电动车动力总成噪声品质粒子群-向量机预测模型

为了实现电动车动力总成噪声品质的预测,以某集中驱动式电动车为例,在考虑动力总成辐射噪声品质频域特性和已设立的敏感频带能量比这一客观评价参数的基础上进行了心理声学参数,即响度、尖锐度、粗糙度、抖动度、语音清晰度等与主观评价的相关性分析,由此建立了电动车动力总成噪声品质粒子群支持向量机预测模型,内容涉及采用支持向量机建立噪声品质预测模型、利用粒子群优化算法对向量基惩罚因子及核函数参数进行优化,最后验证了敏感频带能量比评价参数的有效性。研究结果表明:敏感频带能量比与主观评价相关度达到0.946,可以较好地反映主观感受;基于粒子群支持向量机的噪声品质预测模型的平均相对误差和最大相对误差分别为2.0%和6.7%,表明以敏感频带能量比作为输入特征的粒子群优化支持向量机模型,在电动车动力总成噪声品质的预测精度上优于基于遗传算法优化及网格搜索优化的预测模型。

基于神经网络的电动车动力总成噪声品质预测

以某集中驱动式电动车不同车速匀速行驶时采集到的动力总成噪声样本为研究对象,基于心理声学客观评价参数进行了主客观评价相关性分析,分别使用多元线性回归分析、BP神经网络和广义回归神经网络建立噪声品质预测模型,并对声品质预测结果进行了对比分析。结果表明,广义回归神经网络模型对于噪声样本烦躁度的预测精度高于多元线性回归模型和BP神经网络预测模型,能够更好地反映客观评价参数和主观感受的非线性关系,可用于电动车噪声品质的预测研究。