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。     

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。     

基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题，提出一种基于图时空神经网络 （Graph Spatiotemporal Neural Network， GSTNN） 模型的多充电站负荷协同预测方法。定义时空信息图，描述充电站负荷之间的时空关系；构建时空特征提取网络，分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息，并使用长短期记忆网络 （Long Short Term Memory Networks，LSTM） 挖掘影响负荷预测的外部特征信息；融合提取的所有特征，进行负荷预测。算例结果表明，基于 GSTNN模型的方法能充分考虑时空特征和外部特征的影响，协同多个充电站的负荷数据进行预测，并同时输出各充电站的预测结果，有效提高预测准确度，有助于电网稳定运行。     

基于响度的汽车声品质评价

随着对汽车车内噪声评价的深入研究,发现传统上只用A计权声压级对车内噪声进行评价有很多不足,不能反映人们对噪声的主观感受。文章对人耳生理基础及心理声学进行了研究,引入了响度这一心理声学客观参量对车内噪声进行评价。对响度计算方法进行了研究,建立了Zwicker响度计算模型,并用Matlab实现了其计算。选取一段纯电动汽车在加速工况下的声音样本进行计算并与Head Artemis软件计算的结果进行对比,误差很小,证明了程序的正确性。     

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。     

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。     

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。     

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。     

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。     

车内综合烦躁度评价的时序平滑激励级谱CNN模型

激励级时频谱可用于建立车辆声品质卷积神经网络(CNN)评价模型。但是相对于时变声特征的波动性,车内声品质的瞬时主观评价曲线具有平滑特性,利用波动的声特征序列建立时变声品质评价模型,导致预测曲线呈现波动性,所以时序波动激励级谱的直接使用也会制约车内噪声整体综合烦躁度CNN评价模型的性能。本文中,首先利用Savitzky-Golay滤波器对激励级谱进行时域平滑处理;然后使用CNN构建车内噪声的综合烦躁度全局主观评价结果与时序平滑激励级谱之间的映射关系,建立基于时序平滑激励级谱的整体综合烦躁度CNN评价模型;最后采用留一法进行交叉检验,结果表明相比于激励级谱CNN模型,时序平滑激励级谱CNN模型对车内噪声整体综合烦躁度的评价性能更好,提高了预测精度(误差均值降低10.43%)、稳定性(误差方差降低44.26%)与一致性(Pearson相关系数提高4.13%),说明相比于激励级谱,时序平滑谱对车内综合烦躁度的解析能力更强。     

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。     

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。     

基于深度学习网络模型的车辆类型识别方法研究

为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型。该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层。理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48%、测试精度优于83.86%。     

发动机声激励下的车内高频噪声分析

为研究发动机声激励下中高频噪声和整车声学包隔声性能,在VA One软件中建立整车统计能量分析模型和声学包模型,并进行基于能量的整车隔声量测试和发动机噪声采集试验,验证了整车模型的准确性.通过对驾驶员头部声腔和腿部声腔的输入能量贡献量分析,发现前围和地板是车内噪声的主要传播路径,为后续汽车声学包的优化设计和车内噪声控制提供了帮助.     

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.     

降低车内噪声的声学包优化研究

针对某车车内噪声偏大的问题,对整车声学包进行了材料与声学性能方面的优化,并对优化后的零部件声学性能进行了对比测试,同时通过对整车车内声压级和语言清晰度进行了对比测试,测试结果表明,声压级降低了2dB(A)左右,语言清晰度提升了大约10%,达到了车内降噪的目的,提升了客户满意度。     

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.