共查询到20条相似文献,搜索用时 46 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
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。 相似文献
4.
5.
6.
《噪声与振动控制》2019,(3)
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。 相似文献
7.
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。 相似文献
8.
《噪声与振动控制》2020,(2)
对稳态工况下电动汽车驱动永磁同步电机的主观声品质预测模型进行研究。运用成对比较法对实验采集到的30组噪声样本进行主观评价评分,建立基于响度、尖锐度、粗糙度、抖动度与语义清晰度的客观心理声学指标评价体系。利用多元线性回归法,建立声品质主客观预测模型,分析影响永磁同步电机声品质的因素。此外,通过对预留样本的检验,验证了预测模型的准确性。结果表明:不同工况条件对客观心理声学参量存在不同程度影响;电机辐射高频边带噪声导致尖锐度与响度对主观偏好度的影响较为显著;基于多元线性回归方法所建立的预测模型对稳态工况下的主观声品质有较好预测能力,相关系数较高,误差率较小。该研究可为电驱动系统及整车声品质优化提供理论与实践基础。 相似文献
9.
10.
11.
某车车门关闭声品质评价 总被引:1,自引:0,他引:1
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。 相似文献
12.
13.
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。 相似文献
14.
《噪声与振动控制》2020,(3)
为了稳定、精确地评价车内稳态噪声声品质,以车内稳态噪声为研究对象,进行主观评价试验,计算客观心理声学参数并完成了相关性分析。建立基于支持向量回归(Support Vector Regression,SVR)的车内稳态噪声声品质预测模型,并使用遗传算法(Genetic Algorithm,GA)对支持向量回归的超参数进行优化。其后建立基于反向传播神经网络(Back Propagation Artificial Neural Network,BPANN)的声品质预测模型。对比分析发现遗传-支持向量回归(GASVR)模型预测精度高于BP神经网络。结果表明,遗传-支持向量回归适用于车内稳态噪声声品质预测,能够较大提高车内稳态噪声声品质预测精度和工程效率。 相似文献
15.
基于心理声学参数的车内声品质偏好性评价 总被引:9,自引:0,他引:9
应用等间隔直接单尺度评分法对所采集的20个车内噪声样本进行了主观评价实验,并使用Artemis软件计算了其主要的心理声学参数.偏好性评价结果与各心理声学参数间的多元回归分析表明: 尖锐度和响度是影响匀速工况下车内声品质偏好性的两个主要心理声学参数. 相似文献
16.
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。 相似文献
17.
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。 相似文献
18.
《噪声与振动控制》2019,(1)
变速器齿轮敲击噪声具有声压级跳跃和宽频带特征,传递到车内会引起驾乘人员烦恼,进而对汽车的NVH性能造成影响。而传统A计权声压级不能全面有效地反映敲击噪声特征,导致敲击噪声得不到全面有效的评价。因此,为了全面地对变速器敲击噪声进行评价,基于心理声学理论,对变速器敲击室内台架试验噪声分别进行主观评价试验与客观心理声学参数计算,然后对主观评价结果与各个心理声学参数结果进行了相关性分析,发现语言干扰级、响度、粗糙度、尖锐度与主观评价结果相关系数都超过了0.9。在此基础上运用多元线性回归方法建立了变速器敲击噪声评价预测模型,并对模型进行了检验与验证,结果显示回归系数高达0.936,且预测误差也在10%以内,可为变速器敲击噪声评价提供参考。 相似文献
19.
20.
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。 相似文献