加速工况下车内噪声品质烦躁度的评价研究

以9种B级轿车从50→120 km/h加速时的噪声信号为评价对象,采用等级评分方法对车内噪声品质烦躁度进行了主观评价试验.分析计算了各噪声样本的主要心理声学客观参数,并通过相关分析和多元线性回归分析,建立了车内噪声品质烦躁度评价的数学模型.结果表明,在加速工况下影响B级轿车车内噪声品质烦躁度的3个参数分别为响度、粗糙度和A计权声压级.     

汽车声品质主客观评价方法研究

阐述了汽车产品开发过程中声品质主观评价方法的不足,介绍了各心理声学参数的应用。以10种类型轿车在不同车速下不同位置座椅处的耳旁噪声为评价对象,对车内噪声品质用成对比较法进行了主观评价试验;分析计算了各噪声样本的主要心理声学客观参数;在精确计算评价结果误判率的基础上,通过相关分析和多元回归分析,建立了匀速车内噪声主观偏好性与心理声学参数间的数学模型。研究结果表明,与轿车匀速车内噪声品质相关的主要心理声学参量根据车速的不同而不尽相同。     

加速行驶车内噪声线性度评价方法研究及应用

为有效评价加速行驶车内噪声线性度,建立了一种基于客观参数的回归模型。首先以18款市场主流车型的加速行驶车内噪声主客观试验结果为研究对象,通过最小二乘法对客观试验结果进行一元线性回归拟合,计算出最大偏差、平均绝对偏差和确定系数三项线性度评价参数,然后基于加速车内噪声线性度主观评价结果,构建出主客观回归模型。最后以某C级SUV加速行驶车内噪声线性度优化案例,证明了该方法的有效性及合理性。     

车内声品质主观评价模型及中频噪声优化

为研究特种车车内声品质,对3辆不同类型特种车进行实车道路实验,建立了主观评价烦躁度和声品质客观参数之间的Kriging模型,通过滤波分析得到不同频段声品质参数对主观评价结果的影响。建立了混合FE-SEA模型,以计算车内中频噪声,并与实验数据进行对比,验证模型精度。计算了车身主要板件对车内中频噪声的声学贡献度,找到对车内声压贡献较大的板件,并对其进行优化,有效降低了车内中频噪声。     

车内噪声品质偏好性主客观评价及相关性分析

以5种轿车典型运行工况下后排乘员耳旁噪声样本为评价对象,利用自适应分组成对比较法对车内噪声品质进行了偏好性主观评价试验。计算了各样本的主要心理声学参数,通过相关分析和线性多元回归分析,建立了以响度和尖锐度描述车内噪声品质偏好性结果的数学模型。通过各组间的关联样本将各组评价结果进行反演构建,得到的总体样本评价结果与传统成对比较法评价结果一致性好,且节省了50%的评价时间。     

基于EEG的车内噪声评价研究

随着汽车产业的飞速发展,对车内声振舒适度要求不断提高。车内噪声的量化评价主要沿着主观评价和基于心理声学评价指标的声品质客观量化模型两大方向。前者不够客观,评价结果不具有普适性;但人是最终评价者,后者仍难以满足声音评价因人而异的要求。大量研究表明,脑电方法能客观反映人的主观感受,如情绪和疲劳等。本文中将脑电方法引入车内噪声评价,利用脑电特征参数客观反映车内噪声造成的乘员烦恼度,构建脑电特征参数与烦恼度的关系。     

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。     

纯电动汽车声品质评价及电磁噪声分析

以四辆不同类型的纯电动汽车在匀速和POT(缓油门加速)工况下电机近场和驾驶员右耳旁噪声采集样本为评价对象,对电机近场和车内噪声A计权声压级进行对比,计算噪声传递的衰减百分比,并计算车内噪声的心理学客观参数。同时,利用声品质客观量化数学模型进行四辆样车的车内声品质评价。同时,通过对电机电磁噪声阶次的提取和分离评价,分析了电磁噪声对电动汽车声品质的影响。相关试验分析结果对电动汽车的声学设计和电磁噪声改进具有一定的指导意义。     

电动汽车车内噪声多维度声品质控制策略分析

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。     

基于区间灰数理论的汽车声品质主观评价方法研究

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。     

基于CNN和LSTM融合特征提取的车内声品质评价模型研究

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。     

轿车车窗上升过程声品质预测模型研究

针对声品质主观评价试验成本高的问题,提出一种基于车窗上升过程稳态噪声和瞬态噪声的声品质预测模型。采集24款轿车左前门车窗上升过程的噪声信号,在时域上划分为具有瞬态噪声特征的启动阶段、停止阶段和具有稳态噪声特征的平稳运行阶段,分别计算出3个阶段的客观评价参数。通过主观评价试验得到每款样本车的主观评价结果。运用BP神经网络建立了车窗上升过程的声品质预测模型,预测结果表明,此方法提取的客观评价参数能反映左前门车窗上升过程的声品质特征,BP神经网络建立的声品质预测模型具有较高准确度和泛化能力,能在一定程度上代替评测员对车窗上升过程声品质进行评价。     

车辆内部异常噪声的传递途径研究

针对某车型开发过程中车内异常噪声问题进行了试验分析,确定了发动机支承为该车辆车内异常噪声的主要来源,识别出异常噪声向车内传递的传递途径,并对发动机支承进行了优化.试验结果表明,优化支承使车内右后座位处500 Hz附近的声压敏感度峰值降为原来的50%;倍频带噪声级下降了约3 dB;主观评价显示该异常噪声得到了明显改善.     

一种永磁同步电机声品质主观评价方法研究

对永磁同步电机的稳态信号声品质进行了分析,并以声压级、响度、尖锐度、语音清晰度、波动度、粗糙度和音调度作为评价指标,建立了永磁同步电机声品质评价体系.采用分组成对比较法进行了主观评价,通过Bradley-Terry算法对评价结果进行了优化处理,分别搭建多元线性回归预测模型和MPGA-RBF预测模型,通过预留的检验样本对...     

车用驱动电机声学舒适性的评价方法

以某型纯电动公交客车的驱动电机噪声为评价对象,进行双通道噪声信号采集用以便合成立体声来模拟人耳听觉,并按照3 dB的级差逐级衰减噪声信号的声压级以生成噪声样本序列用于人体主观感受的测试。进而通过高保真音频回放逐一考察各噪声样本作用下的人体舒适性/不舒适性主观感受,并以规定的"描述符"对其加以说明,同时采用评分方式进行量化。在此基础上,揭示出主观感受声学舒适性与不舒适性之间的相互关系,并划定出与舒适性感受相对应的噪声样本集合,以之为依据,进一步确立了驱动电机声学舒适性的评价方法。     

基于声品质贡献因子的发动机悬置优化

本文中建立了GA-BP声品质预测模型,引入声品质贡献因子,以期通过传递路径分析更加直观地反映结构噪声传递路径对烦躁度的贡献情况和掩蔽效应对声品质的影响。采用两级优化方案,通过遗传算法确定与目标烦躁度值对应的目标传递函数,并进一步匹配悬置参数。结果表明,基于声品质贡献因子的发动机悬置优化方案可有效地改善车内声品质,降低结构路径对烦躁度的贡献量。