详情

原文传递乘用车关门声品质主观评价预测模型研究

论文题名：	乘用车关门声品质主观评价预测模型研究
关键词：	乘用车;关门声品质;主观评价;预测模型;经验模态分解;小波包变换
摘要：	随着技术的不断迭代更新以及人民生活水平的不断提高，我国的汽车保有量不断增多，人们对乘用车的驾乘舒适性提出了更高的要求。噪声作为“三大公害”之一，改善声品质已成为一项重要研究课题。关闭车门时的声品质直接影响用户的驾乘体验，好的关门声品质可以给用户带来幸福感、满足感，所以对乘用车的关门声品质的研究具有重要意义和价值。本文以17辆不同乘用车关闭车门过程中驾乘人员接收到的声音信号采集试验为基础，开展了汽车关门声的声品质主观评价预测模型研究，即通过采集到的关门声数据快速地预测出此车辆的关门声品质的好坏，不仅可以高效准确地评价关门声品质的优劣，同时还可以省去主观评价试验的时间成本。研究内容主要包括以下几个方面：　　一、进行乘用车关门声品质客观评价试验。首先对17辆不同车型、档次、品牌的乘用车的关门声信号进行采集，测点包括了关门时驾乘人员人耳接收到的信号（主驾车外常关门处、副驾右耳处），目的是为了关注关闭车门同时对驾乘人员产生的影响。通过筛选共获取声音样本34个：第1类主驾车外常关门处17个，第2类副驾右耳处17个；然后选取客观评价参数，包括A计权声压级、响度、尖锐度、粗糙度、波动度，对每个声音样本进行客观评价参数提取，完成关门声品质客观评价试验。　　二、进行乘用车关门声品质主观评价试验。主观评价试验的准备工作包括主观评价指标的选择、主观评价方法的选择、评价人群及环境的选择，然后评价人员利用采集到的关门声样本进行主观评价试验，得出每个样本的主观评价结果。同时对主观评价试验数据进行处理，剔除无效或误差较大的数据，处理方法包括相同样本对评价、交换样本对重评价、三角循环判断和计权误判分析，最终保留21位评价人员的评价结果，得到主观评价值。　　三、利用多种预测算法建立关门声品质主观评价模型。客观评价试验结果作为模型的输入，主观评价结果作为模型的输出建立关门声品质预测模型。其中关于预测算法的研究包括多元线性回归分析、BP神经网络算法、基于遗传算法的BP神经网络算法（GA-BP）和基于粒子群优化算法的BP神经网络算法（PSO-BP），将试验数据划分为训练样本和预测样本带入模型分别进行训练和预测。通过性能指标（均方误差、平均相对误差和决定系数）等对预测模型的预测精度进行评估，最终得出模型采用GA-BP神经网络算法预测精度最高，多元线性回归分析最差。　　四、基于特征提取建立关门声品质主观评价预测模型。以上述得到的GA-BP神经网络算法为基础，舍弃客观评价参数为模型的输入，而是采用经验模态分解（EMD）和小波包变换（WPT）的非平稳信号的处理办法，分别对关门声信号进行处理，并进行特征提取，将特征向量作为模型的输入进行训练及预测，对比GA-BP、EMD-GA-BP和WPT-GA-BP的预测性能优劣，最终得到WPT-GA-BP神经网络算法模型可以最准确地进行关门声品质主观评价的预测。
作者：	王建喜
专业：	车辆工程
导师：	陈志勇
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023