【整车风噪开发解析】——SNGR在整车风噪开发中的高效应用
某车企的私人讨论组又发出了“叮咚”声！
小甲：“听说了吗？今天CFD和造型部门又干起来了！”
小乙：“啊….见怪不怪咯！一天到晚提各种噪声问题，造型设计部门能不火么？”
小丙:“其实也不是，主要是CFD那边效率太低了啊！开发周期那么紧张，造型那边等一版结果黄花菜都凉了，能不火么！”
小丁：“哎…难办哦！”
“哈哈哈…我们好好吃瓜就行啦！”
“……”
“好奇怪啊，最近CFD和造型咋这么和谐啊？”
“你不知道么？SNGR来了啊！”
SNGR难道有通天的能力？
SNGR（Stochastic Noise Generation and Radiation）方法采用稳态流场结果进行气动噪声计算， 一天内完成一轮优化方案的分析，高效完成外造型优化方案的快速评估；极大地缩短了计算时间增加效率，用极少的资源就可对外造型优化方案进行风噪水平定性评估，非常适合整车前期外造型阶段风噪评估和优化。
01
SNGR的原理和流程
（1）SNGR的原理
SNGR方法采用雷诺平均Navier-Stokes（RANS）计算得到的时均流场的速度、湍流动能分布特性，通过添加随机扰动的方法重新合成含有时间项的流场数据，从而实现从RANS结果识别Lighthill体积源。SNGR方法对湍流脉动速度 采用Bailly随机模型，不可压缩空间湍流速度场可由傅里叶空间内N个傅里叶模态求解得到，具体如下：
ACTRAN的声类比方法计算声源和噪声传播，湍流动能谱可以写成以下形式：
由于RANS为稳态结果，为了保证可以输出频域的噪声结果，需要添加与时间相关的项（图1中的随机函数），从而合成脉动速度。
图1 SNGR基本原理
（2）SNGR的流程
基于稳态CFD和Actran的风噪仿真流程如图2所示，为了计算声源项，需要从RANS计算中输出以下物理量：速度矢量、湍动能和湍流耗散率。在此基础上，湍动能谱可以使用von Karman-Pao 谱或用户自动义谱处理。
图2 SNGR仿真流程
02
SNGR参数的影响
（1）湍流阀值
湍流阀值的设定影响声源项考虑区域与湍流速度合成的时间，在阀值之上的源项将被考虑到声源计算中，通过设置湍流阀值可只考虑湍流贡献最大的区域，提高CPU和内存使用率，减小计算时间。
a 原始湍动能
b 设定湍流阀值后湍动能
湍流阀值增加，考虑的源项区域减小，计算时间减小。对比如下5种不同湍流阀值计算结果和计算资源，最大差值为2dB。实际应用中可根据计算资源和精度要求合理设置湍流阀值，减少仿真计算时间。
表1 不同湍流阀值计算资源消耗
图4 不同湍流阀值结果
（2）合成速度场（声源）的数量
随着合成速度场数量的增加，仿真计算时间将会线性增加，计算结果也将逐渐趋于一致，实际应用中可以根据计算资源需求和精度选择合成速度场数量。如图5，合成速度场的数量为20和60在500Hz最大误差为3dB，合成速度场数量为40误差小于1dB。
图5 不同合成速度场数量结果
（3） CFD网格
SNGR方法预测风噪时对CFD网格的尺度不敏感，不需要采用特别密集的网格来进行稳态CFD分析，仅需CFD稳态流场的收敛和湍动能的准确统计即可。当湍流场轮廓 (等值面) 是平顺的，可以认为计算得到的湍流场是正确的。如果云图并不平顺，说明CFD网格还需要优化。
图6 不同CFD网格湍动能和耗散率
图7 不同CFD网格结果
在瞬态CFD模拟中，当CFD的网格尺度过大，数值耗散较大时，CFD的数据就很难反映出高频的声波信息。如图8。网格尺度与截止频率关系为：
其中，F是声学截止频率，ε是湍动能耗散率，∆是网格尺度。
SNGR方法则不需要考虑CFD网格带来的截止频率的影响，4mm的CFD网格可以很好的预测400Hz~3000Hz频段汽车风噪声大小。因此，中高频段利用Actran中 SNGR方法快速、高效且准确的预估风噪声大小是一个不错选择。需要注意的是SNGR方法在低频有些信息缺失，无法准确捕捉低频结果。
图8 仿真实验结果对比
03
SNGR的二次开发
懿朵科技利用SNGR方法进行过多个整车风噪项目的开发，结合自身风噪开发和SNGR方法的应用经验，将稳态CFD+SNGR方法模块化，进行联合二次开发。整个流程只需要在计算前将流场面网格和声场网格进行导入，便可自动实现网格加密、体网格生成、计算以及后处理，从流场到声场的计算也不需要人为的干预，流场计算完成后便可自动进入声场计算，界面会实时监控和显示整个计算流程进度（绿色表示进度已完成、黄色表示正在运行），实现了一键自动计算和后处理，减少人为干预易出错的同时，减少1/3的工作量，再次提高计算效率。目前已经应用于懿朵科技风噪开发中。
图9 流场和声场计算模块
04
SNGR的实际应用
1、三菱汽车。基于SNGR + ICFD的 Lighthil 声源识别 进行噪声源定位并同风洞中麦克风声阵列测试对比，识别声源位置与麦克风声阵列结果基本一致。
图10 噪声源识别
2、Volvo汽车。采用CFD软件与Actran混合计算方法研究V70车型风噪声，声学计算分别采用了稳态CFD结果（SNGR）和瞬态LES结果作对比，仿真与试验有良好的一致性。
图11 Volvo案例
3、Magna。采用稳态CFD+Actran混合方法（SNGR），研究外造型对侧窗表面风噪贡献，对比不同后视镜对内部风噪风噪影响，并通过稳态SNGR方法和非稳态CFD结果+声学计算两者结合预测乘员舱内部风噪。
图12 Magna 仿真模型
图13 声学计算结果
4、Volvo。采用SNGR方法对重型卡车进行噪声源识别，对比不同后视镜方案对风噪的影响，利用SNGR得到的结果与非稳态DES混合方法趋势一致。
图14 Volvo卡车案例
05
SNGR总结
