[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

摘要

本发明提出汽车风振噪声声品质客观烦恼度评价指标及其计算方法。客观烦恼度等效于主观烦恼度，能反映人对汽车风振噪声的主观感受。首先，建立汽车风振噪声模型，并对该模型进行风振噪声仿真，获取不同工况下关键位置处的风振噪声数据；其次，对风振噪声数据进行声品质客观分析与主观评价，获得8个客观声学参数和主观烦恼度；然后，以8个客观声学参数作为输入，以主观烦恼度作为输出，训练BP神经网络；最后，利用训练好的BP神经网络获取8个客观声学参数的影响权重系数，从而建立风振噪声客观烦恼度计算模型。在获得客观烦恼度计算模型后，仅需利用8个客观声学参数计算得到客观烦恼度，避免大量的主观评价试验，缩短开发周期，降低成本。

主权项

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：/n步骤一、获得风振噪声数据/n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；/n步骤二、风振噪声数据的客观分析与主观评价/n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；/n步骤三、训练神经网络/n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；/n步骤四、建立风振噪声声品质客观烦恼度计算模型/n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，/n