[发明专利]汽车风振噪声声品质客观烦恼度评价指标及其计算方法

权利要求书

1.汽车风振噪声声品质客观烦恼度评价指标及其计算方法，包括下述步骤：

步骤一、获得风振噪声数据

建立1∶1的三维模型，利用有限元软件获得计算流体动力学(CFD)模型；设置多种不同工况，应用湍流模型对CFD模型进行流场的稳态计算，待残差收敛后，进行风振噪声的瞬态数值计算，从而获得车内关键位置处的声压脉冲数据，即风振噪声数据；调整工况，重复上述步骤，从而获得不同工况下风振噪声数据；

步骤二、风振噪声数据的客观分析与主观评价

利用MATLAB软件将上述风振噪声数据转换成可播放的“.wav”声音文件，再将声音文件导入声品质分析软件HEAD Analyzer Artemis中，获取8个客观声学参数，包括声压级、响度、抖动度、粗糙度、峰值频率、语音清晰度、尖锐度和言语干扰级；采用等级评分法对上述声音文件进行声品质主观评价，获得主观烦恼度；

步骤三、训练神经网络

对所有工况下的客观声学参数和主观烦恼度分别进行归一化处理，随机抽取约90％的数据作为训练样本，其余数据作为测试样本；选择BP神经网络，其包含一个输入层，一个隐含层，一个输出层；输入层有8个节点，分别代表8个归一化后的客观声学参数；输出层有1个节点，代表归一化后的主观烦恼度；隐含层有10个节点；对BP神经网络进行反复训练，当BP神经网络模型的误差小于预设目标值时，完成神经网络训练；

步骤四、建立风振噪声声品质客观烦恼度计算模型

利用训练后BP神经网络中的权重矩阵计算每个归一化后的客观声学参数对归一化后主观烦恼度的影响权重系数，计算公式如下，

其中，a_j是第j个输入变量对输出变量的影响权重系数；N_i和N_h分别是输入层神经元和隐藏层神经元的数量；W表示权重，其上标i、h和o分别表示输入层，隐藏层和输出层；k，m和n分别表示输入层，隐藏层和输出层的神经元位置；

根据上式，可以得到每个归一化后的客观声学参数对归一化后的主观烦恼度的影响权重系数；然后，利用8个影响权重系数对归一化后的8个客观声学参数进行加权，得到归一化后的客观烦恼度，其计算公式如下所示，

OA＝a₁*SPL+a₂*L+a₃*F+a₄*R+a₅*H+a₆*AI+a₇*S+a₈*SIL

其中，OA为归一化后的客观烦恼度，a₁、a₂、a₃、a₄、a₅、a₆、a₇、a₈分别表示归一化后的声压级、响度、抖动度、粗糙度、峰值频率、语音清晰度、尖锐度、言语干扰级对归一化后的主观烦恼度的影响权重系数，SPL、L、F、R、H、AI、S、SIL分别为归一化后的声压级、响度、抖动度、粗糙度、峰值频率、语音清晰度、尖锐度、言语干扰级；

将归一化后的客观烦恼度进行反归一化处理，得到客观烦恼度；客观烦恼度等效于主观烦恼度，因而能反映人的主观感受。

2.根据权利要求1所述的汽车风振噪声声品质客观烦恼度评价指标及其计算方法，其特征在于：步骤一中，所述多种不同工况包括，左前窗、右前窗、左后窗、右后窗、天窗等不同的组合开启时，汽车以多种不同速度行驶。

3.根据权利要求1所述的汽车风振噪声声品质客观烦恼度评价指标及其计算方法，其特征在于：步骤一中，所述关键位置包括，驾驶员耳旁、副驾驶员耳旁以及乘客耳旁。

4.根据权利要求1所述的汽车风振噪声声品质客观烦恼度评价指标及其计算方法，其特征在于：步骤二中，所述主观评价试验需在具有良好的隔音效果的消音或半消音实验室中进行。