振動音響解析

分类: 構造解析 | 综合版 2026-04-06
CAE visualization for vibro acoustics theory - technical simulation diagram
振動音響解析

理论与物理

振动声学是什么

🧑‍🎓

老师,振动声学分析是什么?


🎓

分析结构振动→空气声音→人耳的传递过程。汽车的NVH(噪声、振动与声振粗糙度)是其最主要的应用领域。


振动声学的三个领域

🎓

1. 结构域 — 发动机悬置、悬挂系统→车身面板的振动

2. 声学域 — 车身面板→车厢内空气的振动(声音)

3. 耦合 — 结构与声学的双向耦合


总结

🎓
  • 结构振动→声辐射→噪声 — NVH的基本链条
  • 结构-声学耦合FEM+声学单元进行同步分析
  • Nastran SOL 111 + 声学, Actran — NVH的行业标准

  • Coffee Break 闲谈

    振动声学耦合的公式化从亥姆霍兹方程开始

    振动声学耦合的控制方程,是将结构侧的运动方程和亥姆霍兹波动方程通过压力与位移连接起来,描述为耦合系统。这种耦合公式化由Everstine和Henderson(1990年,JASA)用有限元法整理完善,作为基准论文被广泛引用。耦合系数(流体密度和声速)的值非常重要,对于水中结构物(潜艇、水下机器人),由于流体施加的附加质量与结构质量相当,其固有模态与空气中完全不同。

    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“缓慢施加力因此加速度可忽略”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“想要恢复的力”吧?那就是胡克定律 $F=kx$,也是刚度项的本质。那么提问——铁棒和橡皮筋,用相同的力拉,哪个伸得更长?当然是橡皮筋。这种“不易伸长”的特性就是杨氏模量 $E$,它决定了刚度。常见的误解:“刚度高=强度高”是不对的。刚度是“不易变形的程度”,强度是“不易破坏的程度”,是不同的概念。
    • 外力项(载荷项):体积力 $f_b$(重力等)和表面力 $f_s$(压力、接触力等)。可以这样想——桥上卡车的重量是“作用在整个内容物上的力”(体积力),轮胎压路面的力是“仅作用在表面的力”(表面力)。风压、水压、螺栓紧固力…全都是外力。这里容易犯的错误:弄错载荷的方向。本想“拉伸”却成了“压缩”——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。
    • 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或弦的内部摩擦转化成了热能。汽车的减震器也是同样原理——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,因此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-应变关系为线性
    • 各向同性材料(未特别指定时):材料特性不依赖于方向(各向异性材料需要另行定义张量)
    • 准静态假设(静力分析时):忽略惯性力·阻尼力,仅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)输入mm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(钢为= 10⁻⁹ tonne/mm³)
    力 $F$N(牛顿)mm系用N,m系也用N统一

    数值解法与实现

    振动声学的FEM

    🎓

    结构(壳/实体)+ 声学(FLUID单元)通过FSI界面耦合。通过频率响应分析计算NTF(噪声传递函数)。


    总结

    🎓
    • 结构FEM + 声学FEM + FSI — 振动声学的标准构成
    • NTF = 输入力→车厢内声压的传递函数 — NVH的基本指标

    • Coffee Break 闲谈

      弱耦合与强耦合的选择决定分析精度

      在振动声学分析中,“弱耦合(单向耦合)”和“强耦合(全耦合)”的选择至关重要。对于空气中的轻质结构物(薄板面板等),流体载荷对结构响应的影响较小,弱耦合即可;但对于水中·油中的结构物,附加质量效应显著,必须使用强耦合。根据经验法则,文献(Fahy & Gardonio, 2007年)建议,当“密度比ρ_fluid/ρ_structure > 0.01”时,应使用强耦合。

      线性单元(1次单元)

      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次单元(带中间节点)

      可表现曲线变形。应力精度大幅提高,但自由度约增加2~3倍。推荐: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: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(ZZ估计量等)的自动细化。有效提高应力集中部位的精度。有h法(单元分割)和p法(增加阶次)。

      牛顿·拉夫森法

      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·拉夫森法

      切线刚度矩阵使用初始值或每隔数次迭代更新。每次迭代成本低,但收敛速度为线性。

      收敛判定标准

      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)可以越过载荷-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“用笔算精确解联立方程”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次单元是“用直尺近似曲线”——用直线折线表现,因此精度有限。2次单元是“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

      振动声学的实务

      🎓

      汽车的路噪、发动机的轰鸣声、电动汽车的电机噪声。


      实务检查清单

      🎓
      • [ ] 声学网格是否在$\lambda_{min}/6$以下
      • [ ] FSI界面是否正确定义
      • [ ] 是否包含吸音材料(阻抗边界条件)
      • [ ] NTF的峰值位置和大小是否在目标范围内

      • Coffee Break 闲谈

        耳机设计必须使用振动声学耦合分析

        高级耳机的音质设计中,驱动单元(振膜)与外壳内腔的振动声学耦合直接决定音色特性。索尼MDR-Z1R(2016年,约23万日元)的开发中,据索尼的专利文献暗示,使用COMSOL Multiphysics进行了外壳内空气柱共鸣与振膜位移的耦合分析,并通过改变振膜形状将1〜3kHz频段的凹陷优化在±1dB以内。

        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”。网格质量差的话,无论使用多么优秀的求解器,结果都会一团糟。

        初学者容易陷入的陷阱

        您确认过网格收敛性吗?是不是认为“计算能运行=结果正确”?这其实是CAE初学者最容易掉入的陷阱。求解器一定会对给定的网格返回“一个像样的答案”。但如果网格太粗糙,这个答案就会与现实严重偏离。至少用三个级别的网格密度确认结果是否稳定——如果忽略这一点,就会陷入“因为是计算机给出的答案所以应该正确”的危险误区。

        边界条件的思考方式

        边界条件的设置,和考试的“出题”是一样的。如果题目出错了呢?无论计算多么精确,答案都是错的。“这个面真的是完全固定的吗?”“这个载荷真的是均匀分布的吗?”——正确建模现实的约束条件,其实是整个分析中最重要的步骤。

        软件比较

        工具

        🎓
        • Nastran SOL 111 + 声学 — NVH的行业标准
        • Actran(FFT/MSC) — 声学专用。支持BEM
        • Virtual.Lab(Siemens) — 声学-振动集成
        • VA One(ESI)FEM-SEA混合

        • Coffee Break 闲谈

          COMSOL的Acoustics Module是MEMS声学设计的标配

          作为振动声学耦合分析的商用求解器,COMSOL的Acoustics Module尤其在MEMS麦克风或扬声器驱动单元等小型声学器件设计中占据强势地位。COMSOL的多物理场耦合环境可以在单一界面中处理结构力学、流体声学、热学,因此行业杂志报道(非官方信息)称,苹果在2016年AirPods的麦克风单元开发中利用了该软件。大型系统会使用Actran或Abaqus/Acoustics,但在器件层面,COMSOL的优势局面仍在持续。

          选型时最重要的三个问题

          • “要解决什么问题”:所需的物理模型·单元类型是否支持。例如,流体方面LES支持的有无,结构方面接触·大变形的支持能力会成为差异点。
          • “谁使用”:新手团队适合GUI完善的工具,有经验者适合脚本驱动的灵活工具。类似于汽车的自动挡(GUI)和手动挡(脚本)的区别。
          • “未来扩展到什么程度”:着眼于未来的分析规模扩大(HPC支持)、向其他部门扩展、与其他工具的联动进行选择,有助于长期的成本削减。

          尖端技术

          振动声学的尖端

          🎓
          • FEM-SEA混合 — 低频FEM + 高频SEA
          • 电动汽车的NVH — 电机/逆变器的高频噪声
          • 基于AI的NVH优化 — 使用代理模型快速预测NTF

          • Coffee Break 闲谈

            MRI装置超过100dB的噪声是振动声学耦合的产物

            MRI(磁共振成像)装置拍摄时产生的超过100dB(A)的噪声,是超导线圈中流过的电流与孔腔(筒状磁场空间)内的强磁场相互作用,导致线圈支撑结构产生数微米振动而产生的。这种结构振动激励孔腔内的空气,产生声辐射,是一种振动声学耦合现象。GE医疗宣布,在梯度线圈设计中引入ABAQUS耦合分析,使Signa Voyager(2010年代)的噪声比传统机型降低了22dB。

            故障排除

            振动声学的故障

            🎓
            • 声压为零 → 检查FSI界面的定义
            • NTF与实验不符 → 检查结构的固有频率、阻尼、质量分布
            • 高频精度不足 → 切换到FEM-SEA混合方法

            • Coffee Break 闲谈

              模态密度高的频带中,FEM的特征值精度是关键

              在振动声学耦合FEM分析中处理1kHz以上频带时,模态密度急剧增加,微小的边界条件误差或材料常数的波动会导致固有频率顺序互换,引发“模态切换”。特别是在汽车仪表板的1kHz频带,经常并存着仅有2〜3Hz频率差的固有模态。作为实用的应对方法,推荐使用SciPy或OptiLion等基于MAC值的模态追踪工具来确认模态振型的同一性。

              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

              熱解析製造プロセス解析V&V・品質保証
              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