共查询到20条相似文献,搜索用时 93 毫秒
1.
以23辆乘用车的3挡全油门加速工况的车内噪声为研究对象,对车内声品质采用等级评分法进行主观评价试验,分析计算各噪声样本的心理声学参数和非心理声学的客观参数,并应用多元线性回归理论建立声品质预测模型。研究表明,响度、线性度和粗糙度是影响听众对全油门加速噪声主观感受的最重要的因素,模型预测结果与主观评价试验结果相关系数R~2为0.853,预测值与主观评价实测值吻合度较高,所建立的声品质评价模型在统计学上是有意义的。 相似文献
2.
3.
支持向量机在汽车加速车内声品质预测中的应用 总被引:1,自引:0,他引:1
《汽车工程》2015,(11)
应用支持向量机方法对汽车加速时车内声品质进行预测。以噪声样本的响度、尖锐度、粗糙度、AI指数等客观评价参量作为输入因子,主观烦躁度评价结果作为输出因子,利用支持向量机回归方法建立了汽车加速车内声品质的预测模型。对比结果表明,与多元线性回归模型相比,基于支持向量机的汽车加速车内声品质预测模型能够更准确地反映客观评价参量与主观烦躁度之间的非线性映射关系,预测精度更高。 相似文献
4.
5.
电动汽车车内噪声对乘客的驾乘舒适性感受具有较大影响,在追求高性能与长续航的基础上匹配最优的车内NVH性能,将大大提高电动汽车的竞争力。本文以电动汽车车内噪声为研究对象,以多维度声品质优化为研究目标,使用声学材料对车内关键部位进行包装,降低车内高频噪声,利用噪声主动均衡系统,对车内噪声的各临界频带进行抵消或者放大,通过软件仿真确定各临界频带的最佳增益系数,并将最佳控制的仿真结果进行基于心理声学声品质客观评价,搭建主客观评价的关系模型,获得影响车内驾乘人员听觉主观感受的客观参量,通过噪声控制技术有针对性地加以控制和改善,为后续的研究提供理论依据和参考。 相似文献
6.
7.
8.
9.
10.
《汽车工程》2015,(8)
本文中对中间位置转向力特性主客观评价的相关性进行了研究。首先基于线控转向系统,针对中间位置转向建立了一个参数可调的转向力特性模型,运用均匀试验设计方法分析了12种不同的中间位置转向力特性。评价人员在驾驶模拟器上对这12种不同转向力特性进行了主观评价。同时,通过离线仿真,按照ISO中间位置操纵特性试验方法对这12组力特性进行了客观评价试验。然后应用多元线性回归方法分析主观评价项目与客观评价指标之间的相关性。结果表明,应用建立的相关性对主观评分进行预测的平均相对误差小于4%。最后,基于所建立的多元线性回归模型求取了关键客观评价指标的理想值。该方法可有效地指导转向系统的开发。 相似文献
11.
12.
针对某纯电动车全油门加速行驶车内产生的啸叫问题,经主观评价及试验诊断分析后,排查出电机转速为5000rpm-6000rpm时车内出现啸叫噪声;通过传递路径分析阐述了减速器啸叫噪声的产生的背景,并进行试验测试、阶次分析、CAE仿真等研究分析方法排查出整车加速过程中车内啸叫声激励源来自减速器内轴2级传动齿轮的阶次噪声;结合开发车型设计情况,并在保证性能的情况下,提出减速器2级齿轮修形优化的方案;对实施优化后方案后的车辆进行试验验证和主观评价,结果表明驾驶室声压级峰值降低了4.99dB,解决驾驶室内啸叫问题,提高乘坐舒适性。 相似文献
13.
14.
15.
16.
《中国公路学报》2017,(6)
针对中国某汽车企业传动系声品质评价问题,开展了该传动系声品质的主观评价,建立了与主观评价相统一的声品质客观评价模型。传动系噪声在半消声室试验台架上测试获得,测试工况包括全工作转速范围的匀加速和部分定速工况,通过测试数据的一致性分析确定用于声品质分析的噪声样本;综合考虑该传动系噪声的物理特征和人耳的听觉特性,并依据声品质主观评价方法的内涵属性,选择语义细分法作为声品质主观评价方法。研究结果表明:从强度、音调、音色等多个维度出发,建立汉语背景下语义细分法的语义空间,运用专家咨询法、项目区分度、主成分分析和因子分析方法,可以确定语义空间中适用于汽车传动系声品质评价的评价指标,并验证了其有效性;选取评价主体完成该传动系声品质的主观听音试验,获得主观评价结果;选取响度、尖锐度、语言清晰度等指标作为该传动系噪声客观评价指标并计算出结果;以主观评价结果为应变量,客观指标计算结果为自变量,通过一元回归分析,发现响度、尖锐度、语言清晰度与主观评价结果相关性较好;以主观评价结果为响应,多个客观指标计算结果为输入,运用多元回归分析方法及支持向量机智能建模方法,建立了该传动系啸叫客观评价的回归模型和人工智能模型,并进行了验证,实现了该汽车传动系声品质的客观量化评价。 相似文献
17.
为提高汽车声品质主观评价试验的可靠性和实用性,并对纯电动汽车在匀速及加速工况下的车内噪声品质特性进行分析,在参考语义细分法(ASDM)的基础上结合区间灰数理论,提出一种改进的声品质主观评价方法。评审员以某一基准样本作为参考,采用模糊打分方式对车内噪声样本进行主观评价,以灰色关联度作为评分者信度来筛除无效评分,提出了一种区间灰数的确信度参数,作为计算分数权值的重要指标,以求得各个样本的综合评分结果。通过与传统语义细分法(SDM)以及ASDM的评分结果进行对比分析,验证了改进的方法能在保持相同工作量的前提下,更准确地反映人对汽车车内噪声的主观感受。并采用该方法对3款不同定位的纯电动汽车在不同工况下的车内噪声品质进行了主观评价试验,对比分析了3辆车的声品质特性。 相似文献
18.
随着汽车产业的发展和进步,汽车的NVH性能,尤其是汽车的车内噪声性能越来越引起人们的重视。文章以GB/T18697—2002《汽车车内噪声测量方法》为理论基础,介绍了车内噪声测量的试验要求和测量技术要求,并对某轿车NVH改进前后的车内噪声性能进行对比分析,表明经过改进的轿车在匀速行驶和发动机扫描工况下,车内噪声降低,改进措施良好,从而得到了该轿车基于车内噪声的车辆NVH改进分析结果。 相似文献
19.
20.
基于深度学习方法建立的车内声品质评价模型不需要高度依赖声学理论和经验知识,可以有效提取深层次特征,客观高效地获得符合主观感受的评价结果。为获取噪声中符合人耳对声音感受的频率信息,便于在深度学习中进行特征提取,采用对数梅尔频谱和时频遮掩相结合的方法对采集到的噪声样本进行预处理。为有效提取车内噪声深层次特征,融合卷积神经网络 (Convolution Neural Network,CNN) 和长短时记忆网络 (Long Short-Term Memory Network,LSTM) 各自的优点,建立了融合特征提取层。使用全连接和Softmax输出单元组合构建了分类器模块。在合适的超参数下,模型通过充足的训练获得了96.88%的训练准确度。使用大量样本对模型进行验证,得到93.69%的验证准确度;采用混淆矩阵对模型进一步验证,总体的预测评价等级与真实评价等级偏差不大,证明模型的预测结果与主观评价结果具有很好的一致性。 相似文献