挑戰：

亞琛工業大學(RWTH) 使用高級計算工具用于幫助研發人員開發高效工具以優化電動汽車的噪聲性能。

方案：

SIMULIA 旗下 Abaqus,Simpack 和 Isight 提供與內部工具的快速集成，用于進行仿真、結構動力學和過程自動化，以幫助確定噪聲出現的部位。

收益：

該大學正在積累非常有用的數據, 并和領先的汽車制造商合作, 用于改善電動汽車的聲學性能, 使產品對消費者更具吸引力, 并促進更環保汽車的推廣。

當你外出散步，一輛電動汽車在你身后行駛時，你可能會感到意外。你能聽到的只有輕柔的嗡嗡聲，或者還有路面上輪胎的胎噪聲。當然，這比內燃機汽車的外部噪聲要小很多。

但具有諷刺意味的是，電動汽車的行駛安靜使駕駛員和乘客能聽到更多的發生在車內的噪聲。敲擊、擠壓和振動等噪聲和異響在內燃機汽車中可以被掩蓋，但在電動汽車中會變得更加明顯。更重要的是，在某個速度行駛時，這種電動汽車獨特的嗡嗡聲會放大到整個車內，達到明顯被人討厭的程度。

那么汽車工程師該怎么做呢？對于德國亞琛工業大學的一組研究人員來說，答案是使用仿真和系統工程來發現電動汽車隱藏的噪聲源并探索減輕它們的方法。

尋找電動汽車噪聲產生的原因

亞琛工業大學（RWTH Aachen）的博士生Pascal Drichel團隊致力于開發用于車輛振動噪聲（即NVH）性能的分析、優化和評估的方法和模型。SIMULIA解決方案是他們進行FEA和多體仿真的關鍵工具。他們還進行現場測試用于參數設定以及組件、裝配體和系統級模型的驗證。

Drichel是該大學機械工程學院機械元件與系統工程研究所（MSE）驅動技術部門NVH小組的負責人。大約六年前，當他來到研究所時，他已經掌握了仿真方面的專業知識。“十多年前，我開始和使用Abaqus和Simpack軟件。”他回憶道，“當我在2007年開始學習時，我作為研究所的學生使用這兩款軟件進行動態仿真，并且還在一家大型德國汽車OEMs實習，為電驅動汽車進行整車仿真。”

去OEM實習適用于RWTH Aachen的積極學生。該大學具有與各類主流行業密切合作的理念。就MSE研究所而言，它與風電制造商（他們也對傳動系技術感興趣）以及汽車制造商保持緊密聯系。好處是雙向的：在Drichel團隊目前的研究中，與德國領先的驅動技術公司合作，在德國動力傳動工程研究協會（FVA）協調下，提供真實世界的數據，以與工程師的模型進行比較。

這是一項正在進行中的工作，Drichel指出。“車輛不斷增加的電氣化，例如e.Go, 大眾 E-Golf 和Tesla Model 3，帶來關于NVH性能新的挑戰。”他說，“虛擬產品開發方法正變得非常有助于解決這些問題，我們正在努力進一步改進用于評估和優化不同傳動系產品的工具。”

傳動系統研究

為什么傳動系統（向驅動輪提供動力的一系列組件）是亞琛團隊工作的主要關注點？因為它對聲音控制非常重要：無論電機本身多么安靜，從它開始的聲音激勵通過變速器、差速器、傳動軸、車軸等部件傳遞到汽車內部，都會導致振動和其它噪聲的產生條件，電動汽車需要減輕這種問題。

“處理與傳動系相關的NVH問題是一項具有挑戰性的工程任務。” Drichel說，“要求工作在一個高度復雜的系統中，通常涉及不同的多物理領域。”為了理解傳動系中潛在的噪聲發生器的整體情況，Drichel團隊使用多領域混合方法，包括仿真和測量組件，研究電學、結構動力學和噪聲，其中核心部分是傳動系的多體動力學模型。

電磁學：該小組正在開發一種模型，用來描述變頻（inverter-fed）電機的激勵力。這包括解析和數值兩種建模方法，用于計算效率高的力計算。解析建模法使用激勵表和保角映射（conformal mapping）得到的數據，而數值建模使用有限元方法。對力-激勵譜進行分析，以確定最主要的且下一步應該著重處理的影響因素。

電磁分析

結構動力學:該小組已經創建了他們自己的用戶子程序，用于把之前確定的電磁力施加到傳動系上。傳動系組件的Abaqus FEA 模型包括所有的柔性箱體和傳動軸。這些子模型和Simpack多體仿真模型相結合，使自由度數量顯著減少。這樣建立了一個高效的模型，很多不同的工況可以快速仿真。研究對象包括定子的橫向各向同性性能、定子箱體與冷卻劑的流固耦合，以及非線性軸承剛度。

結構動力學分析

聲學：電動汽車完整的聲學性能必須同時包括空氣和結構噪聲。一旦建立了傳動系仿真，就可以使用內部聲學工具計算來自整個傳動系的輻射空中聲音。這樣可以使用傳遞路徑合成法外推得到車廂內噪聲。在不同的電機轉速和裝置調整（避免引起激勵和過大噪聲）下研究系統的共振效應。可以進行客觀以及產生的“耳朵信號”主觀評價，評估電動汽車設計中傳動系幾何結構的改變如何影響總體噪聲水平。

聲學分析

SIMULIA是解決問題的關鍵

“在很多工作中，Simpack和Abaqus是我們常用的工具。”Drichel說，“從研究的角度來看，我們喜歡將最先進的非線性求解器、不斷得到改進和擴展的經過驗證的建模元件庫和用戶子程序功能結合在一起。用戶子程序是非常強大的特性，因為它允許把我們自己的子分析思想融入到軟件中。”

最近，團隊也開始使用Isight進行過程自動化和優化。“在這個為期三年項目的第一階段，我們沒有使用Isight，手動將所有東西集成在一起真的很痛苦。”Drichel說。“在第二階段，我們決定使用Isight讓一切變得更加自動化。現在我們可以將不同的軟件工作流程結合在一起，這在我們的環境中尤其重要，因為我們要分析的領域太多了。”

Drichel指出，多體、多尺度的仿真和過程自動化使產品開發人員能夠在設計系統過程中快速地獲取對系統的深刻理解。“現代方法允許對電動汽車傳動系的系統仿真采取整體方法，這要求認識、理解并開發面向特定工程問題（其特點是部件和子系統之間的相互作用）的解決方案。”

電動汽車的電機和傳動系是噪聲獨特的來源

“提供工具和模型實現電動汽車傳動系噪聲本質問題的研究，這是一個有趣的挑戰。”他說。“這種能力對于汽車行業來說是非常重要的，他們可以花更多的時間來開發汽車，而不用研究該流程！”

成果幫助汽車行業發展

OEM合作伙伴當然對這些結果感興趣。“有了我們開發的‘混合多領域工具鏈’，汽車工業將能夠進行‘熱點’分析，使得他們能夠識別特定速度下的共振效應。”Drichel說。“同時，又幫助他們優化由電傳動系統引起的汽車內部噪聲，使電動汽車更舒適，對潛在的買家更有吸引力。”

心理聲學

該研究所團隊的下一個研究目標有兩個：第一，增加所有領域的模型保真度，以便在測量和仿真數據之間實現更好的相關性；其次，為了平衡結果精度和計算時間，使用“心理聲學”度量來分析不同的模型保真度，以適應人類用戶對聲音的感知。對聲音的主觀評價是一項復雜的挑戰，因為它取決于響度、清晰度和音調，尤其是所有這些都根據聲音來自車輛內不同的地方而變化。

顯然，Drichel很喜歡自己團隊項目的復雜性，但是他有自己的電動車嗎？“我想買輛電動車，但是現在對我來說太貴了。”他說。同時，作為一個自稱的“激情駕駛員”，他駕駛寶馬M3系列E46汽車上班。“這是一輛漂亮的車。”他自豪地說。聽起來，Drichel和他的同事們在RWTH Aachen進行的這項研究將有助于使未來的電動汽車更安靜，更實惠。

審核編輯 黃昊宇