐舒適性已成為人們購車的重要考量指標(biāo)，這對車輛NVH性能提出了更高的要求。由于傳統(tǒng)的以聲壓級為指標(biāo)的噪聲評價(jià)標(biāo)準(zhǔn)無法準(zhǔn)確反映乘坐者對車內(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。目前，聲品質(zhì)的評價(jià)尚未有統(tǒng)一的評價(jià)標(biāo)準(zhǔn)，奧地利AVL公司提出了聲壓級、綜合級參數(shù)、周期性測量、響度、尖銳度、粗糙度、脈沖度和聲壓分布等8類客觀聲學(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)評價(jià)和預(yù)測模型并分析其優(yōu)劣性［3］。

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

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

針對上述問題，本文中開展了相關(guān)研究，基本分析流程如下：

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

（2）選擇較易實(shí)現(xiàn)非線性分析的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)測模型；

（3）由于發(fā)動(dòng)機(jī)振動(dòng)為車輛結(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，懸置參量優(yōu)化后的振動(dòng)傳遞路徑，可有效降低煩躁度，提高車內(nèi)聲音品質(zhì)。

1 車內(nèi)噪聲TPA分析

車內(nèi)噪聲主要來源有空氣和結(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傳遞函數(shù)會產(chǎn)生較大誤差［5］，為更精確地確定結(jié)構(gòu)路徑對應(yīng)的車內(nèi)噪聲情況，本文中相關(guān)試驗(yàn)均在整車半消聲室內(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，在樣車上按圖1所示的形式進(jìn)行信號發(fā)生器和傳聲器的布置。

利用LMS Test.lab軟件對信號進(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)

圖1 空氣路徑信號發(fā)生器和傳聲器布置形式

圖2 發(fā)動(dòng)機(jī)上表面輻射噪聲傳遞函數(shù)

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

發(fā)動(dòng)機(jī)振動(dòng)傳遞路徑主要包括振動(dòng)激勵(lì)通過發(fā)動(dòng)機(jī)懸置系統(tǒng)傳遞至車身和車身板件振動(dòng)向車內(nèi)輻射噪聲兩段，根據(jù)樣車所用三點(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；ai，body為懸置結(jié)構(gòu)與車身連接端的振動(dòng)加速度信號；Pi，ear為車內(nèi)參考點(diǎn)的噪聲信號。

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)端和連接車身的被動(dòng)端）和車內(nèi)參考點(diǎn)分別布置三向加速度傳感器和傳聲器，通過力錘敲擊相應(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)和右懸置與車身連接處到車內(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 右懸置與車身連接點(diǎn)至車內(nèi)參考點(diǎn)傳遞函數(shù)

按此測試方法，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)確性和滿足后續(xù)研究的需求，在整車半消聲室轉(zhuǎn)鼓試驗(yàn)臺上模擬車輛平直路面行駛狀態(tài)?？紤]到發(fā)動(dòng)機(jī)噪聲在車速100 km／h以下時(shí)才是車內(nèi)噪聲的最主要來源［6］，根據(jù) GB／T 18697—2002《聲學(xué)—汽車車內(nèi)噪聲測量方法》［7］，本文中模擬了怠速、20、40、60和80 km／h行駛工況，通過各工況2次15 s的采集，記錄相應(yīng)的各激勵(lì)源信號和駕駛員右耳旁噪聲信號。

在TPA模塊中將各激勵(lì)源信號與所測對應(yīng)路徑傳遞函數(shù)相結(jié)合，合成出車內(nèi)噪聲信號，并與實(shí)測信號進(jìn)行對比。圖5和圖6分別為整車轉(zhuǎn)鼓試驗(yàn)和怠速工況下車內(nèi)噪聲合成與實(shí)測信號對比。

由圖6可見，合成信號的頻譜分布和變化趨勢與實(shí)測信號基本吻合，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，合成信號具有較好的擬合精度，所測傳遞函數(shù)可應(yīng)用于后續(xù)研究中。

圖5 整車轉(zhuǎn)鼓試驗(yàn)

圖6 怠速工況車內(nèi)合成噪聲與實(shí)測信號對比

2 車內(nèi)聲品質(zhì)預(yù)測

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

2.1 客觀聲學(xué)參數(shù)與主觀評價(jià)

為使聲品質(zhì)與TPA的結(jié)合更具參考性，對噪聲樣本進(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)測模型的輸入，并以煩躁度作為評分指標(biāo)，采用等級評分法進(jìn)行主觀評價(jià)試驗(yàn)。

共有30位高校相關(guān)專業(yè)碩士和博士研究生對30個(gè)聲音樣本進(jìn)行聽音打分，其中男性18人，女性12人，年齡在23～30歲之間?？紤]到部分人員聽音經(jīng)驗(yàn)較少，對評價(jià)等級進(jìn)行簡化，評價(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)

由于評價(jià)樣本較多，且部分人員聽音經(jīng)驗(yàn)較少，須對評價(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：

表1 主觀試驗(yàn)評價(jià)表

表2 客觀聲學(xué)參數(shù)及主觀評價(jià)結(jié)果

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

通過計(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)評價(jià)結(jié)果，將剩余27人的煩躁值評價(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，可見響度、尖銳度、粗糙度與煩躁度之間均有超過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，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)局部極小的問題，引入輪盤賭選擇法，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)測值與實(shí)測值誤差分別為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)測模型具有較高的準(zhǔn)確性，可作為噪聲聲品質(zhì)的客觀評價(jià)依據(jù)。

圖9 聲品質(zhì)預(yù)測模型檢驗(yàn)

3 車內(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在24 Bark尺度下的特征響度積分所得，說明噪聲信號是計(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)測模型，完成了車內(nèi)噪聲結(jié)構(gòu)傳遞路徑對煩躁度的貢獻(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)證通過傳遞函數(shù)合成的車內(nèi)噪聲與實(shí)測噪聲基本一致，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，本文中通過傅里葉逆變換（inverse Fouriertransform，IFT）將合成的噪聲頻域信號轉(zhuǎn)換為時(shí)域信號。IFT基本原理如式（6）所示。

作為初始輸入通過計(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比結(jié)果如表3所示。

表3 右懸置路徑噪聲客觀參量與總噪聲客觀參量對比

由表可見，與總噪聲等于各路徑貢獻(xiàn)噪聲的線性疊加不同，各路徑與總的聲品質(zhì)客觀參量存在非線性的關(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，本文中通過分析比較各路徑對應(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的非線性關(guān)系，為從感知上來統(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：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，而對右懸置參數(shù)進(jìn)行優(yōu)化。

表4 各工況下各路徑聲品質(zhì)貢獻(xiàn)因子

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，不能簡單地通過調(diào)整懸置參數(shù)來降低傳遞函數(shù)某一頻段的幅值來實(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)化目的的兩級優(yōu)化策略，具體操作流程如圖10所示。

圖10 優(yōu)化方案

4.1 遺傳算法

遺傳算法是模擬生物遺傳和進(jìn)化過程而建立起來的一種全局尋優(yōu)算法。由于其不依賴于梯度問題，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)雜非線性問題［10］。本文中基于遺傳算法對非線性問題的全局搜索能力，對懸置參數(shù)和傳遞函數(shù)進(jìn)行優(yōu)化，以改善車內(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的時(shí)域信號幅值為變量，變化量為-0.1～0.1 Pa，將其輸入編寫的聲品質(zhì)客觀參量計(jì)算和聲品質(zhì)預(yù)測模型，獲得相應(yīng)的煩躁度值，挑選出與優(yōu)化目標(biāo)煩躁度值對應(yīng)的噪聲信號。

由于噪聲信號與客觀參量和客觀參量與煩躁度均為非線性關(guān)系，須對計(jì)算所得多個(gè)符合優(yōu)化目標(biāo)的噪聲信號進(jìn)行篩選。考慮到結(jié)構(gòu)噪聲的影響范圍主要集中在中低頻段，故以頻域信號中低頻段（50～500 Hz）RMS值最小為目標(biāo)，利用遺傳算法對符合優(yōu)化目標(biāo)的噪聲信號進(jìn)行篩選，確定優(yōu)化后的路徑噪聲頻域信號，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，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，通過懸置參數(shù)的優(yōu)化來獲得改善車內(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，獲得無耦合的懸置元件運(yùn)動(dòng)方程，同時(shí)忽略對傳遞函數(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)化控制對象，簡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)域信號代入式（10），可得各采樣時(shí)刻對應(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值的相對誤差最小?？紤]到樣車內(nèi)部布置空間的限制和對懸置系統(tǒng)固有頻率的控制，對優(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，通過仿真計(jì)算，獲得了5個(gè)優(yōu)化kz值及其對應(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)的對比。由圖可見，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值相對誤差為2.1%，說明優(yōu)化程序具有較高的準(zhǔn)確性和有效性。

表5 優(yōu)化變量約束

表6 優(yōu)化kz值及其對應(yīng)的傳遞函數(shù)

圖15 60 km／h工況優(yōu)化傳遞函數(shù)

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，故選取60 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向路徑對應(yīng)的車內(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：通過優(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，說明傳遞函數(shù)的優(yōu)化減弱了該路徑對總煩躁度的影響。通過檢驗(yàn)，證明優(yōu)化方案取得了較好的效果。

表7 優(yōu)化前后右懸置Z向路徑聲品質(zhì)貢獻(xiàn)因子

5 結(jié)論

（1）通過傳遞函數(shù)測試和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)測模型，通過聲品質(zhì)貢獻(xiàn)因子計(jì)算，直觀地反映了結(jié)構(gòu)噪聲傳遞路徑對煩躁度的貢獻(xiàn)情況和聲音掩蔽效應(yīng)對聲品質(zhì)的作用，得出右懸置Z向路徑對煩躁度影響較大，并確定了對該路徑對應(yīng)煩躁度的優(yōu)化目標(biāo)；

（3）制定兩級優(yōu)化方案，先通過遺傳算法搜索與目標(biāo)煩躁度相對應(yīng)的右懸置Z向傳遞函數(shù)，再通過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，通過兩級優(yōu)化獲得的右懸置Z向靜剛度及其傳遞函數(shù)有效地降低了車內(nèi)總噪聲所引起的煩躁度，提高了車內(nèi)聲品質(zhì)，證明本文中所制定的研究內(nèi)容和優(yōu)化方案對提高車輛乘坐舒適性有著重要的意義，為懸置參數(shù)優(yōu)化提供了新的參考思路。