电动汽车车内声品质评价研究进展

为全面梳理电动汽车车内声品质评价的发展现状,明确未来趋势,本文首先介绍了电动汽车车内声品质的研究进展和特点;然后详细介绍A声级对于电动汽车车内声品质评价的局限性、心理声学参量以及一些非传统参量客观评价方法;接着归纳了电动汽车车内声品质主观评价方法及其优缺点;之后重点分类总结了国内外电动汽车车内声品质客观量化模型;最后对电动汽车声品质评价进行了总结和展望,认为在未来以高精度客观评价模型代替传统主观评价方法,缩短评价时间与成本,提高评价准确性将是电动汽车车内声品质评价发展的重要方向。

基于掩蔽效应的汽车非平稳车内噪声烦恼度评价方法

基于采集的汽车加速与匀速运动时车内的噪声,利用参考语义细分法进行噪声烦恼度主观评价试验。考虑掩蔽效应,依据听音评价问卷调查结果,计算加速噪声后半时段和匀速噪声的时变心理声学参量平均值,利用支持向量机创建参量平均值与烦恼度主观评价值间的回归数学模型,建立基于掩蔽效应的非平稳车内噪声烦恼度评价方法。同时计算全部噪声样本的时变心理声学参量平均值并建立基于心理声学参量的烦恼度评价方法。留一法与十折交叉法检验结果表明,两种评价方法对非平稳车内噪声烦恼度的预测精确有效,而基于掩蔽效应的烦恼度评价方法预测结果更加精确、稳定性更高;在加速噪声烦恼度的预测方面,基于掩蔽效应的烦恼度评价方法具有更好的预测性能。

基于BP神经网络的电机噪声在线评价系统

为有效甄别存在异常噪声的车窗电机,提出一种基于BP神经网络的车窗电机噪声在线评价系统。由于现有客观参量不能够完全适用于车窗电机的噪声评价,根据车窗电机噪声特点提出了一种形如窗函数的加权因子用于修正尖锐度参量,并通过主客观评价实验优化了心理声学客观参量。在此基础上,以有效的客观参量和物理参量为特征值,构建使用附加动量法优化的BP神经网络分类器,并最终建立了噪声在线评价系统。测试结果表明,该系统对车窗电机噪声的分类准确率在90%以上,且与传统BP神经网络分类器相比,具有更高的准确率和更少的耗时,可用于车窗电机噪声的在线评价。

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。

乘用车关门声声品质GA-SVR预测研究

为准确、高效地评价汽车关门声声品质,以乘用车关门声为研究对象,采用成对比较法进行主观评价试验,并提取心理声学客观参量,完成主、客观参量间的相关性分析.以相关性强的客观参量为输入,主观偏好性值为输出,建立基于支持向量回归(Support Vector Regression,SVR)的乘用车关门声声品质预测模型,并运用遗传算法(Genetic Algorithm,GA)对该模型的性能参数进行优化.选取关门声品质表现差的样车进行声品质改进,并应用该模型对改进后关门声声品质进行预测,试验结果表明:在各个速度工况下,改进后的样车关门声声品质预测值与试验值之间的误差均在3%以内,该模型适用于乘用车关门声声品质预测,能够有效提高乘用车关门声声品质预测精度和评价效率.

基于近因效应的非平稳车内噪声综合烦躁度评价研究

采集汽车匀速与加速工况下的车内噪声构建噪声样本库,以此为基础根据综合烦躁度评价指标,选用参考语义细分法组织评审团进行车内噪声主观评价试验,得到综合烦躁度主观评价结果数据库。同时采用LMS Test.Lab计算噪声样本的A计权声压级、响度和AI指数时间序列平均值,建立传统的基于声学参量的车内噪声综合烦躁度评价模型。在传统声品质评价基础上考虑近因效应对评价人员及听音评价结果的影响,计算噪声样本声学参量时间序列后1/5、后2/5、后3/5、后4/5段平均值,采用网格搜索-支持向量机作为搭建模型方法,分别建立基于近因效应的非平稳车内噪声综合烦躁度评价模型。采用留一法验证,结果表明近因效应在噪声主观评价试验中存在,且以声学参量时间序列后2/5段平均值作为模型输入声特征所建的基于近因效应的非平稳车内噪声综合烦躁度评价模型,即2/5 RECIEM模型对综合烦躁度的表达力更优,此评价模型对加速噪声样本的预测及泛化性能影响更为显著。