B柱扰流器对风振噪声的影响及其机理.pdf

2023 年（第 45 卷）第 9 期汽车工程Automotive Engineering2023（Vol.45 ）No.9B柱扰流器对风振噪声的影响及其机理*陈小勇，姚璐，郭正鑫，刘浩，罗挺，王永亮（东风汽车集团有限公司技术中心，武汉430056）摘要 汽车风振噪声是衡量其舒适性的重要指标之一。本文首先用道路试验验证了风振流场仿真方法的有效性。接着解释了风振噪声是由周期性脱落的湍流涡与车内空腔共振导致的，并提出了风振噪声的降噪策略。随后探究B柱扰流器对风振噪声的影响及其机理，发现减小自由剪切层偏离B柱外表面的最大距离可以减小湍流涡的强度，进而减小风振噪声。所设计的扰流器最大降噪效果可达12.8 dB。最后用试验验证了B柱扰流器方案的有效性。该研究结论对于进一步理解和控制风振噪声具有一定理论意义和工程应用价值。关键词：风振；降噪；B柱；扰流器；流场仿真；湍流涡Influence of B-pillar Spoiler on Wind Buffeting Noise and its MechanismChen Xiaoyong，Yao Lu，Guo Zhengxin，Liu Hao，Luo Ting&Wang YongliangDongfeng Motor Corporation Technical Center，Wuhan430056Abstract The wind buffeting noise of automobile is one of the important indexes for comfort evaluation.Firstly，the validity of wind buffeting CFD simulation method is verified by road test in this paper.Then，it is explained that the wind buffeting noise is caused by resonance of periodic shedding of turbulent vortex and the interior cavity of the vehicle，and the noise reduction strategy of wind buffeting is proposed.Then the influence of the B-pillar spoiler on the wind buffeting noise and its mechanism are investigated.It is found that reducing the maximum distance of the free shear layer from the outer surface of the B-pillar can reduce the strength of the vortex，thereby reducing the wind buffeting noise.The maximum noise reduction of the spoilers designed in this paper can reach 12.8 dB.Finally，the effectiveness of the B-pillar spoiler is verified by road test.The conclusion of this paper has certain theoretical significance and engineering application value for further understanding and controlling wind buffeting noise.Keywords：wind buffeting；noise reduction；B-pillar；spoiler；CFD simulation；turbulent vortex前言在汽车乘坐舒适性指标中，风噪大一直被众多消费者所抱怨，特别是电动车的风噪，因为没有发动机噪声的掩盖效应。在汽车开窗行驶过程中，车内空气会产生一种低频但波动剧烈的振动噪声1，即风振噪声，该噪声会严重影响车内乘员的驾乘体验。因此对风振噪声的特性进行研究并对其进行控制具有重要意义。风振噪声可分为天窗风振和侧窗风振两种，其中天窗风振已经有较多研究，且得到了较好控制2-4。侧窗风振的控制相对较难，研究表明单开后侧车窗的风振噪声要显著大于单开前侧车窗5-6，车内各点的风振噪声幅值和频率是一致的7。侧窗风振是由自由剪切层的自激振荡导致车内产生压力脉动，压力脉动再与车内空腔发生赫姆霍兹共振而导致的7。已有研究总结了不同车速、不同侧窗开启 doi：10.19562/j.chinasae.qcgc.2023.09.025*东风汽车集团有限公司技术中心科研课题项目（91224Y190059）资助。原稿收到日期为 2022 年 12 月 21 日，修改稿收到日期为 2023 年 02 月 13 日。通信作者：陈小勇，硕士研究生，E-mail：。2023（Vol.45）No.9陈小勇，等：B柱扰流器对风振噪声的影响及其机理工况下的风振噪声变化规律5，8-10，为风振噪声的控制提供参考。对于侧窗风振的控制，众多研究都提出了被动控制方案，例如B 柱扰流器、车窗立柱、后视镜结构等5，7，11-14。风振研究一般以样机风洞试验和数值模拟相结合的方式进行15，研究表明瞬态大涡模拟能较准确地捕捉风振噪声7，不同湍流度对侧窗风振噪声会有一定影响16。Mendonca 等17的研究发现简易缩比模型可以预测全尺寸整车模型的风振噪声。以上研究用仿真和试验的方法对风振噪声的产生机理、不同工况下风振噪声的特性以及风振噪声的控制方法进行了探索，为理解和控制汽车风振噪声提供了思路。在这些研究的基础上，进一步探索不同形式B柱扰流器对后侧窗风振噪声的影响，且揭示不同扰流器对风振的影响机理。首先，用不同车速下的风振仿真与试验结果对标验证了仿真方法的有效性；然后结合风振仿真中的速度场和压力场解释了风振噪声的产生机理，同时提出了风振噪声的降噪策略；接着通过仿真方法探究了4种B柱扰流器降噪方案对后侧窗风振噪声的影响，并揭示了不同B柱扰流器对风振的影响机理；最后用试验验证了两种B柱扰流器方案的有效性。本文研究内容对于进一步理解和控制风振噪声具有一定理论意义和工程应用价值。1风振仿真方法的有效性验证拟采用流场仿真和试验相结合的方法探究不同形式B柱扰流器对风振的影响及其机理，因此首先需要将风振仿真结果和试验结果进行对比，以验证风振仿真方法的有效性。1.1仿真方法将整车外表面和内饰的封闭几何模型导入Star-CCM+流体仿真软件，几何模型的左后车窗全开，以模拟产生风振的工况。在Star-CCM+中新建计算域以模拟风洞，计算域大小为13倍车长，12倍车宽，6倍车高，以保证计算域边界处的流场不受汽车周围流场的影响。接着在计算域和整车内外饰之间生成用于仿真计算的有限元体网格。为保证计算精度，同时提高计算效率，对体网格进行分区细化。距车身0.15 m内的网格目标尺寸为0.01 m，距车身0.15 1.3 m以内的网格目标尺寸为0.05 m，距车身1.3 m以上的网格目标尺寸为0.5 m。最终的体网格数量约为1 875万，如图1所示。设定计算域和车身内外表面的边界条件，计算域入口为速度入口（40/70/100 km/h），出口为压力出口（标准大气压力）。车身内外表面和车体下的计算域为不可滑移边界（模拟固体界面），其他表面为可滑移边界（模拟无边界）。为提升计算效率，先以稳态物理模型进行计算，收敛后再以瞬态可压分离涡模拟（detached-eddy simulation，DES）模型进行计算。在瞬态计算过程中，监测车内4个乘员耳点位置的压力波动。瞬态计算时间步长0.001 s，总时长2 s，0.5 s后压力波动趋于稳定，选取稳定后的12 s时间段内的压力波动数据，经傅里叶变换后得到乘员耳点的声压级-频率曲线。1.2试验方法风振噪声的峰值频率很低，在20 Hz内，且幅值较大，在100 dB以上5。与外造型风噪、加速噪声和路噪等其他噪声相比，风振噪声的频率很低、量级很大，因此道路试验的风振测试结果基本不受其他噪声的影响，可以用来与仿真结果进行对比。道路风振试验在直线水泥路上进行，汽车以定速（40/70/100 km/h）行驶，汽车左后车窗全开，与仿真工况保持一致，在车内4个乘员的耳点位置布置传声器，采集汽车行进过程中的压力波动，采集时间为15 s，经傅里叶变换转换成声压级-频率曲线。此外，因道路测试时，自然风会对风振噪声产生一定影响，所以同一车速下须测量往返两次数据。1.3仿真与试验结果对比70 km/h车速下主驾乘员耳点的仿真与试验结果曲线的对比如图2所示。从图中可以看出，由于自然风的影响，往返的数据存在差异，因此需要对往返数据取均值。表1统计了各工况下各乘员耳点的仿真结果和往返取均值后的试验结果，以及仿真和试验结果之图1仿真计算体网格模型 1773汽车工程2023 年（第 45 卷）第 9 期间的误差，其中峰值频率的误差在1.7 Hz以内，风振噪声峰值的误差在 3.9 dB以内。与所调研的最新研究13的精度（02 Hz，4.76 dB）相比，本文的峰值频率精度与其相当，但峰值大小的精度要更高一些。这表明本文仿真方法的准确性较好。2风振噪声的产生机理与降噪策略文献 8 中利用仿真方法分析了简易空腔的风振产生原理，即自激荡原理和赫姆霍兹共振原理。接下来根据这两个原理，结合本课题所做的汽车风振仿真结果，对汽车风振产生机理进行简要分析，并由此得到风振噪声的降噪策略。2.1风振噪声的自激荡原理汽车在运动时，其表面因为不可滑移，会在周围的空气中形成一个边界层。边界层内的空气流速呈梯度变化，接触车身的边界和汽车速度一致，接触空气的边界和空气速度一致。在开启的后车窗处，因为几何形状突变，导致空气流场的边界层分离，产生自由剪切层，如图3中后车窗位置的流场所示。汽车在运动时，车窗内外流场存在速度差，这个速度差会导致自由剪切层不稳定，促成湍流涡的产生，如图3中的红色箭头所示。产生的涡沿着车窗从前向后运动，一个周期后，涡撞击车窗后缘，旧的涡消失，新的涡在车窗前缘生成。从0T到3T/8，涡在车窗前半部分运动，车外的空气受涡的影响侵入车内，自由剪切层向车内偏移，车内的气压增大，如图4所示。从T/2到7T/8，涡在车窗后半部分，车内的气压已经增大到一定程度，车内的空气受涡的影响开始撤出车内，自由剪切层向车外偏移，车内的气压减小。在T时刻，涡撞击车窗后缘，恶化了空腔前缘剪切层的不稳定性，诱发前缘生成一个新的涡结构，形成涡运动反馈机制。上述的涡的生成和反馈机制即为汽车风振的自激荡原理，两个涡生成的时间差即为自激荡的周期，其倒数为自激荡频率。图3一个风振周期内的流场变化图4一个风振周期内的压力场变化图2主驾乘员耳点风振噪声（70 km/h）的仿真与试验曲线表1乘员耳点风振噪声的仿真与试验结果对比车速40 km/h70 km/h100 km/h误差仿真试验仿真试验仿真试验峰值频率/Hz8.79.514.013.518.216.51.7乘员耳点风振声压级/dB主驾101.9100.8125.3121.4131.7130.13.9副驾102.6102.8125.9123.4132.4132.22.5左后104.9106.3126.2124.4132.6129.72.9右后103.5103.5126.2123.9133.0132.32.3 17742023（Vol.45）No.9陈小勇，等：B柱扰流器对风振噪声的影响及其机理2.2风振噪声的赫姆霍兹共振原理对于汽车内部的几何空腔结构，存在一个空腔固有频率。空腔的固有频率由空腔的几何形状和空腔内的空气属性决定。文献 8 中给出了简单空腔的固有频率经验公式，即f=c2A()hc+0.96A V（1）式中：c为声速；A为空腔开口处面积；hc为开口厚度；V为空腔体积。本文中空腔开口处面积A为0.23 m2，开口厚度hc为0.08 m，空腔体积V为3.21 m3。根据式（1）可以计算得到汽车内部空腔的固有频率 f 为 19.8 Hz。随着空气流速的变化，汽车风振自激荡的周期和频率也会相应变化。当自激荡的频率接近或等于汽车内部空腔的固有频率时，就会激发赫姆霍兹共振现象。根据表1可以知道40、70、100 km/h车速下的自激荡频率分别为 8.7、14.0、18.2 Hz。由此可以推断，40 km/h下的自激荡频率离汽车内部空腔的固有频率最远，因此赫姆霍兹共振效果最弱，车内气压脉动最小，声压级峰值最小。而100 km/h下的自激荡频率离汽车内部空腔的固有频率最近，赫姆霍兹共振效果最强，车内气压脉动最大，声压级峰值最大。2.3风振噪声的降噪策略由汽车风振的自激荡原理可知，后侧车窗内外流场速度差形成的湍流涡是风振的诱因。涡的大小和生成频率决定了风振噪声峰值的频率和大小。其他条件相同时，生成的涡越大，风振峰值越大；涡的生成频率越大，风振峰值频率越大；此外，根据赫姆霍兹共振原理，涡的生成频率越接近汽车内部空腔的固有频率，风振峰值也越大，反之亦然。根据以上分析可以得到的风振噪声降噪策略有：（1）减小图3中涡的强度，使流入车内和从车内流出的空气量减少，可以通过在B柱上设计扰流器实现；（2）减小风振的自激荡频率，削弱赫姆霍兹共振效果，可通过改变车窗的宽度实现；（3）增大汽车内部空腔的固有频率，削弱赫姆霍兹共振效果，可通过改变车窗面积、车窗厚度和车内空腔体积实现。在汽车的设计过程中，一旦到达样车试制阶段，车窗面积、宽度、厚度和车内空腔等参数都已经完全固化。此时若有风振降噪的需求，便只能采用B柱扰流器的降噪策略。因此，本文将对B柱扰流器这一降噪策略进行深入研究，探讨其对风振噪声的影响，并进一步分析其机理。因为不同车型的结构不一样，对B柱扰流器的要求也不一样，所以研究B柱扰流器对风振的影响及其机理可以为更有效的 B 柱扰流器设计提供指导。3B柱扰流器对风振的影响及其机理3.1不同形式B柱扰流器对风振的影响为探究B柱扰流器对风振的影响及其机理，本文设计了 4种 B 柱扰流器，扰流器的结构如图 5所示，安装位置如图6所示。对安装这4种扰流器的车型进行70 km/h车速下的风振仿真，得到其风振的声压级-频率曲线。其图5B柱扰流器的结构图6B柱扰流器的安装位置（蓝色零件为B柱）1775汽车工程2023 年（第 45 卷）第 9 期中，主驾乘员耳点的风振声压级-频率曲线如图7所示。从曲线上可获得声压级的峰值和峰值对应的频率，如表2所示。从表2可以计算得到相对于原结构，方案A、B、C、D对峰值和峰值频率的影响，结果如表3所示。3.2影响机理分析为进一步探究4种方案对风振的影响机理，图8展示了4种不同方案的左后车窗处速度矢量图。根据此前分析，减小图3中涡的强度，使流入车内和从车内流出的空气量减少，可以降低风振声压级峰值。而涡的强度可以用自由剪切层偏离B柱外表面的最大距离大小（如图8中距离d，以下简称偏移距离）来衡量。偏移距离越大，涡的强度越大；偏移距离越小，涡的强度越小。图8中所示速度矢量图的时刻均为图3中的T/2时刻。因为从0T到3T/8，自由剪切层向车内偏移；从T/2到7T/8，自由剪切层向车外偏移。所以在T/2时刻，偏移距离最大，易于对比分析。对图8中5种结构的偏移距离进行测量，结果如表3所示。对比表3中的声压级峰值和偏移距离，可以得出扰流器的形式对风振的影响规律：（1）扰流器对偏移距离与对声压级峰值的影响呈正相关。即若扰流器增大了偏移距离，则涡的强度变大，自由剪切层振荡加剧，风振声压级增大；反之亦然。（2）扰流器对峰值的频率基本无影响。（3）扰流器方案A和B能减小偏移距离和涡的强度，从而减小风振声压级峰值；方案C和D会增大偏移距离和涡的强度，从而增大风振声压级峰值。由以上结论可知，要想降低风振声压级峰值，可以在汽车 B 柱上设计方案 A 或 B 所示的扰流器结构，这两种结构可以减小偏移距离和涡的强度，从而减小风振声压级峰值。此外，其他能减小偏移距离的扰流器结构，也都能起到降低风振声压级峰值的效果。3.3方案B的参数寻优由表3可知，方案B的风振降噪效果最好，达到4.1 dB，但降噪后的主驾风振噪声仍有121.2 dB，处于较高水平。为达到更优的降噪效果，本文对方案B的截面高度进行调节，并仿真分析了新方案的风振降噪效果。新方案的截面高度在已有方案B的基础上进行了加高，分别加高了5 mm（方案B-1）和10 mm（方案B-2），如图9所示。新方案在B柱上的位置与图6中的方案B位置保持一致。仿真得到方案B-1和B-2的降噪效果，如表4所示。与表2中的原结构风振峰值相比，方案B-2的风振降噪效果显著，达到了12.8 dB。图7主驾乘员耳点的风振噪声曲线表24种扰流器方案的风振峰值频率和峰值方案原结构方案A方案B方案C方案D峰值频率/Hz1414141413乘员耳点风振声压级/dB驾驶员125.3121.8121.2128.0126.8副驾乘员125.9122.5121.8128.6127.4左后乘员126.2122.4122.4128.7127.6右后乘员126.2123.0122.2128.6127.5图8左后车窗处的速度矢量图表34种扰流器方案对风振噪声的影响项目峰值频率峰值偏移距离方案A无影响-（3.23.8）dB-25%方案B无影响-（3.84.1）dB-25%方案C无影响+（2.42.7）dB+20%方案D-1 Hz+（1.31.5）dB+10%17762023（Vol.45）No.9陈小勇，等：B柱扰流器对风振噪声的影响及其机理图10进一步对比了方案B、B-1、B-2左后车窗处的速度矢量图。由图可知，方案B-1的偏移距离与图8中的原方案偏移距离相等，即涡的强度和原方案相近，均为d，导致其降噪效果很小。方案B-2的自由剪切层出现了分层（如图10中的红圈所示），上层气流可以认为在车内循环，只有下层会导致车内外气流交换，从而导致车内压力波动。因此，方案B-2的偏移距离只测量下自由剪切层，即0.5d。该偏移距离显著小于原方案的偏移距离d，即涡的强度显著小于原方案，使其降噪效果明显。以上结论与3.2节中的影响机理一致。4风振噪声降噪方案的试验验证仿真表明图5中方案A和B所示的扰流器结构可以减小风振声压级峰值，为进一步探究其实际改善效果，对这两种方案进行试验验证。试验的车型、车速与3.1节中的仿真保持一致，即车速为70 km/h，试验方法与1.2节一致。仿真与试验的扰流器方案对比如图11所示。试验方案的扰流器用3D打印制作，仿真与试验的方案结构基本一致。试验得到的主驾乘员耳点风振噪声的声压级-频率曲线与仿真曲线对比如图12所示。从图12可获得方案A和B对声压级峰值的试验降噪效果和仿真降噪效果，结果如表5所示。根据表中数据，可以得到以下结论。（1）定性来看，试验和仿真的方案都能减小声压级峰值，且试验和仿真结果都表明方案B的效果优于方案A，因此试验和仿真具有较好的一致性；（2）定量来看，方案A和方案B的试验降噪效果均比仿真降噪效果小1 dB左右，推测主要原因在于试验结果是在道路上测试得到，而仿真结果是模拟的风洞，因此道路测试时其他噪声（路噪、胎噪等）难免会对风噪产生一定影响。图9方案B、B-1和B-2的截面图表4方案B-1和B-2风振峰值频率和峰值方案方案B-1方案B-2峰值频率/Hz1414乘员耳点风振声压级/dB驾驶员124.3112.5副驾乘员124.9113.2左后乘员124.8113.6右后乘员125.1113.6图10方案B、B-1、B-2的速度矢量图图11仿真与试验的扰流器方案图12主驾乘员耳点的试验与仿真风振噪声曲线对比 1777汽车工程2023 年（第 45 卷）第 9 期总而言之，试验验证结果表明，本文给出的方案A和B两种降噪方案降低风振声压级的效果比较明显，且试验的降噪效果与仿真的降噪效果一致性较好。5结论探索不同形式B柱扰流器对后侧窗风振噪声大小的影响，且揭示了不同扰流器对风振的影响机理。首先验证了流场仿真方法的有效性；然后解释了风振噪声的产生机理并提出风振噪声的降噪策略；接着探究4种B柱扰流器降噪方案对后侧窗风振噪声大小的影响，并揭示其影响机理；最后用试验验证了两种B柱扰流器方案的有效性。主要结论如下。（1）风振仿真的峰值和峰值频率误差在3.9 dB和1.7 Hz以内，仿真方法的准确性较好。（2）汽车风振由自激荡原理和赫姆霍兹共振原理导致，设计B柱扰流器，改变车窗宽度、面积、厚度和车内空腔体积等降噪措施可改善风振噪声。（3）B柱扰流器对偏移距离与对声压级峰值的影响呈正相关，而对峰值的频率基本无影响。方案A和B以及其他能减小偏移距离的扰流器结构，可以减小湍流涡的强度，从而改善风振噪声。方案B-2的风振降噪效果最好，可达12.8 dB。（4）道路试验表明方案A和B能实际起到降低风振噪声的效果；且试验的降噪效果与仿真的降噪效果一致性较好。本文研究结论对于进一步理解和控制风振噪声具有一定理论意义和工程应用价值。参考文献 1 BODGER W K，JONES C M.Aerodynamic wind throb in passenger cars C.SAE Paper 640797.2 谷正气，肖朕毅，莫志姣.汽车风振噪声的CFD仿真研究现状J.噪声与振动控制，2007（4）：65-68.GU Zhengqi，XIAO Zhenyi，MO Zhijiao.Review of CFD simulation on vehicle wind buffeting J.Noise and Vibration Control，2007（4）：65-68.3 汪怡平，谷正气，杨雪，等.汽车天窗风振噪声数值模拟与控制J.中国公路学报，2010，23（6）：108-114.WANG Yiping，GU Zhengqi，YANG Xue，et al.Numerical simulation and control of automobile sunroof buffeting noise J.China Journal of Highway and Transport，2010，23（6）：108-114.4 杨振东，谷正气.基于尺度自适应模拟的汽车天窗风振噪声特性分析 J.机械工程学报，2016，52（12）：107-117.YANG Zhendong，GU Zhengqi.Analysis of car sunroof buffeting noise based on scale-adaptive simulation J.Journal of Mechanical Engineering，2016，52（12）：107-117.5 汪恰平，谷正气，杨雪.汽车侧窗风振特性研究及控制 J.空气动力学学报，2012，30（3）：277-283.WANG Yiping，GU Zhengqi，YANG Xue.Side window wind buffeting characteristics and reductions J.ACTA Aerodynamica Sinica，2012，30（3）：277-283.6 YANG Z，GU Z，TU J，et al.Numerical analysis and passive control of a car side window buffeting noise based on scale-adaptive simulation J.Applied Acoustics，2014，79（may）：23-34.7 HENDRIANA D，SOVANI S D，SCHIEMANN M K.On simulating passenger car side window buffeting C.SAE World Congress&Exhibition，2003.8 于旭涛.汽车侧窗风振噪声机理及控制研究 D.长春：吉林大学，2018.YU Xutao.Study on wind buffeting noise mechanism and control for side-windows D.Changchun：Jilin University，2018.9 杨振东，谷正气，谢超，等.汽车侧窗风振噪声特性差异研究J.汽车工程，2018，40（8）：981-988.YANG Zhendong，GU Zhengqi，XIE Chao，et al.An investigation into characteristics discrepancy of vehicle side-window buffeting noise J.Automotive Engineering，2018，40（8）：981-988.10 胡兴军，张扬辉，郭鹏，等.汽车侧窗风振噪声特性研究 J.华南理工大学学报（自然科学版），2020，48（11）：64-71.HU Xingjun，ZHANG Yanghui，GUO Peng，et al.Research on buffeting noise characteristics of automobile side window J.Journal of South China University of Technology（Natural Science Edition），2020，48（11）：64-71.11 宗轶琦，谷正气，罗泽敏，等.侧窗开度连续变化时汽车风振噪声的数值模拟 J.汽车工程，2016，38（12）：1427-1433，1414.ZONG Yiqi，GU Zhengqi，LUO Zemin，et al.Numerical simulation on vehicle buffeting noise with continuous change of side-window opening J.Automotive Engineering，2016，38（12）：1427-1433，1414.12 AN C F，ALAIE S M，SOVANI S D，et al.Side window buffeting characteristics of an SUV C.SAE Paper 2004-01-0230.13 王亓良，陈鑫，张英朝，等.基于CFD仿真的SUV侧窗风振特性 J.机械工程学报，2021，57（4）：156-163.WANG Qiliang，CHEN Xin，ZHANG Yingchao，et al.Side window buffeting characteristics of SUV by CFD simulation J.Journal of Mechanical Engineering，2021，57（4）：156-163.(下转第1771页)表5方案A和B的试验与仿真降噪效果对比风振降噪效果方案A方案B试验仿真试验仿真主驾-2.3 dB-3.5 dB-3.1 dB-4.1 dB副驾-2.3 dB-3.4 dB-3.0 dB-4.1 dB左后-2.9 dB-3.8 dB-3.0 dB-3.8 dB右后-2.3 dB-3.2 dB-3.0dB-4.0 dB 17782023（Vol.45）No.9管欣，等：基于卷积神经网络的汽车操纵稳定性试验类型识别方法Part D：Journal of Automobile Engineering，2021：09544070211063719.6 XU B，SHI J，LI S，et al.A study of vehicle driving condition recognition using supervised learning methodsJ.IEEE Transactions on Transportation Electrification，2021，8（2）：1665-1673.7 LATTANZI E，FRESCHI V.Machine learning techniques to identify unsafe driving behavior by means of in-vehicle sensor dataJ.Expert Systems with Applications，2021，176：114818.8 ALLADI T，KOHLI V，CHAMOLA V，et al.Securing the internet of vehicles：a deep learning-based classification frameworkJ.IEEE Networking Letters，2021，3（2）：94-97.9 NASARUDDIN N，MUCHTAR K，AFDHAL A.A lightweight moving vehicle classification system through attention-based method and deep learning J.IEEE Access，2019，7：157564-157573.10 PRABHAKAR G，KAILATH B，NATARAJAN S，et al.Obstacle detection and classification using deep learning for tracking in high-speed autonomous driving C.2017 IEEE Region 10 Symposium（TENSYMP）.IEEE，2017：1-6.11 YANG D，WU Y，SUN F，et al.Freeway accident detection and classification based on the multi-vehicle trajectory data and deep learning modelJ.Transportation Research Part C：Emerging Technologies，2021，130：103303.12 BEHRENDT K，NOVAK L，BOTROS R.A deep learning approach to traffic lights：detection，tracking，and classificationC.2017 IEEE International Conference on Robotics and Automation（ICRA）.IEEE，2017：1370-1377.13 SCHOEGGL P，RAMSCHAK E.Vehicle driveability assessment using neural networks for development，calibration and quality tests C.SAE Paper 2000-01-0702.14 王莹.汽车操稳性能试验现场快速评价技术研究 D.长春：吉林大学，2017.WANG Y.Research on field and rapid evaluation technology of vehicle handling and stability performance test D.Changchun：Jilin University，2017.15 梁帆.汽车试验方案和工况自动识别方法研究 D.长春：吉林大学，2017.LIANG F.Study on automatic recognition of vehicle test scenarios and conditions D.Changchun：Jilin University，2017.16 张兴龙，杨鹏春.基于数据驱动的整车试验工况识别与评价方法研究 J.上海汽车，2022（10）：40-44.ZHANG Xinglong，YANG Pengchun.Research on identification and evaluation method of vehicle test conditions based on data-driven J.Shanghai Auto，2022（10）：40-44.17 CHEN W，SUN Q，WANG J，et al.A novel model based on AdaBoost and deep CNN for vehicle classification J.IEEE Access，2018，6：60445-60455.18 GLOROT X，BORDES A，BENGIO Y.Deep sparse rectifier neural networks C.Proceedings of the Fourteenth International Conference on Artificial Intelligence and Statistics.JMLR Workshop and Conference Proceedings，2011：315-323.19 HINTON G E，SRIVASTAVA N，KRIZHEVSKY A，et al.Improving neural networks by preventing co-adaptation of feature detectors J.arXiv Preprint arXiv：1207.0580，2012.20 The MathWorks，Inc.Deep network designer toolboxEB/OL.https：/ 18 November 2022）.（上接第1778页）14 BALASUBRAMANIAN G，MUTNURI L A R，SUGIYAMA Z，et al.A computational process for early stage assessment of automotive buffeting and wind noise J.SAE International Journal of Passenger Cars Mechanical Systems，2013，6（2）：1231-1238.15 WALKER R，WEI W.Optimization of mirror angle for front window buffeting and wind noise using experimental methodsC.SAE 2007 Noise and Vibration Conference and Exhibition，2007.16 MAFFEI M，BIANCO A，CARLINO G.Side window buffeting investigation by stereoscopic particle image velocimetry in low and high turbulence regime J.Glazing，2009.17 MENDONCA F G.CFD/CAE combinations in open cavity noise predictions for real vehicle sunroof buffeting J.SAE International Journal of Passenger Cars-Mechanical Systems，2013，6（1）：360-368.1771