有限元法(finite element method,FEM)具有几何适应性强但随分析频率增加计算时间成本迅速增加的特性,而波函数法(wave based method,WBM)拥有收敛性好但几何适应性差的特性。为减小离散单元带来的误差和提高分析频率,采用基于声压和法...有限元法(finite element method,FEM)具有几何适应性强但随分析频率增加计算时间成本迅速增加的特性,而波函数法(wave based method,WBM)拥有收敛性好但几何适应性差的特性。为减小离散单元带来的误差和提高分析频率,采用基于声压和法向速度连续性条件实现有限元法和波函数法混合建模的混合(finite elementwave based method,FE-WBM)。以车内声腔为例,建立了车内声腔的二维FE-WBM模型,实现了车内声学响应预测。FE-WBM模型与参考有限元模型的声压云图和响应点声压频响曲线对比的结果表明,FE-WBM模型与参考有限元模型的计算结果很好吻合,验证了混合FE-WBM的有效性。分别以模型自由度和CPU运行时间为自变量,以响应点相对误差为因变量,比较两种方法的收敛特性。结果表明,在相同误差水平下,FE-WBM模型在模型自由度和CPU运行时间方面较传统有限元都有明显的优势。展开更多
文摘有限元法(finite element method,FEM)具有几何适应性强但随分析频率增加计算时间成本迅速增加的特性,而波函数法(wave based method,WBM)拥有收敛性好但几何适应性差的特性。为减小离散单元带来的误差和提高分析频率,采用基于声压和法向速度连续性条件实现有限元法和波函数法混合建模的混合(finite elementwave based method,FE-WBM)。以车内声腔为例,建立了车内声腔的二维FE-WBM模型,实现了车内声学响应预测。FE-WBM模型与参考有限元模型的声压云图和响应点声压频响曲线对比的结果表明,FE-WBM模型与参考有限元模型的计算结果很好吻合,验证了混合FE-WBM的有效性。分别以模型自由度和CPU运行时间为自变量,以响应点相对误差为因变量,比较两种方法的收敛特性。结果表明,在相同误差水平下,FE-WBM模型在模型自由度和CPU运行时间方面较传统有限元都有明显的优势。
