用主动噪声控制法改善车内声品质

以从4种类型轿车内采集到的16个不同噪声样本为评价对象,通过主观评价试验和统计分析计算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分析模型,确定了稳态工况下车内噪声品质的主要影响因素为响度和尖锐度。并依此对声品质最差的两个样本实施了主动控制试验。试验结果表明,车内噪声的响度、尖锐度均减小。应用所建立的声品质模型进行计算,并结合二次主观评价试验结果验证声品质改善效果,两种方法均显示声品质烦躁度等级下降了5级左右,证明了主动控制方法用于改善汽车声品质的可行性和有效性。     

用主动噪声控制法改善车内声品质

以从4种类型轿车内采集到的16个不同噪声样本为评价对象,通过主观评价试验和统计分析计算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分析模型,确定了稳态工况下车内噪声品质的主要影响因素为响度和尖锐度。并依此对声品质最差的两个样本实施了主动控制试验。试验结果表明,车内噪声的响度、尖锐度均减小。应用所建立的声品质模型进行计算,并结合二次主观评价试验结果验证声品质改善效果,两种方法均显示声品质烦躁度等级下降了5级左右,证明了主动控制方法用于改善汽车声品质的可行性和有效性。     

基于相关分析的车内声品质偏好性评价模型

以四种类型轿车在不同档位和不同车速下匀速行驶时副驾驶员耳旁噪声信号采集样本为评价对象,利用成对比较法对车内声品质进行了主观评价试验;分析计算了各噪声信号样本的主要心理声学客观参数,应用双耳声压级频谱合成的方法对左右耳响度进行加权,得出双耳响度与声品质主观评价结果的相关系数比单左耳高出0.107,证明了双耳响度客观评价模型更加接近人的主观评价;通过相关分析和多元回归分析的方法,建立了车内声品质偏好性评价模型,对评价模型研究表明,稳态工况下轿车车内声品质主要受响度和尖锐度两个心理声学参数影响。     

加速行驶时车内噪声品质的评价方法及数学模型构建

开发了一种专门用于评价非稳态工况下汽车车内噪声品质的软件系统,并利用该软件对6类轿车从50km/h到120km/h加速时的车内噪声样本进行了主观评价试验,得到了每个样本的主观评价等级值。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,建立了以响度、粗糙度为变量的声品质的数学模型。对另外6个加速工况下的噪声样本进行了主观评价试验,以验证模型的准确性。结果表明,模型的评价结果与主观评价结果间具有很高的相关性,证明了所建模型的有效性。     

基于IGWO-BP神经网络的车内声品质预测

为准确预测纯电动汽车车内声品质，以心理声学客观参量为自变量，以纯电动汽车车内声品质主观评价值为因变量，搭建基于改进后的灰狼算法(Improved Grey Wolf Optimization, IGWO)优化的BP神经网络预测模型IGWO-BP,采用IGWO对BP神经网络的权值和阈值进行优化，解决BP神经网络对初值敏感、易陷入局部最优的问题。将其预测结果与BP神经网络预测结果进行对比分析，结果显示基于IGWO-BP神经网络预测模型可大幅度提高车内声品质预测精度，表明该模型较适用于纯电动汽车车内声品质预测。     

基于GRNN的车内噪声品质预测

以8辆不同类型轿车的4种不同车速匀速行驶时采集到的32个车内噪声样本为研究对象,以响度、尖锐度、粗糙度和抖动度4项心理声学客观参量作为输入,以主观评价团对车内噪声的舒适度打分作为输出,分别使用广义回归神经网络、BP神经网络和多元线性回归分析建立车内噪声品质预测模型并对声品质进行预测。三种方法的预测结果表明:广义回归神经网络相对于其他两种方法具有更高的准确度,相对预测误差为-7%～7%,较多元线性回归分析能更准确地描述客观评价参量与主观舒适度之间的非线性关系,并且较BP神经网络具有更高的准确度及稳定性。     

车内噪声的声品质优化

提出了一种基于正交试验的车内噪声的声品质优化方法。车内噪声被分成由ERB临界频带组合的若干子频带噪声,并且每一子频带噪声的强度有降低、保持、增强三种变化状态。根据试验设计原理进行了不同车速时车内噪声的正交试验,分析了子频带噪声对声品质的影响,并得到了优化车内噪声品质的优水平、最优组合和主次因素。通过实验,对用该声品质优化方法得到的结果进行了验证。结果表明:该声品质优化方法可用于产品的声品质优化改进,并指明了改善车内噪声品质的方向。     

基于语义细分的车内声品质模糊综合评价

针对传统的语义细分法难以在声品质主观评价试验中获得评价对象整体感受择优排序的不足,提出了一种基于语义细分的声品质主观模糊综合评价方法,建立了适合于车内声品质主观评价的声音属性评价指标,确定了声音属性的结构及层次划分,根据不同试验确定了声音属性的关注程度各级指标权重。以在某轿车车内采集到的15个噪声样本为评价对象,分别利用该方法和成对比较法对声音的"豪华感"进行主观评价试验,并对评价得分进行排序比较。结果表明:本文提出的声品质主观模糊综合评价方法可在有效地维持评价主体原有任务量不变的情况下,准确地得到声音样本感知属性的评价等级隶属关系,以及声音样本整体主观感受评价得分的择优排序。     

车内噪声品质的主观评价试验与客观量化描述

以4种类型轿车在不同档位和车速下匀速行驶时副驾驶员耳旁噪声采集样本为评价对象,对车内噪声品质用等级评分和成对比较两种方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,并通过相关分析和多元回归分析,建立了以客观参数描述主观评价结果的数学模型。研究结果表明,稳态工况下轿车车内噪声品质主要受响度和尖锐度两个心理声学参数影响。     

车内声品质主客观评价的相关性分析

采集同一品牌两辆不同型号的汽车在不同发动机工况、不同路面状况和不同车内环境情况下的驾驶员右耳处的噪声样本,作为实验评价对象。利用等级评分法进行车内噪声品质的主观评价实验,并对样本进行客观心理声学参数计算。通过对比客观参数之间的关系,找出各工况下对于车内噪声响度、尖锐度的影响。通过相关性分析,建立车内噪声品质主客观评价间的多元线性回归模型。结果表明,在不同的发动机工况、车内环境和路况下,车内声品质主要受响度和尖锐度的影响。     

基于BP神经网络的换档品质评价方法

换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课题,其评价过程可视为一个非线性动态系统。BP神经网络的非线性系统辨识,能够逼近任意一个非线性函数。通过确定换档品质评定指标,利用BP网络训练获得的数据样本,从而建立主观、客观评价标准之间的联系;利用Matlab/Simulink完成换档品质评价方法的客观描述并进行仿真。通过与实验结果对比,证明这种方法能够有效真实地评价换档品质并与传统主观评价方法具有很好的一致性。     

车辆噪声声品质的心理声学评价系统

基于Visual C+ +和Matlab的联合编程,开发车辆噪声声品质的评价系统.此系统能够对车辆噪声信号进行采集、实时分析和心理声学评价,分析内容包括声音信号的时频分析、A-D计权网络分析、心理声学分析等.对大众AJR发动机噪声信号的采集和分析结果表明,该系统准确可靠,可为车辆噪声评价和声学设计提供依据.     

车辆驾驶性评估方法在蠕行工况中的应用

为解决评估体系构建方法不科学,评估指标权重计算及主客观权重分配不合理的问题,提出构建驾驶性评估体系和计算指标权重的新方法.考虑车辆驾驶性在蠕行工况的内涵,基于SMART原则对驾驶性评估体系进行设计,从纵向响应特性、纵向平顺特性、纵向稳态特性3个维度构建了蠕行工况驾驶性评估体系;提出用网络层次分析和组合熵分别计算主客观权重,并设计结合网络层次和组合熵的综合权重优化模型,用于计算评估体系中各评估指标权重,使其兼顾主观性和客观性.应用该方法进行多辆车的蠕行工况驾驶性评估,对比分析不同权重计算方法的评估结果.结果表明:本文提出的方法得到的评估结果较层次分析、熵权等方法更准确,该评估体系构建方法更具科学性,权重计算方法更有效.