车内噪声低频特征模型研究

车内的低频噪声影响汽车的乘坐舒适性。为此以人工头双耳记录的车内噪声信号为研究对象,通过主观评价试验,并对结果进行分析。提取了影响车内噪声低沉度的特征参量,建立了以1/3倍频程声压级、锐度和粗糙度为变量的低沉度参量特征模型。采用两种不同的主观评价,结果表明,低沉度模型的预测结果与主观评价结果具有很高的相关性。     

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。     

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.     

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。     

人群分类与车内噪声声品质主观评价研究

本文以等响处理后的车内噪声为研究对象,进行噪声声品质的主观评价研究。研究发现,人群分类处理对于揭示噪声声品质的主观感知属性起着重要的作用。对于评价者分类处理之后,两类评价者对于车内噪声的偏好性均可采用一个维度表示,并可直接采用成对比较法的直接排序法获得;一类评价者的偏好性与低沉度成正比,而另一类评价者与低沉度成反比。如果未进行人群分类处理,则不能很好地解释其主观感知属性。     

车内噪声综合烦躁度模糊综合评价

以车内噪声为研究对象,研究了声品质的主观模糊综合评价方法。根据汽车车内噪声测量标准设计噪声采集方案,对平稳和非平稳车内噪声进行了数据采集、信号预处理,建立噪声样本数据库。采用参考语义细分法对四款汽车车内噪声的综合烦躁度进行主观评价试验研究,基于主观评价试验结果和模糊综合算法,建立了综合烦躁度模糊综合评价模型,可以计算出整车噪声综合烦躁度总值。结果表明不同车型有其自身的声品质特征。所提出的方法可用于实施不同车辆的声品质比较和评判。     

高速动车组噪声声品质实验及其客观评价方法

在高速动车组减振降噪设计中,声品质已成为舒适性评价的重要指标之一。Zwicker提出了对噪声进行主观评价的客观量化方法,本文以其理论为基础,深入分析4种噪声客观评价参量（响度、尖锐度、粗糙度、抖动度）的计算方法,并且以高速铁路动车组车内噪声为例进行相关参量的试验测试。得出车内典型位置不同运行速度时各心理声学参量的现状和分布规律,其结论为高速铁路动车组车内声品质研究提供依据。     

高速动车组噪声测试及其声品质客观参量分析

在高速动车组减振降噪设计中,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、粗糙度和抖动强度4种噪声客观评价参量计算方法对某高速铁路动车组车内噪声试验测试数据进行分析,得到车内典型位置不同运行速度时各心理声学参量的现状和分布规律,可为高速铁路动车组车内声品质研究提供参考依据。     

基于声学客观参量的车内烦恼度评价

研究车内噪声客观参量与主观感受之间的影响关系。根据车辆安装5种排气系统后在8种不同档位不同转速行驶工况下的车内烦恼度主观评价分值以及11项声学客观参量,采用多元统计的聚类分析根据相似程度将客观参量分类,结合因子分析和相关分析分别提取出了在中低转速和中高转速下最能表征烦恼度的客观参量,将主观烦恼度与客观声学参量相关联,最后采用多元线性回归建立了基于声学客观参量的中低转速和中高转速下车内烦恼度预测模型,相关分析显示,其预测结果与主观评价值之间有较高的相关性。因此,基于声学客观参量的车内烦恼度评价是可行的。     

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。     

采用心理声学参数评价齿轮噪声的声品质

利用声级计判定噪声是否符合出厂噪音标准,是目前国内大部分齿轮厂所采用的方法,然而部分通过噪声检测的产品仍被整车厂反馈噪声“太大”,这就说明现有的噪声评价指标存在缺项。以广东某齿轮厂生产的汽车后桥齿轮为噪声源,采集其稳态运行情况下的噪声作为研究对象,选用等级评分法以及Artemis专业声品质软件进行噪声的主客观评价和相关性分析,得出声压级和响度是评价微型汽车后桥齿轮噪声的主要评价指标,并建立齿轮噪声声品质评价模型,然后通过编写软件,实现计权声压级和响度值的客观计算与分析。     

地铁车内噪声主观烦恼度模糊综合评价方法

声品质是地铁车内乘坐舒适性的一项重要指标。以地铁列车车内噪声为研究对象,探讨声品质的主观模糊综合评价方法。以上海地铁9号线为例,考虑地铁运行的三种工况、两种乘客乘坐姿态,分别测取车内不同位置的噪声信号,采用分组成对比较法对测点噪声进行主观评价实验和模糊综合,计算得出地铁整车的烦恼度评价综合值,可用以实施不同列车的声品质比较和评判。所提出的方法对地铁声学设计和提高乘坐舒适性提供参考。     

瞬态声品质时域传递路径方法与应用研究

全球化竞争日趋激烈和消费者对汽车舒适性要求越来越高,迫使各汽车公司加快了NVH开发进程,汽车声音的控制逐渐进入声品质控制阶段。创新性提出一种基于时域传递路径分析的瞬态声品质分析方法和流程。采用考虑奇异值截断的去卷积滤波器方法建立时域去卷积网络。构建了车内瞬态噪声合成模型,并在时频域上分解和分析了发动机的结构声贡献和空气声贡献。通过视听比较合成噪声和测量噪声,以评审团主观评价打分的形式来验证模型的准确性。进一步对合成噪声进行主观声品质评价,将车内噪声合成模型延伸至虚拟车内声品质预测模型。基于该模型,找到声品质贡献较大的路径,并且通过虚拟修改各路径传递函数值,来优化车内声品质,为制定车内声品质改善措施提供指导依据。     

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。     

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。     

降低车内噪声试验控制

密封性及声学包性能的好坏,直接影响车内NVH水平。针对某款车怠速车内噪声大、车内声品质差问题,运用噪声源分离试验方法,识别出发动机噪声是车内主要的噪声源。通过对前围孔洞进行密封性改进和对传播路径进行声学包改进,有效阻隔了发动机噪声,有效提高车内声品质。