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。     

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。     

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。     

涡轮增压发动机进气系统加速气流声识别和控制

针对增压发动机加速过程产生的进气系统气流噪声,采用滤波回放方式对各个频带的噪声通过主观评价进行贡献度识别,确定对主观感受影响较大的频段。对进气系统的各个位置分别采用隔声的方式,识别出噪声的发生位置主要在干净空气管和高压管路热端的部位。在高压管路上设计高频消声器,对低压管路的辐射噪声采用隔声的方案进行处理。改进方案较好地改善加速车内的声品质。     

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。     

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。     

电动汽车驱动永磁同步电机声品质预测研究

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。     

整车空气声隔声主客观评价技术研究

为了克服现有隔声评价方法无法分离结构声影响且一致性差的问题,提出一套针对多噪声源的整车空气声隔声实验室主客观评价技术。该技术在消声室或混响室中采用白噪声源激励,并采集车内乘员耳旁噪声,最终通过对采集数据的计算及主观评价分别得到客观噪声衰减量及主观评分,实现对整车空气声噪声衰减量的量化评价。基于这套评价技术,对6辆某商品车进行整车噪声衰减量客观测试和主观评分,并进行主客观评价指标之间的相关性分析。结果表明,人耳对空气声隔声的主观感受主要与2 kHz以上(特别是2 kHz至4 kHz)频率段的整车平均噪声衰减量相关。所提出的隔声评价技术不仅可以确保不同车型评价条件的一致性,而且可以有效避免结构声对主观评价的影响,所得相关性分析结果有利于建立工程师语言与用户需求间的联系,指导工程师进行空气声隔声性能开发。     

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。     

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。