汽车关门声声品质评价方法的研究

介绍了基于A计权声压级时频特性的汽车关门声品质评价方法,建立了Zwicker瞬时响度与时变响度、Moore瞬时响度与时变响度和尖锐度的计算模型,分析了各种模型对汽车关门声品质评价的适用性;最后建立了以A计权声压级时频特性、尖锐度和瞬时响度为指标的汽车关门声品质评价方法,并通过对两个关门声样本的评价,验证了该方法的可行性。     

汽车关门声品质主客观维度解构及应用研究

通过对关门声品质主观评价维度进行解构,将关门声的主观感知细分为总体响度、厚重感、紧凑感、精致感4个维度,并采用语义细分法结合等级评价法进行关门声品质的主观感知评价。进一步对声品质评价的大量客观参数进行主客观关联性分析,找到了与关门声品质4个感知维度相关性在0.9以上的对应客观量化指标,分别为峰值响度、低频能量、响度特征谱包络和平均尖锐。结合某乘用车关门声品质的优化案例,对提出的主客观评价方法的合理性进行了验证,结果表明,所建立的主客观评价方法,可以全面表达人对关门声品质的主观感知评价,在车门声品质开发过程中能较准确地诊断问题,对汽车关门声品质的评价与开发具有实际指导意义。     

基于人工神经网络模型的车门关闭声声品评价方法研究

基于BP人工神经网络研究了利用汽车关门声客观评价量进行声品质评价的方法.利用所采集声音样本的主、客观评价结果对BP人工神经网络进行训练,对训练好的网络进行主观评价预测;另外,对人工神经网络模型的输入量即关门声客观评价参数进行了研究.结果表明:基于人工神经网络模型的声品质评价方法是有效的;音调度是汽车关门声的一个重要特征量,将音调度一并作为输入参量,不仅可以提高网络的收敛速度,而且可以降低网络预测误差.     

支持向量机在汽车加速车内声品质预测中的应用

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。     

轨道列车运行时间的线性预测模型与算法

为更加准确地预测城市轨道交通列车运行时间,建立列车运行时间改进线性预测模型.该模型基于正交函数和最小均方误差规则求解线性预测系数.采用不同长度的数据样本建立预测模型,分析数据样本长度和预测阶数对预测结果的影响,进而引入基于顺序迭代法的数据调整机制,提高模型系数计算的准确性.通过对比站间距离不等的情况下距离变换前后模型预测的准确性,分析了站间距离对预测精度的影响,进而引入站间距离的线性变换方法,提高模型的预测精度.结果表明,模型改进前后的平均预测精度分别为92.53%和95.43%,预测精度提高3.13%;提高预测阶数可小幅提高模型预测精度,模型的改进可明显提高运行时间的预测精度.将该模型应用于上海轨道交通2号线列车运行时间的预测,与列车运动模型相比,所提模型预测误差降低17.4%,验证了模型的实用性与准确性.      

汽车关门声品质改进方法的研究

针对某企业新车型关门声品质改进问题,提出一种通过减小模态能量来改善汽车关门声品质的方法.该方法采用模态频率响应法,结合全因子试验设计计算出各车门样本在脉冲激励下的模态能量,并找出模态能量最低的样本,从而得到新的车门结构.结合模态频率响应法与边界元法计算了改进前后车门系统辐射出的声压和声品质参数,同时对样车进行了关门声品质试验.结果表明,模态能量最低的车门系统的关门响度与尖锐度有明显减小,达到了改善关门声品质的目的.     

乘用车振动舒适性评价及预测

为综合乘用车振动舒适性主观评价和客观评价的优点,使评价结果更可靠,对主观评价和客观评价试验结果进行分析,建立了根据客观试验数据预测主观评价的得分模型。选取7辆乘用车进行振动舒适性主观与客观评价试验,在实车试验的基础上测量客观参数值,并对车辆舒适性进行主观评分,建立了舒适性主观评价预测模型。客观评价试验包括脉冲输入和随机输入行驶试验,测量位置为驾驶员座椅支撑面、靠背和脚底地板处,测量参数为这3个位置的脉冲输入最大加速度响应和随机输入三轴向线振动。在客观评价试验的基础上,增加急加速试验工况作为主观评价试验,对车身俯仰、侧倾晃动等指标进行了主观评分。根据各主观指标得分,运用熵值法确定各评价指标权重,计算了试验车主观评价总分。运用灰色关联度分析找到影响主观评价的10个主要客观测量参数,分别基于支持向量机和BP神经网络建立了主观得分预测模型,并引入相对误差和均方根误差比较分析了2模型的预测精度。结果表明:基于支持向量机建立的主观评分预测模型具有更高的精确度和稳定性,更适合解决乘用车振动舒适性主观评价预测的小样本问题,可为乘用车振动舒适性的快速评价提供模型参考。     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

基于模糊线性回归的小轿车运行车速区间预测

将小轿车在公路上的运行车速用三角模糊数来表征.基于二级公路上30个样本路段的平曲线半径、纵坡度等线形数据和实测车速,利用模糊线性回归方法建立了小轿车第85百分位运行车速区间预测模型.通过另外10个样本路段数据对该区间预测模型进行了验证,结果表明:小轿车运行车速的95％置信区间大都处于模糊线性预测区间之内;预测得到的模糊中心值与观测值的相对偏差和模糊度与观测值的比值两种评价指标均在10％以内.同时,将模糊中心值和线性回归预测值进行了比较,结果表明:模糊线性回归模型的平均绝对误差、平均相对误差和最大相对误差三个指标均优于线性回归模型,达到了更高的估计精度.     

车辆关门声品质的优化研究

文中分析了车辆关门声的客观测试、主客观评价方法和结构的优化策略,介绍了基于以上方法提升某车型关门声品质的案例。案例表明,在后门关门声品质的优化中,要特别注意加强后门锁扣和后侧围区域的动刚度。     

全油门加速工况车内声品质研究

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。     

连续数据环境下的道路交通事故风险预测模型

针对现有研究多基于病例对照的欠采样方法,即每起事故从连续交通流数据中按一定比例抽取对照的非事故数据构建模型,而该类模型在连续数据环境中的预测精度存在缺陷的状况,对城市交通连续观测并动态调控的技术环境（简称连续数据环境）开展道路交通事故风险预测模型构建研究。首先提出基于全样本交通流数据,结合“调整事故分类阈值”的方法解决事故风险预测研究中的非平衡数据分类问题;而后采用上海市城市快速路2014年5,6月的线圈检测交通流数据及历史事故数据开展实证研究,以受试者工作特征曲线下面积为评价指标,对比基于全样本和抽样样本构建的常用事故风险预测模型（逻辑回归、随机森林）的整体预测能力;以灵敏度和特异度的几何均数为评价指标,对比3种分类阈值计算方式（约登指数法、事故占比法和交叉点法）对事故/非事故综合预测精度的影响。结果表明：在连续数据环境下,采用全样本数据建模能使模型整体预测能力提高13.06%;基于约登指数法进行分类阈值计算可使模型的事故/非事故综合预测精度最佳。     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

基于数据融合的公交到站时间组合预测模型

为优化公交系统运营时间管理,提升公交系统信息化服务水平,针对多公交线路共线的情况开展研究,提出了一种基于多公交线路数据融合的公交到站时间组合预测模型。该模型由公交行驶时间预测子模型和公交站点停靠时间预测子模型组成,旨在最大限度地提取公交运行相关信息用于公交到站时间预测,进而减少预测的误差。为了混合和充分利用多公交路线的时间数据,提出了3个加权平均时间作为模型的输入变量,并引入了遗忘因子函数(FFF)体现数据对加权平均时间计算的不同贡献。根据支持向量机(SVM)在预测到站时间时的良好表现,采用了SVM预测公交停靠与行驶时间。为验证并评价文中提出的模型,采集了江西省宜春市的公交运行数据,数据覆盖11个路段、12个公交站、16条公交线路。预测的结果表明,引入多线路数据融合的组合预测模型可以显著提高公交到站时间的预测精度,最优的行驶时间预测子模型和停靠时间预测子模型分别为R1和D7,而最佳的公交到站时间预测模型则为R1+D1。相比以往研究的结果,基于多公交线路数据融合的公交到站时间组合预测模型R1+D1在到站时间预测精度方面的提升为13. 92%(MAPE)和14. 48%(RMSE)。此外,FFF的变化及其参数取值会影响时间预测模型的预测结果。     

基于贝叶斯更新的斜拉桥施工过程索力预测

为提高大跨径预应力混凝土斜拉桥施工过程中斜拉索的过程索力预测精度,引入贝叶斯统计方法,提出基于贝叶斯更新的斜拉桥过程索力预测模型及计算方法,基于过程索力偏差样本数据库,利用MATLAB平台,迭代更新下阶段索力偏差,不断修正、提高预测精度,并将该方法应用于广东省均安特大桥(主跨250m的双塔预应力混凝土斜拉桥)中。结果表明:采用基于贝叶斯更新的斜拉索过程索力预测方法后,该桥斜拉索过程索力预测精度提高了36.34%～39.33%。该方法将传统统计学理论与斜拉桥建设过程索力预测相结合,为大跨径预应力混凝土斜拉桥施工过程索力预测提供了新的解决方案。     

基于残差单调性的GM（1,1）修正模型及其应用研究

通过建立灰色GM（1,1）预测模型,对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性,再基于残差单调性重新选取样本序列,再次建立1组新的灰色模型,从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM（1,1）修正模型。     

某SUV关门声品质分析与优化

文章介绍了汽车关门声品质的主客观评价指标及影响关门声品质的相关因素,并针对某款SUV开发阶段关门声品质较差问题,特别是门锁声、车门撞击声问题,进行了关门声品质主观评价和客观测试,对问题点进行了影响因素分析,提出了采用上限压缩载荷值车门密封条、后门前边沿增加辅助密封条、提升门锁内部缓冲刚度等优化方案,并对优化方案进行了试验验证。验证结果表明,以上三种优化方案对提升关门声品质均有效,有效解决了该车关门声品质差的问题。文章提出的关门声品质评价方法及问题解决思路可为后续类似问题解决提供借鉴,具有一定工程应用价值。     

非线性耦合模型在桥梁桩基沉降预测中的应用研究

通过对桥梁桩基的沉降预测,能有效地评价和判断桥梁的稳定性,为现场施工提供一定的指导依据。同时,系统性的预测方法能有效提高预测精度,因此,将灰色模型和BP神经网络进行耦合,建立了桥梁桩基沉降的初步预测模型,再利用马尔科夫链建立误差修正模型,实现桥梁桩基沉降的分阶段预测。该模型发挥了灰色模型“累加生成”灰色序列的优点,增加了沉降数据的规律性,又充分利用了BP神经网络和马尔科夫链的非线性预测能力,具有系统性强、全面性高等优点。同时,利用2个实例进行验证,结果表明实测值和预测值较吻合。其中,实例1平均相对误差为1.37%,实例2的平均相对误差为1.39%,两实例的预测结果差异不大,具有较高的预测精度,验证了所提预测模型的有效性。     

轿车关门声品质评价方法研究

文章选定了3种关门声品质差别较大的车型,在消音室内采集3种关门速度和3种车窗状态下共15组关门声音作为研究对象。在对比参考声音的基础上,采用等级评分法收集消费者对关门声音的主观评价结果,而后对声音数据进行频谱分析,并计算几种计算模型下的心理声学参数——响度、尖锐度和粗糙度,通过研究不同状态下的参数变化情况,最终确定最适合用于汽车关门声品质评价的评价模型。在得到主客观的评价结果之后,通过拟合回归建立轿车关门声品质定量评价模型,与试验结果对比发现,拟合结果和主观评分基本一致。     

一种新型复合边坡稳定性预测模型及其应用

提供了一种将模糊层次综合评价法和K-Means聚类方法相结合的新型边坡稳定性预测模型计算方法,并将该复合边坡稳定性预测模型应用于20个边坡样本中,预测准确率达到100%,验证了该模型的可靠性和实用性。传统极限平衡法所计算出的安全系数大于1并不能完全保证边坡工程的稳定安全,该复合边坡稳定型分析模型能有效的克服单纯安全系数预测边坡稳定性的局限性,为边坡的稳定性评价提供了新思路。