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。     

重型商用车噪声测试及声品质客观评价分析

在重型商用车减振降噪设计中,声品质已成为舒适性评价的重要指标之一。以Zwicker提出的对噪声进行主观评价的客观量化方法为基础,通过响度、尖锐度、粗糙度、抖动强度、音调度和语言清晰度6种噪声客观评价参量计算方法对某国产重型商用车加速工况车内噪声试验测试数据进行分析,得到车内副驾驶员各项心理声学参量的变化规律,可为商用车车内声品质研究提供参考依据,并对建立加速工况下商用车声音品质烦躁度的客观量化模型提供参数基础。     

燃料电池轿车声品质客观评价参量的权重

本文以燃料电池轿车( fuel cell vehicle, FCV )为研究对象,采集其怠速工况不同位置的声音信号作为试验样本,采用成对比较法对其中的24个样本信号进行了主观评价试验,同时计算了可以描述其声音特性的6个客观评价参量,并引入BP神经网络建立了FCV声品质预测模型。通过所建立的模型计算FCV声品质客观评价参量对主观评价结果的影响权重,文中首次提出使用BP神经网络的方法来确定声品质评价中客观评价参量对主观评价结果的影响权重,研究结果表明,FCV声品质主要受响度、粗糙度和A声级三个客观参量的影响。此次分析,不仅适用于燃料电池轿车对其它领域的声品质分析与评价都起到了指导性的意义。     

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。     

电动汽车驱动电机高频边带噪声客观评价研究

针对声压级不能完全反映人耳对声音感受的问题,文章选择多种工况对电动汽车驱动电机高频边带噪声进行客观心理学参量评价。首先,进行驱动电机噪声数据采集实验并建立样本库。其次,计算样本的客观心理学参量并运用主成分分析法进行贡献量分析,并将客观心理学参量的六个维度降低至两个维度。最后,研究多种工况下两种客观心理学参量的变化规律,尤其对随机载波频率脉宽调制（Random Carrier Frequency Pulse Width Modulation, RCFPWM）策略下电机高频边带噪声进行客观评价对比分析。结果表明,主成分分析法（Principal Component Analysis,PCA）实现了多维客观心理学参量的降维,高频边带噪声中客观心理参量的主要贡献量为尖锐度和响度;不同工况条件对尖锐度和响度存在不同程度的影响,尤其是受转速变化影响较为明显;RCFPWM在降低高频边带噪声声压级的同时实现了对尖锐度幅值的抑制。文章所研究的内容不仅能够简化电机高频边带噪声客观评价流程,而且可以为电驱动总成声品质优化设计提供实验依据。     

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。     

支持向量机车内加速噪声声品质预测

为准确评价车内加速噪声声品质,利用成对比较法对14款汽车从30 km/h加速到80 km/h行驶时的车内噪声进行主观评价试验,同时计算5个主要心理声学客观参量,并通过相关分析得出对声品质有重要影响的客观参量。采用支持向量机建立车内加速噪声声品质的预测模型,经验证其预测相对误差都在9.5%以内,表明该模型可以准确地对车内噪声声品质进行预测。     

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.     

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。     

B级轿车车内噪声品质的主观评价研究

以6种B级轿车在不同车速下匀速行驶时的车内噪声样本为评价对象,采用成对比较法对B级轿车的噪声品质偏好性进行了主观评价试验,计算了各噪声样本的主要心理声学客观参数,并通过线性相关分析和多元回归分析,建立了噪声偏好性主观评价的数学模型。研究表明,在匀速工况下B级车的噪声品质偏好性主要受响度和尖锐度两个参数影响。     

法向振动对Burridge-Knopoff模型Stick-Slip运动影响数值研究#br#

Burridge-Knopoff 模型是研究地震和其他机械系统动力学行为的实用模型。考虑到摩擦力的影响,Burridge-Knopoff 模型运动呈现出动力学非线性,Stick-Slip 运动是这种模型的典型运动特征。滑块法向振动对这种模型运动行为的影响规律尚未被有效研究,为此建立一种考虑了滑块法向振动影响的Burridge-Knopoff 模型。Stribeck 模型被用来刻画依赖于滑块与传送带之间相对速度的摩擦力。采用数值方法分析系统的典型运动规律,研究法向振动的频率和相位对系统运动模式的影响规律,考虑法向振动的Burridge-Knopoff 模型存在混沌和分岔现象得到证实。     

雨刮-风窗系统摩擦噪声声品质主客观评价

为探索雨刮-风窗系统摩擦噪声对车内声品质的影响,文章采集了某新能源汽车雨刮-风窗系统不同工况下的摩擦噪声并进行分析。基于声品质客观参数,计算该系统摩擦噪声响度、尖锐度等客观评价指标;采用语义细分法进行主观评价实验得到主观评价结果,基于支持向量机建立该系统摩擦噪声声品质预测模型。结果表明,雨刮-风窗系统刮片反转过程产生的噪声是影响车内声品质的主要因素;声品质预测模型效果较好。研究结果为雨刮-风窗系统摩擦噪声的声品质控制提供参考。     

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。     

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。     

某微型汽车后桥驱动齿轮噪声的主观评价实验

汽车后桥驱动齿轮是汽车驱动桥的主要部件,噪声是其主要指标之一。以广东某汽车后桥齿轮厂的微型汽车后桥锥齿轮为噪声源,采集其稳态运行情况下的噪声作为研究对象,以成对比较法进行噪声评价训练,采用等级评分法进行噪声的主观评价实验,结合噪声样本的客观参数进行主客观相关分析,说明在等声压级的齿轮噪声中,响度值越大的,人们对其偏好性越低,因此除积极采取措施降低齿轮声压级以外,降低响度值亦是改善价齿轮噪声的重要途径。     

基于 EEMD样本熵与小波神经网络的汽车关门声品质预测

针对传统客观心理学参量在非稳态噪声品质预测中的不足,以汽车关门声为对象,提出一种基于EEMD分解的样本熵表征关门声的信号特征,并结合小波神经网络进行声品质预测。对声样本进行EEMD分解得到IMF分量,计算各IMF分量的样本熵,并构造成特征向量。分别以此特征向量和声品质主观评分值作为输入输出构建小波神经网络预测模型。作为对比,构建了基于该特征向量的BP网络预测模型、基于心理学参量的小波神经网络预测模型和BP网络预测模型。分析结果表明,在关门声品质预测中,EEMD样本熵比客观心理学参数能更好的反映信号的时变非稳态特性,预测效果更好;且小波神经网络较BP网络的预测精度更高,模型训练速度更快。     

车内噪声声品质的神经网络预测

鉴于车内噪声声品质评价的复杂性和非线性的特征,分析了BP神经网络方法在车内噪声声品质预测中的应用,阐述了其基本原理和模型并结合实例提出了完整的实施流程。该预测方法具有很强的学习能力,各连接权重由网络通过学习自主生成,因此预测结果更具客观性和准确性。同时将用此种方法与现有的预测方法得出的结果进行比较,得出结论：神经网络用于车内噪声主客观评价数据处理可以得到更好的预测效果,从而在很大程度上提高评价者的决策水平,对现代汽车噪声的评价、分析与控制都具有重要意义。