基于AIWF-IL评价方法的汽车声学包性能优化

10.16638/ki.1671-7988.2019.19.026

基于AIWF-IL评价方法的汽车声学包性能优化

张天宇，邓江华，孟祥龙，霍俊焱

（中国汽车技术研究中心有限公司，天津300300）

摘要：文章通过优化汽车防火墙隔音垫声学性能，有效提升了车内声品质。首先建立了防火墙的统计能量分析（SEA）模型，通过隔音垫仿真数据与插入损失（IL）实验数据的比较，验证了防火墙SEA 模型的准确性。然后提出一种声学包性能评价指标，通过建立近似模型的优化方法，对隔音垫声学包性能进行优化。优化后，防火墙的AIWF-IL数值提升了20.9%，驾驶员头部腔到发动机腔的ATF平均降低1.5dB，驾驶员头部声腔的语音清晰度提升1%。

关键词：统计能量分析；声学包；插入损失；语音清晰度；近似模型

中图分类号：U462 文献标识码：A 文章编号：1671-7988(2019)19-72-04

Performance Optimization of Acoustic Package for Automobile Based

on AIWF-IL Index

Zhang Tianyu, Deng Jianghua, Meng Xianglong, Huo Junyan

（China Automotive Technology&Research Center Co. Ltd, Tianjin 300300）

Abstract: In this paper, by optimizing the acoustic performance of the automobile firewall innerdash pad, the sound quality of the car is effectively improved. In this paper, the statistical energy analysis (SEA) model of firewall is established.The accuracy of the firewall SEA model was verified by comparing the simulation data of acoustic insulation pad with the insertion loss (IL) experimental data. Then, an evaluation index of acoustic package performance is proposed, and the acoustic package performance is optimized by establishing an approximate model. After optimization, the IL of firewall was improved by 4dB on average, the A TF of driver head cavity to engine cavity was reduced by 1.5dB on average, and the speech articulation of driver head cavity was improved by 1%.

Keywords: SEA; Acoustic Package; IL; AI index; Approximate model

CLC NO.: U462 Document Code: A Article ID: 1671-7988(2019)19-72-04

1 介绍

汽车防火墙在整车声学包作用中主要起到隔绝外部声源透入声的作用，其隔声性能的优劣将会直接影响到整车车内高频噪声水平[1-5]。防火墙的隔声性能不仅取决于所使用材料自身隔声性能外，还与其设计状态的覆盖水平、厚度分布水平等直接相关。对于防火墙传递损失（IL）分析和声学包设计，通常选择统计能量分析法（SEA）。

在防火墙插入损失IL评价中，一般采用各频带数值比较法，但此方法只能粗略判别大致水平，且此指标只可对单频带进行性能大小评价，无法整体评价对语音清晰度的影响效果。本文结合语音清晰度算法计权系数，提出AIWF-IL （Articulation Intelligibility Weight factor-IL）作为评价语音清晰度变化的指标，此方法可有效评价声学包设计对语音清晰度提升的影响。并将AIWF-IL作为优化目标，通过建立近似

作者简介：张天宇，本科，NVH研发工程师，就职于中国汽车技术研究中心有限公司。

72

张天宇 等：基于AIWF-IL 评价方法的汽车声学包性能优化

73

模型的优化方法，进行声学包优化。最后将优化后的声学包应用于整车SEA 模型，验证了整车内部降噪效果。

2 防火墙隔声量的实验与仿真

防火墙隔声量测试一般在混响-消声室实验室中进行，其结构如图1所示。

图1 混响-消声室结构

建立防火墙的SEA 模型，并定义声源室和接收室空腔，模拟实验室测试环境，并对空腔子系统与防火墙进行连接，以实现空气声的传递，如图2所示。

图2 防火墙隔声量仿真模型

模型声学包定义采用MNCT 方法定义[6]，通过分析声学包3D 数模不同厚度占比，得到的厚度分布如图3所示。然后结合声学包对应厚度下的平板件插入损失性能数据，生成表征声学包的MNCT 模型。

图3 声学包厚度分布

图4 内前围插入损失对比

在声源侧定义单位声压声激励，获得防火墙钣金件及防火墙+内前围的传递损失，进而获得内前围成形件的插入损失，结果如图4所示。结果表示，内前围的实验插入损失与仿真插入损失误差在1dB 左右，故可知SEA 模型在400~ 8000Hz 范围内满足计算精度要求，可用于声学包优化。

3 AIWF-IL 指标评价方法

3.1 语音清晰度影响分析

语音清晰度（AI ）是用来评价在噪声环境下讲话的清晰程度，这个参数用百分数表示，当完全听得清楚讲话时数值为100%，完全听不清时为0%，通过此数值可量化判别特定

环境下的声品质水平[7]。

AI 算法定义如下：

（1）

式中，D(f ）为与上限噪声UL(f ）、下限噪声LL(f ）相关的差值，本文不详细描述；同时说话声音是与频率有关的，这样就引入一个计权系数W （f ），具体参数如图5所示。

图5 语音清晰度计权系数

分析AI 算法定义可知，对AI 影响的主要有两个因素：声压级与上下限差值D （f ）、计权系数W （f ）。如果D （f ）处于上、下限范围之内，其对AI 的影响是线性的；而W （f ）则是一个随频带变化的数值，权重更侧重于中高频，也就是声学包起到降噪效果的频带。故可得结论，计权系数W （f ）是语音清晰度（AI ）数值变化的主要因素，在声学包设计需重点考虑。

3.2 制定AIWF-IL 指标评价方法

在防火墙插入损失IL 评价中，一般采用各频带数值比较法，但此方法只能粗略判别大致水平，如果性能在不同频带存在增、减相反的趋势，则无法准确评估各频带插入损失IL 变化对车内语音清晰度改善情况；同时考虑人耳对噪声各频带感知水平不同，无法采用插入损失IL 取各频带均值的方法进行评价。

针对上述问题，本文结合语音清晰度算法中的主要影响

因素，提出AIWF-IL 指标，可对防火墙隔声水平进行有效评价，其定义如下：