电机NVH分析(电磁激振力)

分类: 電磁場解析 | 综合版 2026-04-11
Motor NVH electromagnetic force analysis - radial force harmonics and stator vibration mode shapes
モータNVH解析:電磁加振力による径方向力高調波とステータ振動モードの可視化

理论与物理

为何EV中电机噪音会成为问题

🧑‍🎓

EV本应很安静,为什么电机声音会成为问题呢?

🎓

正因为没有发动机声音,电机引起的高频音(嗡嗡声、尖锐声)反而变得突出。特别是电磁激振力的48阶分量出现在2~4kHz时,会令人不适。特斯拉Model 3的早期型号也因此出现问题。

🧑‍🎓

48阶分量是什么?为什么这么特定的阶次会成为问题?

🎓

“阶次”是指电磁力频率相对于电机转速的倍数。例如,对于48槽的电机,48阶会成为最主要的激振力分量。如果电机以5,000 rpm旋转,48阶分量的频率就是 $48 \times \frac{5000}{60} = 4{,}000\ \text{Hz}$。这正好落在人耳最敏感的2~4kHz频带内。

🧑‍🎓

原来如此,在高速公路巡航速度下正好会变成令人不适的频率。这在发动机车上不会引起注意吗?

🎓

发动机声音是宽频带的宽带噪声,能够“掩蔽”特定频率的纯音。EV中这种掩蔽效应消失了,因此电机的音调噪声(纯音性噪音)会像刺入驾驶员耳朵一样被感知。日产Leaf的早期型号也曾因加速时的“尖锐”声而成为话题。

径向电磁力基础

🧑‍🎓

电机内部是如何产生那种激振力的呢?

🎓

气隙中的磁通密度 $B_r(\theta, t)$ 对定子齿面施加径向压力。这是麦克斯韦应力张量的径向分量,由下式表示:

$$ F_r(\theta, t) = \frac{B_r^2(\theta, t)}{2\mu_0} $$

其中 $B_r$ 是气隙的径向磁通密度,$\mu_0 = 4\pi \times 10^{-7}$ H/m 是真空磁导率。由于与磁通密度的平方成正比,磁通密度中包含的基波 $f_1$ 分量之间的乘积会产生 $2f_1$ 的激振力,不同谐波 $f_m$ 和 $f_n$ 的乘积会产生 $f_m + f_n$ 以及 $|f_m - f_n|$ 的分量。

🧑‍🎓

因为是平方运算,所以频率分量会增加。就像吉他的失真效果一样吗?

🎓

很好的比喻。原理确实与非线性处理产生谐波相同。从实践角度看,重要的是将气隙磁通密度展开为空间谐波和时间谐波的乘积。磁通密度通常可以写成:

$$ B_r(\theta, t) = \sum_{\nu} B_\nu \cos(\nu \theta - \omega_\nu t + \varphi_\nu) $$

其中 $\nu$ 是空间谐波的阶次,$\omega_\nu$ 是对应的角频率。$\nu = p$(极对数)是基波,$\nu = p \pm kQ_s$($Q_s$: 槽数,$k$: 正整数)是槽引起的谐波。

力的阶次(Force Order)与模态

🧑‍🎓

能再详细讲讲那些谐波是如何导致定子振动的吗?

🎓

不同空间阶次 $\nu_1$ 和 $\nu_2$ 的磁通密度分量相乘,决定了径向力的力模态阶次(circumferential mode order) $r$:

$$ r = |\nu_1 \pm \nu_2| $$

这个 $r$ 对应定子的振动模态(圆周方向的变形模式)。$r = 0$ 是呼吸模态(定子均匀膨胀/收缩),$r = 2$ 是椭圆模态,$r = 3$ 是三角形模态,依此类推。

🎓

定子 $r$ 阶模态的固有频率可以用薄壁圆柱壳的近似公式估算:

$$ f_r(r) = \frac{1}{2\pi} \sqrt{\frac{D_s}{\rho h}} \cdot \frac{r(r^2 - 1)}{R^2 \sqrt{r^2 + 1}} $$

其中 $D_s$ 是弯曲刚度,$\rho$ 是密度,$h$ 是轭部厚度,$R$ 是定子内径的代表半径。$r = 0$ 和 $r = 2$ 模态的声辐射效率最高,因此当这些模态的频率与电磁激振力的频率在特定运行条件下重合时,会产生较大的噪音。

🧑‍🎓

模态阶次越低越危险啊。$r = 0$ 的呼吸模态有那么大影响吗?

🎓

$r = 0$ 是定子整体均匀膨胀收缩,所以声辐射效率接近100%。实际上 $r = 0$ 分量通常比较小,但 $r = 2$ 的椭圆模态,其力的大小和辐射效率都很高,是实践中最常见的问题模式。例如,对于8极48槽的IPMSM,$\nu_1 = 4$, $\nu_2 = 4$ 的组合会产生 $r = 0$ 和 $r = 8$,而 $\nu_1 = 4$, $\nu_2 = 44$ 的组合会产生 $r = 48$。

坎贝尔图(Campbell Diagram)

🧑‍🎓

经常听到坎贝尔图,它是用来观察什么的图呢?

🎓

这是一种以转速为横轴、频率为纵轴,用直线描绘电磁激振力各阶次分量的图。$n$ 阶分量的频率是 $f = n \cdot N / 60$,所以是斜率为 $n/60$ 的直线。如果画上定子固有频率的水平线,交点就是共振点

🧑‍🎓

交点越多就越危险吗?

🎓

是的。不过,并非所有交点都会成为问题。重要的是三个条件:(1)该阶次的激振力水平是否大,(2)共振模态的声辐射效率是否高,(3)是否在常用转速范围内。对于汽车应用,理想情况是在2,000~10,000 rpm范围内,2kHz以下没有交点,但实际上这几乎不可能,所以设计目标是尽可能降低交点处的力水平。

结构-声学耦合

🧑‍🎓

定子振动后,是如何变成车内噪音的呢?

🎓

定子表面的振动速度 $v_n$ 推动空气,辐射出声波。辐射声功率由下式表示:

$$ W = \sigma_{\text{rad}} \cdot \rho_0 c_0 \cdot S \cdot \langle v_n^2 \rangle $$

其中 $\sigma_{\text{rad}}$ 是辐射效率(取决于模态阶次和频率),$\rho_0 c_0$ 是空气的特性阻抗(约415 Pa·s/m),$S$ 是定子外表面积,$\langle v_n^2 \rangle$ 是法线方向振动速度平方的面平均值。

🎓

关键是辐射效率 $\sigma_{\text{rad}}$。对于低阶模态($r = 0, 2$),它接近1,但对于高阶模态,在频率较低时辐射效率会急剧下降。也就是说,即使振动水平相同,实际声音大小也会因模态阶次而完全不同。这就是为什么会出现“力水平大但声音不大”和“力小但很吵”的情况。

🧑‍🎓

定子的振动传递到外壳,再从那里发出声音,也有这条路径吧?

🎓

没错。实际的传递路径主要是结构传播路径(Structure-borne path):定子 → 外壳 → 悬置 → 车身 → 车内空气。也有从定子直接辐射到空气的路径(Air-borne path),但通常结构传播路径占主导。因此,在NVH设计中,包含悬置橡胶硬度、外壳刚度设计在内的“系统级”评估是必不可少的。

Coffee Break 闲谈

特斯拉Model 3的“嗡嗡声”与OTA修正的背后

特斯拉Model 3早期型号(2017年~)出名的高频“嗡嗡声”,据信是由于IPMSM的48阶激振力分量与定子的椭圆模态($r=2$)在中速域发生共振所致。有趣的是,特斯拉通过OTA(Over-the-Air)软件更新改变了逆变器的PWM载波频率,减轻了感官上的不适感。这种不改变硬件、仅通过软件改变“听感”的方法,颠覆了传统NVH设计的常识。不过,由于根本原因——电磁激振力本身并未改变,在加速时的特定转速区间,音调噪声依然存在。

麦克斯韦应力张量的完整形式与切向力
  • 径向分量 $\sigma_r = \frac{B_r^2 - B_\theta^2}{2\mu_0}$:NVH的主要激振力。由径向磁通密度 $B_r$ 的平方主导,但切向磁通密度 $B_\theta$ 也会通过差值产生影响。通常 $B_r \gg B_\theta$,因此近似为 $B_r^2 / (2\mu_0)$。
  • 切向分量 $\sigma_\theta = \frac{B_r B_\theta}{\mu_0}$:与扭矩生成直接相关的分量。对NVH的贡献表现为通过扭矩脉动产生的旋转方向振动(torsional vibration)。通过齿轮传递到驱动轴,有时也会作为齿轮噪音传入车内。
假设条件与适用范围
  • 2D截面分析的假设:忽略端部效应(线圈端部的轴向磁场)。当轴向力成为问题时(斜槽电机、轴向磁通型),需要进行3D分析。
  • 线性材料假设的失效:铁芯磁饱和导致 $B$-$H$ 曲线非线性时,谐波分量会大幅增加。特别是高负载时(高扭矩时)的NVH分析,非线性分析是必须的。
  • 刚性转子假设:通常的NVH分析忽略转子变形,但在高速旋转转子中,离心力引起的变形会改变气隙长度,影响磁通密度分布。
  • 稳态假设:急加减速的瞬态过程中,电流控制的延迟和PWM开关的影响会叠加,产生比稳态分析更复杂的激振模式。
量纲分析:激振力水平参考
物理量典型值单位备注
气隙磁通密度 $B_r$0.7〜1.2TIPMSM的正常工作范围
径向力密度 $F_r = B_r^2/(2\mu_0)$$2 \times 10^5$〜$6 \times 10^5$Pa作用于气隙面的压力
定子外表面振动加速度0.1〜10m/s²取决于模态和频率
1米距离声压级60〜90dB(A)共振时会进一步增加

数值解法与实现

电磁-结构-声学耦合流程

🧑‍🎓

电机的NVH分析,能用一个求解器全部完成吗?

🎓

基本上是三步的弱耦合(one-way coupling)。因为各自求解的物理不同,通常使用不同的求解器:

  1. 电磁场FEM(JMAG, Maxwell等):计算伴随转子旋转的气隙磁通密度时空分布,提取定子齿面的径向力
  2. 结构FEM(Nastran, Abaqus等):进行定子+外壳的模态分析(固有频率、模态振型),以及以电磁力为外力的频率响应分析
  3. 声学分析(Virtual.Lab, Actran等):根据定子/外壳表面的振动速度计算辐射声压(BEM或FEM)
🧑‍🎓

“弱耦合”是指忽略振动对电磁场的反馈影响吗?

🎓

问得好。定子振动会使气隙长度变化数微米,但气隙本身有0.5~1.0mm,位移的影响只有0.1%左右。通常可以忽略。但对于超薄型电机或柔性转子,有时也需要双向耦合(two-way coupling)。

电磁场FEM与力的提取

🧑‍🎓

用电磁场FEM计算力时,应该用麦克斯韦应力法还是虚功法?

🎓

NVH分析中麦克斯韦应力法(MST)是标准。它在气隙中的闭合曲面上根据磁通密度计算每个节点的力。虚功法适合扭矩计算,但不适合输出空间分布力。

来自麦克斯韦应力张量的径向力密度为:

$$ f_r(\theta, t) = \frac{1}{2\mu_0}\left[B_r^2(\theta, t) - B_\theta^2(\theta, t)\right] $$

将此力在圆周位置 $\theta$ 和时间 $t$ 的二维上离散化,通过2D FFT分解为空间阶次 $r$ 和时间谐波阶次 $n$。结果可视化为 $r$-$n$ 映射图,可以一目了然地看出哪个力模态、哪个阶次占主导。

🎓

实践中的要点是进行力FFT时的采样点数。空间方向至少需要槽数的4倍(48槽则至少192点),时间方向每个电周期至少需要360步。如果偷工减料,高阶分量会因混叠而丢失。

结构FEM的模态分析

🧑‍🎓

定子的模态分析有什么特别需要注意的吗?

🎓

正确的做法是作为定子+外壳+轴承支撑的装配体来求解。定子单体的自由-自由固有频率与压入外壳后的固有频率有很大差异。例如,定子单体的椭圆模态($r=2$)可能是2,500 Hz,压入外壳后可能上升到3,200 Hz。

结构的运动方程为:

$$ [M]\{\ddot{u}\} + [C]\{\dot{u}\} + [K]\{u\} = \{F_{\text{em}}(t)\} $$

其中 $[M]$, $[C]$, $[K]$ 分别是质量、阻尼、刚度矩阵。$\{F_{\text{em}}(t)\}$ 是电磁力的节点力向量。转换到模态坐标后,每个模态 $i$ 的响应为:

$$ \ddot{q}_i + 2\zeta_i \omega_i \dot{q}_i + \omega_i^2 q_i = \frac{\{\phi_i\}^T \{F_{\text{em}}\}}{m_i} $$

$\zeta_i$ 是模态阻尼比(结构体通常为0.01~0.05)。如果激振力的空间分布与模态振型 $\{\phi_i\}$ 正交,那么即使力水平大,该模态也不会被激发。这通过模态参与因子(Modal Participation Factor)来评估。

声学分析与辐射声预测

🧑‍🎓

从振动计算声压,是用FEM做吗?还是用BEM做?

🎓

电机单体的辐射声以BEM(边界元法)为主流。因为它能自动处理外部无限空间,不需要划分声学用的体网格。通过边界积分求解亥姆霍兹方程:

$$ c(\mathbf{r}) p(\mathbf{r}) = \int_S \left[ G(\mathbf{r}, \mathbf{r}') \frac{\partial p}{\partial n'} - p(\mathbf{r}') \frac{\partial G}{\partial n'} \right] dS' $$

其中 $G$ 是亥姆霍兹的格林函数,$c(\mathbf{r})$ 是立体角系数。求解车内声场(封闭空间)时,FEM更合适。

🧑‍🎓

要计算到车内声音的话,规模会相当大吧。

🎓

没错。实践中,通常采用计算电机单体的辐射声功率,再通过传递函数(Transfer Path Analysis: TPA)预测车内声压的方法。将电机→悬置→车身→车室的各传递路径用FRF连接起来。从车身FEM结果中提取用于TPA的传递函数来使用。

阶次分析(Order Analysis)

🧑‍🎓

阶次

関連シミュレーター

この分野のインタラクティブシミュレーターで理論を体感しよう

シミュレーター一覧

関連する分野

連成解析構造解析熱解析
この記事の評価
ご回答ありがとうございます!
参考に
なった
もっと
詳しく
誤りを
報告
参考になった
0
もっと詳しく
0
誤りを報告
0
Written by NovaSolver Contributors
Anonymous Engineers & AI — サイトマップ
关于作者