变速器啸叫声品质的RBF神经网络预测与权重分析

以变速器啸叫为研究对象,提出使用径向基(RBF)神经网络的方法来确定变速器声品质评价中客观评价参数对主观评价结果的影响权重。采集变速器不同位置的声音信号作为试验样本,用等级评分法对111个样本信号进行了主观评价试验,同时计算11个声品质客观评价参数。以客观评价参数计算结果为神经网络输入,声品质主观评价结果为输出,引入径向基神经网络建立了变速器声品质预测模型。以预测模型为基础,利用各网络层间连接权值,计算变速器声品质客观评价参数对主观评价结果的影响权重。研究结果表明:变速器啸叫声品质主要受SIL-4、总响度和随时间响度三个客观参量的影响。     

燃料电池汽车低频噪声声品质分析

对采集到的燃料电池车(fuel cell vehicle,FCV)车内外噪声经过低通滤波器处理,提取了20—150 Hz声音信号;基于Zwicker模型计算得到客观评价指标,并采用成对比较的主观评价方法对噪声样本进行主观评分;运用主客观参量之间线性相关分析建立低频声多元线性回归声品质分析模型,更为准确地评价了FCV低频噪声声品质。     

基于支持向量机的柴油机噪声品质客观评价参量权重分析

以一台6缸柴油机为研究对象,采用分类对偶比较法对采集到的目标机型在多工况下的辐射噪声品质进行主观评价试验,同时选取并计算了可以描述其声音特性的5个客观评价参量,引入支持向量机,建立了柴油机噪声品质预测模型,并借助噪声测试样本验证预测模型的准确性。然后以柴油机噪声品质预测模型为基础构建起客观评价参量的权重分析模型,分析柴油机噪声品质客观评价参量对主观评价结果的影响权重。研究表明,柴油机噪声品质主要受响度和粗糙度两个客观评价参量的影响。此次分析对高声品质柴油机的设计起到了指导性的作用。     

轿车声品质主观评价研究

轿车的声品质理应取决于客观的噪声测试结果,但也和人为对噪声特征的感知程度切切相关,两者经常不会同步吻合。因而对人所感受的轿车声品质进行科学的主观评价试验就显得十分重要。通过采集6款轿车的车内外声音信号并进行筛选,作为声品质主观评价的样本库,根据不同频段声音信号表现不同特性的特点,对样本信号进行分频段预处理;通过试验确定出进行声品质主观评价试验的主体最佳的男女比例为3/1;选取对评价主体要求较低的成对比较法对轿车声音样本进行声品质主观评价试验。研究结果表明：对轿车声音特性影响最大的频段为500～4 000 Hz频段,其次是20～150 Hz频段,4 000 Hz以上频段对其影响最小。     

基于粒子群-向量机的汽车加速噪声评价

以乘用车由50 km/h加速到100 km/h时的噪声信号为评价对象,用成对比较法对车内加速噪声品质偏好性进行主观评价实验,获得每个样本的偏好性评价值。计算各噪声样本的主要心理声学客观参数并进行相关分析。鉴于评价者对非稳态噪声主观评价过程的复杂性,建立支持向量机(Support Vector Machine,SVM)的主客观评价模型,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对模型参数进行优化。为对比优化后预测效果,建立BP神经网络回归模型。结果表明,优化后的粒子群-向量机回归模型用于噪声声品质评价能获得更好的预测效果,可较大程度提高声品质预测精度。     

竞品车急加速进气噪声品质评价方法研究

从主客观评价角度出发,针对竞品车急加速进气噪声建立了声品质物理评价模型。通过测试竞品车急加速进气噪声,对获取的声音样本采用等级评分法进行主观评价与典型声品质客观参量的计算。利用相关分析与主成分分析对获取的主客观指标的关联性进行研究,并分别以相关分析和主成分分析结果为输入建立反向传播（Back Propagation,BP）神经网络模型。分析结果表明：客观参量存在信息的重叠时,主成分分析能够更好地反映声音样本指标间的关联性,实现简化神经网络输入并保证预测精度的效果。     

基于EEMD与GA-小波神经网络的传动系声品质预测

为了进行车辆传动系声品质预测,实施了传动系整车转鼓试验,并结合主、客观分析量化了影响传动系噪声烦恼度的主要异响指标;同时,通过相关分析揭示了心理声学客观参量与主观评价的内在关系。引入聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法与本征模态函数(Intrinsic Mode Function,IMF)样本熵值对传动系噪声特征进行了提取;在此基础上,以Morlet小波基函数作为隐含层节点的传递函数构建小波神经网络(Wavelet Neural Network,WNN),同时运用遗传算法(Genetic Algorithm,GA)优化小波神经网络的层间权值和层内阈值,构造出GA-小波神经网络模型并用于传动系声品质预测;为了对比所提取的传动系噪声特征性能,将心理声学参量也作为模型输入以进行预测,同时,为了对比GA-小波神经网络模型的预测效果,引入了传统的GA-BP神经网络模型。分析结果表明:GA-小波神经网络较GA-BP神经网络能更准确、有效地对传动系声品质进行预测,并且以本征模态函数样本熵值作为预测模型的输入特征其预测结果较心理声学参量效果更佳。     

基于BP神经网络的车内噪声时变综合烦躁度评价模型

对非平稳工况下的车内噪声进行声品质评价。考虑到车内噪声的时变性,在非平稳工况下建立噪声库,计算相关的噪声心理学参量时变值。将采集到的噪声进行主观评价试验,以"时变综合烦躁度"作为声品质主观评价指标,并将语义细分法作为声品质主观评价方法。评价者依据自己对声音的主观感受滑动评价软件滑块,得到连续时变噪声评价值。根据噪声心理学参量时变值和实时主观评价值,建立BP神经网络客观模型。再通过四折交叉法检验,检验结果显示此评价模型对噪声时变综合烦躁度预测有效。     

基于遗传支持向量机的柴油机辐射噪声品质预测技术

以一台六缸车用柴油机为例,研究了其在变负荷及转速工况下表面辐射噪声品质情况,为进一步提高整机声品质,开展柴油机结构声学设计奠定了理论基础。研究国内外车用柴油机客观评价特征,并选取响度、尖锐度、粗糙度和波动度来描述辐射噪声的客观评价特征;针对柴油机噪声特点,采用成对比较法开展以专业陪审团人群为目标的满意度评价研究;应用遗传算法优化支持向量机（GA-SVM）建立起该车用柴油机声品质预测模型,并与BP神经网络预测模型进行比较,结果表明,基于遗传算法优化的支持向量机辐射噪声品质预测模型较神经网络建模预测精度更高,能够更准确地反映客观评价参量与主观满意度之间的非线性映射关系。     

基于降维-回归的车内声品质时变烦躁度评价

用心理声学参量表征声品质评价指标,可直观描述人对噪声信号的主观感觉。相比于听审团评分,它具有简单快速、效率高的优点,在此基础上将多个客观参量降维到低维空间,用少数具有代表性的参量定量表征主观感受,有利于声品质评价的标准化。通过采集轿车车内噪声信号,以等间隔不同车速状态和怠速状态下的噪声样本作为研究对象,考虑汽车车内噪声特性的时变效应,分别计算出噪声样本的心理声学客观参数时变算术平均值。提出以“时变烦躁度”作为主观评价指标,以语义细分法结合数字等级评分法作为主观评价方法进行主观评价试验。用因子分析对6 种客观参量进行降维,结合显著相关性分析确定出响度(Z)、粗糙度、AI 指数3 个客观参量,并用多元回归建立声品质烦躁度评价预测数学模型。预测结果显示：回归预测三参量模型的相对误差率在5 %以下,比六参量模型相对误差率低,预测效果比较理想,说明这3 个参量可以有效表征主观烦躁度,同时证明噪声声品质的时变烦躁度评价预测模型是有效的.     

Reliability reallocation for cost uncertainty of fuel cell vehicles via improved differential evolution algorithm

A fuel cell vehicle (FCV) is composed of many subsystems; it is necessary to reallocate subsystem reliability to improve FCV system reliability. A comprehensive evaluation method considering uncertainty is proposed to obtain the interval value of feasibility factor. The FCV cost uncertainty model is established on the basic of parameters such as feasibility factor, initial reliability, limit reliability, and subsystem cost. To solve the optimization problem for cost uncertainty, the cost interval model is transformed into a deterministic model by interval order relation. An improved differential evolution (DE) algorithm is proposed to reallocate subsystem reliability for minimum cost.     

Reliability Reallocation for Fuel Cell Vehicles Based on Genetic Algorithm

A fuel cell vehicle (FCV) is a type of alternative energy vehicle that could help resolve the energy crisis, mitigate environmental problems, and contribute to sustainable development. Developing an FCV with high reliability is an important goal for automobile factories and research institutions. Other key factors required by FCVs include mass production and customer approval. An FCV is a complex mechanism composed of many subsystems. During the development of the overall vehicle, steps should be taken to ensure that every subsystem is reliable. However, such development must also consider costs, which must be kept as low as possible. To ensure the reliability of FCV while operating under conditions that demand minimal cost, a genetic algorithm is employed to reallocate the reliability of the overall vehicle system. First, the growth factor of the reliability–feasibility of each subsystem is determined according to the complexity, importance, and technological level of the FCV subsystems. The FCV cost model is then established on the basis of such parameters as subsystem cost, reliability–feasibility growth factor, initial reliability, limit reliability, and so on. A genetic algorithm is then used to compute for the reliability of FCV subsystems. The rationality of reliability reallocation is verified according to the subsystem importance coefficient. This method considers the benefits for both enterprises and customers by applying principles of engineering and conducting a reliability study. Copyright © 2014 John Wiley & Sons, Ltd.     

车内噪声烦恼度的声品质分析

以4种类型轿车在不同车速下匀速行驶时不同位置点采集到的车内噪声样本为评价对象,采用等级评分法对车内噪声声品质烦恼度进行主观评价试验,分析计算各噪声样本的心理声学客观参数;通过相关分析和多元线性回归分析,建立匀速车内噪声主观评价烦恼度与心理声学客观参数间的数学模型。研究结果表明,在良好路面和匀速工况下车内声品质烦恼度主要受低沉度和音调度两个心理声学客观参数影响。     

某车车门关闭声品质评价

汽车车门声品质是汽车声品质研究的重要内容。首先对所采集的车门关闭声音样本进行主观评价实验,并运用Bradley-Terry模型对声音样本偏好性进行分析。然后通过Head Artemis软件进行时频域分析、滤波分析和计算响度、尖锐度等心理声学参数对声音样本做出客观评价。     

某混合动力汽车非稳态车内声品质评价研究

针对某混合动力汽车非稳态工况下的车内声品质评价进行研究。采集该车内不同位置、不同驱动模式以及不同车速情况下的车内噪声样本,对不同的非稳态工况进行客观参量分析,得出电机单独驱动模式下可以用尖锐度评价非稳态车内声品质、混合驱动与发动机单独驱动模式下可以用响度评价非稳态车内声品质的结论。基于BP神经网络模型,进行基于心理声学客观参量与临界频率带解析小波分解的非稳态车内声品质评价,预测结果表明后者的预测效果优于前者,且稳定性较高。     

音乐控制法改善车内声品质的试验研究

以4种类型汽车内采集到的32个不同噪声样本为评价对象,通过试验研究建立了以心理声学客观参数描述主观评价结果的车内声品质模型,并对声品质较差的噪声样本实施了音乐掩蔽控制试验,试验结果表明,车内噪声的低沉度下降,音调度上升。研究结果表明音乐掩蔽控制法用于改善汽车声品质的可行性和有效性。     

基于WPD和EMD的噪声品质预测模型

声品质作为汽车舒适性的一个重要指标,目前已经成为汽车领域一个重要的研究方向。根据人耳的听觉特性,提出一种基于小波包分解(WPD)和经验模态分解(EMD)的21个特征频带划分方法。按照所提出的方法,将采集得到的车辆噪声信号进行分解并提取信号在各频带的声能量时变特征。之后根据BP神经网络原理将提取的能量特征作为输入,计算得出响度和尖锐度等声品质评价参数作为输出,建立一种基于WPD和EMD的声品质评价模型。验证结果表明,所建立的模型可以准确地预测响度和尖锐度等心理声学参数,可作为声品质评价的一种有效方法。     

燃料电池汽车空辅系统噪声有源控制技术

燃料电池汽车（FCV）的动力系统及噪声特性与传统汽车相比有着很大差异，其中空气辅助系统已成为主要的噪声源。虽然有源噪声控制（ANC）是近年来的研究热点；但是，由于噪声源与环境的时变性，对空辅系统的中低频段噪声更有效的对策是使用自适应有源噪声控制技术（AANC）。在归纳总结有源噪声控制技术的发展进程及基本原理的基础上，阐述近年来有源噪声控制的研究现状，并重点分析关注自适应算法的研究进展；由此对自适应有源噪声控制在燃料电池汽车空辅系统减振降噪方面的应用前景进行预测和展望。