详情

原文传递汽车排气噪声心理声学参量研究

论文题名：	汽车排气噪声心理声学参量研究
关键词：	汽车排气噪声;烦躁度;预测模型;心理声学参量
摘要：	随着人们对汽车舒适性要求的不断提高，心理声学被逐渐地应用到汽车声品质领域。国外对心理声学的理论基础已进行了广泛的研究，国内对心理声学基础理论的研究则不多，多数研究人员和汽车制造商倾向于利用现有的商业软件预测汽车声品质。然而由于商业保密等因素，很多心理声学模型的算法原理使用者未能知晓，导致在实践中难以将其应用在所建的声品质预测模型中。　　本文首先介绍了心理声学的基础理论及排气声品质的评价指标，对排气声品质的物理声学和心理声学评价指标分别给出了定义或概念，并制定了选取原则，将响度、尖锐度、粗糙度和波动度选为主要的心理声学客观参量。　　其次，深入研究了主要心理声学参量模型的算法原理并编程实现：①分别对目前应用较为广泛的Zwicker稳态和时变响度模型、Moore稳态和时变响度模型、Arues尖锐度模型、Zwicker尖锐度模型和Daniel&Weber粗糙度模型进行了分析，并根据各自的算法原理详细地阐述了算法步骤及其编程实现过程；②根据Arues粗糙度模型，提出了一种新的波动度模型算法，采用了标准ANSI S3.4-2007中的外中耳传递函数，并利用了ERB尺度上的75个滤波通道来计算特征波动度。数值试验证明，此方法对人耳滤波特性的模拟更精确。　　然后利用1款原型车、4款竞品车进行了怠速、稳速和加速三种工况下的排气噪声数据采集试验，连同排气系统开发过程中形成的声音样本建立起声音样本库。运用语义细分法将烦躁度划分为10个等级，选取23名评价者对所选样本声音进行主观评价，并对评价结果进行检验和筛选。检验结果表明，大多数评价者的平均Spearman相关系数均高于0.7，可以用来建立声品质预测模型。　　最后利用主客观评价结果，基于BP神经网络模型分别建立了稳态和非稳态排气噪声烦躁度预测模型：①通过分析选择LS算法为网络训练算法，通过试凑法选择logsig函数为神经元的传递函数，并确定了隐含层节点数；②计算结果表明，所建模型的预测误差分别在10%和15%以内，具有较好的稳定性，可以用于声品质的预测。　　本文将主要心理声学客观参量应用到排气噪声烦躁度的预测，从而将主观的声品质特性客观量化，在一定程度上摆脱了主观评价繁琐和不可重复带来的不便。
作者：	张威
专业：	动力机械及工程
导师：	卢炽华
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2017
正文语种：	中文