越来越多的人开始注重驾乘品质，汽车噪声自然而然地成了消费者关心的话题。
如何准确判断异响来源，高效地解决噪声困扰？上汽商用车技术中心整车集成部高级经理袁卫平和他的“种子基金”团队正在打造一种能识别噪声的“黑科技”。
“算”出来的噪声声源
对车辆的空气噪声和结构噪声进行识别，传统方法一般采用拆卸或者改变零部件状态来进行，并将它们相分离，比如更换悬置、换装挠性传动轴、加装减震器等。这种方法排查过程繁琐，需多次拆装零部件，效率较低；而利用仪器设备来采集数据，则精度不高。
这些技术难点一直困扰着袁卫平，在他心里始终有一颗未发芽的“种子”：“我希望能够在不破坏原件、不改变对象运行的条件下准确地检测到噪声源。”
为此，袁卫平带领团队研究出了一种基于能量守恒理论的算法，由工程师们采集车辆在不同工况下发出的噪声样本，形成噪声数据库。目前，团队已经能做到仅改变车辆单一因素（如开关车窗状态），就能快速、准确地将空气噪声与结构噪声分离出来。
“演”出来的噪声样本
采集车辆在不同工况下发出的声音作为噪声样本，是整个算法项目的基础，这对工程师听觉的敏锐性、手脚配合的灵活度、及车辆操控能力提出了极高的要求。在袁卫平的团队中，工程师曾帅堪称“奥斯卡”最佳拟音，他可以逼真地模拟出各种驾驶习惯，准确地“踩”出不同工况下的声音，这样“人车合一”的技能正是团队得到准确噪声样本的基础。
不知不觉中，团队成员们患上了“声音强迫症”。即使环境嘈杂，他们也能感知到极其微小，甚至在日常生活中被人们忽略的声音。不管是在实验室还是上下班的路上，只要有汽车噪声进入他们的耳朵，就一定会住进他们的心里，强制自己必须找到声源并将其一网打尽。
有一次，袁卫平和几位工程师一起试车，途经翔殷路隧道。在上坡时，他们感知到车辆发出异响。为了找到声源，他们反复地在隧道里开了几个来回，直到揪出“真凶”——电机的啸叫声。在袁卫平的指导下，团队花了两个月的时间制作出新样件，把噪声降低了10分贝。
打造高效的检测工具
农历鸡年春节前夕，正值项目的阶段性验证测试。由于白天测试环境的背景噪声比较大，为了提高精确性，团队成员选择在半夜工作。“一点也不觉得冷，验证数据出来的时候，我非常兴奋。”团队成员张春燕回忆说。
真正让袁卫平感到担心的是，有些参与到项目中的工程师在检测噪声时，依然沿用传统的办法来甄别噪声，因为新的识别算法过于复杂，工作量非常大，导致数据分析存在困难。
目前，这一“种子基金”项目已进入第二阶段，袁卫平团队将基于这套验证好的算法开发一款测试数据计算分析软件。软件上线后，工程师直接导入实验数据，不到10分钟就能得到分析报告，为整车的开发快速识别NVH问题提供依据和解决方法。
