伝達経路解析(TPA)

分类: 構造解析 | 综合版 2026-04-06
CAE visualization for noise path analysis theory - technical simulation diagram
伝達経路解析(TPA)

理论与物理

什么是TPA

🧑‍🎓

老师,TPA(传递路径分析)是什么?


🎓

一种定量分析声音或振动通过哪些路径传递到响应点的方法。对于制定NVH对策至关重要。


TPA的基本公式

🎓

响应点(例如:驾驶员耳旁)的声压$p$是所有路径贡献的总和:


$$ p(\omega) = \sum_{i=1}^{N} H_i(\omega) \cdot F_i(\omega) $$

$H_i$: 第$i$条路径的传递函数(NTF: 噪声传递函数),$F_i$: 第$i$条路径的输入力(作用力)。


🧑‍🎓

这样就可以知道每条路径的贡献了。


🎓

是的。这样就能一目了然地看出“哪个悬置是主导因素”、“哪个频段有问题”。


路径的分类

🎓
  • 结构传递路径(Structure-borne): 发动机悬置、悬置衬套→车身→车内。力通过固体传递
  • 空气传递路径(Air-borne): 发动机辐射噪声、轮胎辐射噪声→车外→车内。声波通过空气传递

  • 在汽车NVH中,结构传递主导低频(~500Hz),空气传递主导高频。


    输入力的识别

    🎓

    求输入力$F_i$的方法:


    1. 直接测量法: 在输入点安装力传感器。最准确,但有时传感器安装困难

    2. 悬置刚度法: $F = k \cdot \Delta x$。悬置前后的位移差×刚度

    3. 逆矩阵法: $\{F\} = [H]^{-1}\{a\}$。根据响应加速度反算输入力


    总结

    🎓
    • $p = \sum H_i F_i$ — 响应 = 各路径的传递函数 × 输入力
    • 结构传递 vs. 空气传递 — 低频 vs. 高频
    • 输入力识别 — 直接测量、刚度法、逆矩阵法
    • 贡献分析 — 识别主导路径并制定对策

    • Coffee Break 闲谈

      TPA理论的原型源于建筑振动噪声对策

      传递路径分析(TPA)的数学框架形成于1950-60年代的建筑声学与机械振动领域。特别是Möser(德国建筑声学协会)等人完善了建筑结构中的振动传递路径模型,后来由Müller-BBM和LMS International在1980年代将其产品化为专门针对汽车NVH的TPA方法。现在的组件TPA(CTPA)以Helut Müller于1999年在SAE论文中提出的公式为基础。

      各项的物理意义
      • 惯性项(质量项):$\rho \ddot{u}$,即“质量×加速度”。您有过急刹车时身体被向前甩出的经历吗?那种“被带走的感觉”正是惯性力。物体越重越难启动,一旦启动也越难停止。地震时建筑物摇晃,也是因为地面突然移动,而建筑物的质量“被落下”。静力分析中此项设为零,这是基于“缓慢施加力,加速度可忽略”的假设。对于冲击载荷或振动问题,此项绝对不能省略。
      • 刚度项(弹性恢复力):$Ku$ 或 $\nabla \cdot \sigma$。拉弹簧时会感觉到“想要恢复原状的力”吧?那就是胡克定律 $F=kx$,也是刚度项的本质。那么提问——用相同的力拉铁棒和橡皮筋,哪个伸得更长?当然是橡皮筋。这种“难以拉伸的程度”就是杨氏模量 $E$,它决定了刚度。常见的误解是:“刚度高=强度高”。不对,刚度是“抵抗变形的能力”,强度是“抵抗破坏的能力”,这是两个不同的概念。
      • 外力项(载荷项):体积力 $f_b$(如重力)和表面力 $f_s$(如压力、接触力)。可以这样想——桥上卡车的重量是“作用在整个内部上的力”(体积力),轮胎压路面的力是“只作用在表面上的力”(表面力)。风压、水压、螺栓预紧力……这些都是外力。这里容易犯的错误是:弄错载荷的方向。本想施加“拉力”却成了“压力”——听起来像笑话,但在3D空间中坐标系发生旋转时,确实会发生这种情况。
      • 阻尼项:瑞利阻尼 $C\dot{u} = (\alpha M + \beta K)\dot{u}$。试着弹一下吉他的弦。声音会一直持续吗?不,会逐渐变小。这是因为振动能量通过空气阻力和弦的内部摩擦转化成了热能。汽车的减震器也是同样的原理——故意吸收振动能量来改善乘坐舒适性。如果阻尼为零会怎样?建筑物在地震后会一直摇晃不停。实际上不会这样,所以设置适当的阻尼很重要。
      假设条件与适用范围
      • 连续体假设:将材料视为连续介质,忽略微观不均匀性
      • 小变形假设(线性分析时):变形相对于初始尺寸足够小,应力-应变关系呈线性
      • 各向同性材料(除非特别指定):材料特性不依赖于方向(各向异性材料需要单独定义张量)
      • 准静态假设(静力分析时):忽略惯性力·阻尼力,只考虑外力与内力的平衡
      • 不适用的情形:大变形·大旋转问题需要考虑几何非线性。塑性·蠕变等非线性材料行为需要扩展本构关系
      量纲分析与单位制
      变量SI单位注意事项·换算备忘
      位移 $u$m(米)以mm输入时,载荷·弹性模量也需统一为MPa/N系
      应力 $\sigma$Pa(帕斯卡)= N/m²MPa = 10⁶ Pa。与屈服应力比较时注意单位制不一致
      应变 $\varepsilon$无量纲(m/m)注意工程应变与对数应变的区别(大变形时)
      弹性模量 $E$Pa钢:约210 GPa,铝:约70 GPa。注意温度依赖性
      密度 $\rho$kg/m³mm系中为tonne/mm³(钢约为 10⁻⁹ tonne/mm³)
      力 $F$N(牛顿)mm系和m系均统一用N

      数值解法与实现

      TPA的种类

      🧑‍🎓

      TPA也有种类之分吗?


      🎓

      主要有三种。


      1. 经典TPA(Classical TPA)

      🎓
      • 基于实验。通过实测或逆矩阵法识别输入力
      • 通过实车的FRF测量获取NTF(传递函数
      • 最成熟的方法。但需要进行子系统分离

      • 2. OPA(运行路径分析)

        🎓
        • 无需测量力。仅根据运行状态下的响应来估计贡献
        • 使用统计方法(主成分分析或奇异值分解)分离路径贡献
        • 简便,但路径间相关性高时精度会下降

        • 3. CAE-TPA(虚拟TPA)

          🎓
          • 用FEM计算传递函数$H_i$。输入力来自多体动力学或实测
          • 可在设计阶段(无样车)进行TPA
          • Nastran SOL 111的频率响应 + 输入力 = 虚拟TPA

          • CAE-TPA的实现

            🎓

            1. 车身FEM模型 — 定义输入点(悬置位置)和响应点(驾驶席耳旁)

            2. NTF计算 — 对各输入点施加单位力,通过频率响应计算响应点的声压

            3. 输入力设定 — MBD分析结果或实测数据

            4. 贡献计算 — 按路径计算 $p_i = H_i \cdot F_i$,并与总和比较


            总结

            🎓
            • 经典TPA: 基于实验。可靠性最高
            • OPA: 无需测量力。简便但存在相关问题
            • CAE-TPA: 用FEM虚拟进行TPA。可在设计阶段应用

            • Coffee Break 闲谈

              逆矩阵TPA即使对于100个以上的激励点也具有实用性

              经典TPA(逆矩阵法)将行驶中的载荷估计为悬置断面力,通过与传递函数(FRF)的乘积求得贡献声压。随着激励点数的增加,逆矩阵会变得不稳定,因此Siemens(原LMS)从2015年左右开始推荐使用in-situ TPA,它不使用激振器,仅根据运行状态来估计传递路径。这种TPA变体(运行TPA)因在宝马的底盘开发中将试验工时减少了约40%而受到关注。

              线性单元(1阶单元)

              节点间线性插值。计算成本低,但应力精度低。注意剪切锁定(可通过减缩积分或B-bar法缓解)。

              2阶单元(带中间节点)

              可以表现曲线变形。应力精度大幅提高,但自由度约增加2~3倍。建议:应力评估很重要时使用。

              完全积分 vs 减缩积分

              完全积分:有过约束(锁定)风险。减缩积分:有沙漏模式(零能量模式)风险。根据情况选择。

              自适应网格

              基于误差指标(如ZZ估计量)的自动细化。有效提高应力集中部位的精度。有h法(单元细分)和p法(阶次增加)。

              牛顿-拉弗森法

              非线性分析的标准方法。每次迭代更新切线刚度矩阵。在收敛半径内具有二次收敛性,但计算成本高。

              修正牛顿-拉弗森法

              切线刚度矩阵使用初始值或每隔几次迭代更新。每次迭代成本低,但收敛速度是线性的。

              收敛判定准则

              力残差范数: $||R|| / ||F_{ext}|| < \epsilon$(通常 $\epsilon = 10^{-3}$〜$10^{-6}$)。位移增量范数: $||\Delta u|| / ||u|| < \epsilon$。能量范数: $\Delta u \cdot R < \epsilon$

              载荷增量法

              不一次性施加全部载荷,而是分小步增加。弧长法(Riks法)可以超越载荷-位移关系的极值点进行追踪。

              直接法 vs 迭代法的比喻

              直接法是“用笔算精确解方程组”的方法——可靠但大规模问题耗时过长。迭代法是“反复猜测逼近正确答案”的方法——最初答案粗糙,但每次迭代精度都会提高。就像查字典时,从第一页开始顺序查找(直接法)不如先估计大概位置翻开,再前后调整(迭代法)来得高效,原理相同。

              网格阶次与精度的关系

              1阶单元是“用直尺近似曲线”——用直线折线表现,精度有限。2阶单元是“柔性曲线”——可以表现曲线变化,即使网格密度相同,精度也显著提高。但是,每个单元的计算成本增加,需要根据总体的成本效益来判断。

              实践指南

              TPA实务

              🎓

              汽车的路噪、发动机怠速振动、EV的电机噪声是主要应用对象。


              实务流程

              🎓

              1. 问题定义 — “60km/h时有轰鸣声”→ 确定频率、车速

              2. 列出路径候选 — 发动机悬置×3方向、悬置衬套×4处×3方向 = 数十条路径

              3. 获取NTFFEM 或实验FRF

              4. 获取输入力 — 实车测量或MBD

              5. 贡献分析 — 用柱状图可视化各路径贡献

              6. 制定对策 — 修改主导路径的刚度、改变悬置特性、增加阻尼材料


              实务检查清单

              🎓
              • [ ] 响应合成值($\sum H_i F_i$)是否与实测响应吻合(有效性确认
              • [ ] 使用逆矩阵法时,条件数是否过大(病态检查)
              • [ ] 是否涵盖了所有路径(遗漏会导致合成结果不符)
              • [ ] 是否包含了结构传递和空气传递两者
              • [ ] 合成时是否保留了相位信息(仅振幅合成不可取)

              • 🧑‍🎓

                为什么相位很重要?


                🎓

                路径间可能发生抵消(反相)。仅用振幅相加会导致高估。保持复数形式进行合成是铁律。


                Coffee Break 闲谈

                EV的路噪比ICE车主观上更“令人介意”

                电动车(EV)没有发动机噪声,因此从轮胎接地面传递到车体的路噪成为NVH性能的主要课题。日产聆风(2010年)上市后,用户调查显示路噪投诉达到ICE车的1.8倍,通过TPA贡献分析发现前轮副车架悬置是最大贡献点。通过优化悬置橡胶的动态刚度,在2013年款上实施了将500~800Hz频段降低5dB的改进。

                分析流程的比喻

                分析流程其实和烹饪非常相似。首先采购食材(准备CAD模型),进行预处理(网格生成),开火烹饪(求解器执行),最后装盘(后处理可视化)。这里有个重要的问题——烹饪中最容易失败的工序是哪里?其实是“预处理”。网格生

                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

                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