基于XGBoost算法的车内声品质预测及分析

利用极限梯度提升(XGBoost)算法建立特种车车内声品质预测模型。首先,进行车内噪声的采集试验并进行试验数据挑选,将其处理成68个可以进行主观评价试验的有效声音样本,然后计算声音样本的客观参数,并分析各参数随工况的变化趋势。以客观参数作为声品质预测模型输入,主观评价预测值为输出,得出预测值与实际主观评价值的平均相对误差为2.43%,相关性系数为0.943,表明根据XGBoost预测模型所得结果与主观评价一致。最后通过分析声品质客观参数的特点得到客观参数对主观分数的影响权重。

极限梯度提升声品质预测模型在车内噪声主动控制中的运用

针对特种车车内噪声声品质提升问题,利用极限梯度提升(XGBoost)算法建立声品质预测模型,模型预测值与实际主观评价值的平均相对误差为2.43%,分析得到客观参数对主观分数的影响权重;针对车内噪声非线性、非平稳性的特点,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和滤波-x最小均方(Filtered-x Least Mean Square,FxLMS)算法相结合的主动控制方法,预测模型结果表明,主观分数提升2.11,提升幅度为26.6%。此方法对特种车内噪声非线性、非平稳性具有良好的控制效果,能有效改善车内声品质。