|
因为疫情原因，原计划在武汉举办的“第十八届汽车NVH控制技术国际论坛”，改在了线上，这个会议是我们NVH领域比较重要的一次盛会，很多主机厂的专家，大学教授以及一线工程师都会在这个论坛上进行交流，比如我很期待庞剑博士。
这次会议的分享很多，我没有全部听完，结合我听到的部分，分享一下对我的启发，主要包括三个关键词：机遇-挑战-应对。NVH的未来机会在哪里？这是从事NVH的工程师都很关心的问题，特别是随着数字化和智能技术的崛起。而对于趋势的判断，有个便捷的方式，就是听听行业牛人的观点。庞剑博士，在NVH领域深耕了很多年，也对中国汽车NVH领域产生了重大的影响，相信很多从事NVH工作的工程师都看过他写的《汽车噪声与振动理论与应用》这本书，而且我关于NVH控制的三个层次“降噪-声品质-声音DNA”的认识，也是来源于他的一次讲座。而这一次，他带了题为《汽车智能声场与声均衡控制架构》的主题演讲，在这次分享中，他在原有的“三层”金字塔（降噪、声品质和声音DNA）的基础上，又增加了一层“智能声”，完善了他对汽车NVH的认识。而在解释为什么是智能声的时候，我觉得他的两个角度有启发，一个是从行业发展大脉络的角度，另一个是从用户需求变化的角度。他用一张图呈现了NVH发展和几次工技术迭代的关系，特别是NVH几个不同层级出现的阶段，从这样图中，让我们从宏观角度理解了NVH的发展脉络，以及未来发展趋势，而我们大家都能看到的未来趋势是智能化，所以声音的智能化就是一个符合大的趋势的判断。此外，人们的需求也在不断变化，而现在这个时代是追求个性化的时代，他用马斯洛的需求理论进行了解释，我觉得也挺有意思。我自己也听过我们公司市场部，关于未来我们客户的画像分析，发现年轻消费者的需求的确各不相同，而这种不同，对应到汽车产品开发，很可能需要做差异化和定制化的设计，而声音是不是也应该做出差异化的设计呢？结合前面的亮点，庞剑博士提出了智能声的架构，其中包括了智能声交互、智能声设计和智能声云三个部分，而这个部分和我自己一直思考的“座舱声学4部分（NVH、声音设计、音响、语音识别）”有很高的重合度，这让我产生了一些共鸣。
关于这个架构的详细部分就不展开，庞剑博士的分享让我看到，其实NVH在新的时代还有很多的空间可以拓展，有很多的机会出现。我们知道，机遇和挑战常常是并存的，关于挑战部分，我觉得李传兵博士的总结很有启发，一方面他看到了，对于智能时代， 特别是未来的智能驾驶，人们对一个安静平稳的空间要求更高了；而另一方，开发周期短、为了续航而轻量化、激烈竞争带来的成本约束，这些都让NVH开发工作更加具有挑战性。关于这一点，我自己在实际的工作中感同身受，特别他提到只有少数公司的NVH团队是很健全而细致的，大多数公司，特别是新造车势力，NVH人员规模常常不会太多，但是项目的要求又比较高，这就对NHV团队提出了更高的要求。该如何应对呢?我觉得他的营销思路很好，因为接下来他就分享了他们公司的产品，包括团队能力、数据测试和管理软件，坦诚讲，如果结合这个工具，做好数据积累，的确很有帮助。除了李博士提到的挑战，其实我认为对于NVH工程师还有一个挑战，就是知识和技能的更新。传统的NVH工程师只要懂得噪声振动原理、汽车原理、信号处理、仿真和测试工具等，基本就可以了。但现在，电动车的NVH问题，还有不少是通过控制解决的，所以NVH工程师还需要了解电控部分。而对于前面庞剑博士提到的智能声，其实还会涉及到音频、音乐、算法和人工智能甚至是心理学，这些都不是传统NVH工程师擅长的，如果想要从事相关的工作，对NVH工程师本身也是一个挑战。面对前面的机遇和挑战，我们要如何应对呢？我理解有三个方面：拥抱新机遇、转变思维方式和善用新工具。关于第一条，比较容易理解，就是面对新的机遇，我们要主动拥抱，当然如果你还是想坚守原来的阵地，其实也没有关系， 因为传统的基础部分同样重要，而且不会消失，其实从庞剑的图中也能看到这个细节。业界流传着一句话“NVH是玄学”，其实有一定的道理，主要是因为影响NVH的变量太多，而且很多时候是相互耦合的。在开始做NVH的时候，大家都是希望从机理上把它搞得很透彻，这样就能从根本上解决问题，而且也基于此建立了至上而下的分解体系，但是随着时间发展，大家慢慢发现，有些问题很难解释很清楚，或者说要解释很清楚，需要做大量的试验，类似于科研的方式才有可能搞清楚，而实际开发的时间和资源，不允许这样做。 于是大家发现了另外的一条路，就是基于统计学的方式，其实这种方式并不新，即使在NVH领域，比如最早人体对声音和振动的感知规律，就是通过统计学的方式做出来的。只不过现在大家发现了一个更好用，而且在其它领域被证明有奇效的工具——机器学习。于是，有些先行者就尝试用这个思路进行NVH问题的解决，貌似效果还不错，比如这次分享中，西南交通大学的丁渭平教授就分享了他们的研究成果，结合“数据+机理”的方式进行悬置的优化设计。而且丁教授对前面提到的两种解决问题的方式进行了一个比较，我觉得也很清晰。这个思路，在广汽首席NVH专家汤全球的分享中也有体现，他将其应用在路噪的开发中。关于新工具，其实前面也提到了，比如李传兵博士介绍的数据采集和管理系统，可能思路不是很新，但是真正做的好的并不多，而且我认为如果数据能规范化采集和记录，其实对后续利用机器学习的方式进行开发也很有帮助。而对于机器学习，我觉得在NVH的开发中很可能会发挥重大的作用，特别是结合上数据的有效积累。不过，对于这方面，我自己也没有尝试过，希望在后续的工作中能够有所尝试，再和同行一起探讨。
智能时代，为NVH或者说是汽车声学提供了更广阔的机遇，这个过程中，也存在很多的挑战，比如开发周期更短、轻量化和成本边界，对NVH开发，特别是小规模的NVH团队，都提出了更高的要求。为了拥抱这个机遇，应对相应的挑战，一方面要夯实已有的方法和经验，同时也需要探索如机器学习等新方法的可能性，并且和其它专业的专家，一起打造更好的汽车座舱声学体验。
|
