随着汽车逐渐成为工作、生活、娱乐的一部分,人们对乘坐舒适性的关注越来越高。由于车身结构面板众多且是车内乘坐舒适性的重要影响因素,而面板声学贡献量分析(Panel Acoustic Contribution Analysis,PACA)是降低乘坐室噪声设计环节中的重要方法。因此,本文基于面板贡献量分析理论,针对车身面板振动产生的噪声进行了声品质研究,主要工作如下:(1)基于某国产轿车,在CATIA中建立了车身结构模型;在HyperMesh软件中,建立车身面板有限元模型以及车内声腔边界元模型;并通过试验确定模型的有效性。(2)置车辆于转鼓试验台上,采集怠速及多个匀速工况下发动机悬置与车身连接点处的振动激励信号以及驾驶员右耳的噪声信号。运用等级评分法对试验采集的噪声信号样本进行了主观评价,获得样本信号的烦躁度值。在Head Artemis中,对多个声品质客观参量进行计算,将仿真计算结果与烦躁度值进行相关性分析。(3)分别建立了基于多元线性回归理论和神经网络理论的声品质预测模型。通过比较两者的预测精度和建模难度,确定选择以BP神经网络为基础的预测模型。在此基础上针对BP神经网络模型在预测时会出现部分样本误差较大的情况,本文运用遗传算法对神经网络初始权值和阈值进行优化。通过检验最终确定运用可提供更高预测精度的GA-BP神经网络模型为声品质预测模型。(4)将试验采集的激励信号作为车内声腔边界元模型的输入,进行基于声腔模态的ATV运算,得出各面板振动产生的噪声在关键频率下对于驾驶员右耳场点的声压级贡献量。再结合GA-BP神经网络模型,计算出了车身各个面板对于驾驶员耳旁噪声烦躁度的贡献。通过分析比较,发现由于心理声学参数间的耦合作用,声品质与声压级贡献情况间存在差异。并确定声品质贡献量较大的顶棚和地板面板作为优化的目标面板。(5)将目标面板的噪声声压级幅值作为变量,驾驶员耳旁的烦躁度值作为优化目标,在MATLAB中利用遗传算法搜索出目标噪声信号。通过ATV逆运算,计算目标面板各单元的振动速度,通过与原振动速度相比较得出变化最大的单元;针对变化较大单元,设计多个优化方案,并进行优化方案的效果检验。结果显示同时优化两个目标面板且在精准区域敷设阻尼厚度为3mm时,车内声品质较好。本文以提高驾驶室舒适性为目的,以有限元与边界元模型为载体,运用面板声学贡献度分析的方式方法,结合声品质主客观评价方法,在车身设计阶段确定需优化的目标面板。通过对优化方法的探索,本文提出了创新的优化方案。对面板进行改进后,达到了预期目标,实现了降低成本和轻量化。