改革开放以来，汽车制造业作为国民经济的支柱产业得到迅猛发展，目前我国已成为世界上最大的汽车生产国。随着汽车行业蓬勃发展以及人民生活品质的提高，汽车噪声产生的问题越来越得到人们的关注。其中，进气系统噪声是汽车最主要的噪声源之一，对其进行控制和优化有着重要的意义。进气噪声是由于进气门周期性开闭产生压力起伏变化及进气过程中高速气流流经进气门通道时形成的。汽车的进气噪声作为汽车噪声污染源之一，研究其声学性能对于优化汽车进气系统结构，改善汽车噪声污染问题是非常有意义的。

汽车的噪声水平是衡量汽车性能的一个重要指标，也是消费者在选择购车时所要考虑的一个影响因素。然而，作为噪声的接收主体——人体对噪声的主观感觉不是总与客观的声学物理量如声压、声压级、声强等相同。为了能够更能准确地评价人体对噪声的主观感觉，人们提出了声品质的概念。声品质的定义^[1]为：“声品质是在特定的技术目标或任务中声音的适宜性”。声品质定义中的“声”已经不是指声波这样的一个客观的物理量，而是指人耳的听觉感知，“品质”是指由人耳对声音事件的听觉感知过程，并最终做出的主观判断。因此一系列心理声学参数，如响度、尖锐度、粗糙度、起伏度等被引入，以用来尽可能地接近人体的主观感觉来对噪声进行评价。目前响度已经得到国际的广泛认可与使用，并制定了相应的国际标准 ISO532。与响度50多年的研究积累不同，尖锐度、粗糙度和抖晃度等参量的提出较晚，其中锐度的计算已经完成了巡回测试（round robin）^[2]，然而粗糙度同样作为一个重要的心理声学参数，其计算模型至今还没有突破性的进展。

在国内，汽车行业的众多学者都曾在期刊上发表了有关于汽车整车噪声的主客观评价模型研究的文章，这对于进一步改善汽车的噪声污染问题有着非常重要的意义。例如:江苏大学的曾发林教授^[3]提出了一种基于人工神经网络（ANN）的噪声品质评价方法。该方法相比较目前的其它声质量评价方法，只有非线性的特点。通过神经网络对非线性的声质量主观评价过程进行逼近，利用matlab的神经网络工具箱对汽车车内采集到的噪声信号进行评价分析，并与实测结果进行对照分析，从而说明该方法对于车内噪声品质评价是有效的。吉林大学的梁杰教授^[4]提出了基于 DASYLAB 数采分析系统开发的基于双耳听觉模型车内声品质分析与评价方法的研究，并利用该系统在某型轿车上进行了声品质分析与评价。上海交通大学的张伟^[5]等人提出一种车内异常噪声辨识的心理声学分析方法;该方法基于心理声学的分析方法考虑了人耳听觉特性,能够定量地反映不同噪声的主观感受差别,较好地符合异常噪声辨识要求。辽宁工学院的陈迎春^[6]构筑了噪声信号采集硬件系统，编写了相应的测试软件，实现了对发动机噪声信号的数据采集。上海大众汽车公司的石岩^[7]等人对某款发动机的进气系统噪声提出了新的控制与优化方法。同济大学的郭荣^[8]等人基于主客观评价模型得出的心理声学指标分析声音样本，总结出了车内噪声品质改善的频率范围。吉林大学的高印寒^[9]等人验证了在稳态工况下，车内声品质主要受响度、粗糙度和尖锐度的影响。

国内许多大学也有关于噪声声品质主客观评价的优秀学位论文。例如吉林大学苏丽俐博士^[10]研究了反映汽车产品品质的指标之一：汽车车内噪声品质的客观评价方法以及其对顾客购买心理的影响。她分别利用多元线性回归法、BP 神经网络、广义回归神经网络及支持向量机回归原理 4 种方法构建车内声品质主客观评价模型。吉林大学谢军博士^[11]提出了基于人工头模型和听觉外周计算模型的声品质客观评价技术，并验证了该方法的可靠性与准确性。华中科技大学硕士陈峰^[12]验证了Stevens和Zwicker两种算法的不足之处，即：Stevens 响度模型适用范围狭窄，Zwicker 响度模型对于掩蔽效应模拟过于粗糙。吉林大学的硕士姜吉光^[13]提出了以噪声主动控制的方法来改善车内声音品质的研究思路，建立了以自适应主动制方法改善声品质的控制策略。武汉理工大学的硕士邢鹏^[14]提出了一种以车内降噪为目的，从顾客主观感受角度出发的噪声声品质的主观评价方法，它是将顾客需求重要度作为提高车内舒适性的另一种参考标准，它更适用于对结构进行修改时，考虑到顾客需求因素的产品设计阶段。上海工程技术大学的石磊^[15]提出了一种基于声音能量特征的神经网络声品质评价模型,并验证了该模型的有效性。吉林大学的孙慧慧^[16]对 C 级车发动机引起的车内噪声，进行声品质客观参数的计算和声品质主观评价试验，并分析他们之间的相关性。通过应用于遗传算法的 BP 神经网络来建立声品质预测模型（GA-BP），成功建立了客观量化和主观感觉之间的关系。吉林大学的孙强博士^[17]以主观评价试验结果为基础，采用人工神经网络的方法建立了声品质偏好性和声品质烦躁度的 BP 神经网络预测模型，通过与以往基于多元线性回归分析所建模型的对比分析，验证了神经网络模型的准确性和优越性。并基于该模型和虚拟仪器技术建立了汽车声品质神经网络评价系统。华中科技大学硕士焦中兴^[18]对现有的各种响度模型、尖锐度模型和粗糙度模型进行编程实现,利用理论分析和主观试验,对比了它们的优缺点,以便声质量评定时选择合适的模型。浙江大学硕士钱欣怡^[19]对进气噪声测量的方法进行了有益的探索。通过在半消声室内进行的进气系统及其消声元件的静态声学性能实验发现，新型可渗透性材质编织管本身具有对噪声良好的衰减作用。湘潭学院的石云^[20]对matlab的BP神经网络模块的拓展进行了详细的研究，为心理声学主客观评价模型的建立提供了很大的作用。

国外在噪声的主客观评价模型研究领域起步较早，许多学者做出了开创性的工作。Jiachen Zhai^[21]对于永磁同步电机的运转噪声进行了心理声学参量研究，从而找到了优化电机噪声问题的方法，在分析了集中驱动永磁同步电机主观烦恼与客观参数的相关性后，提出了三次回归模型。A. Gonzalez^[22]等人使用头部声学双耳头模拟器进行了真实的汽车发动机噪声测试，并对这些信号和合成噪声进行了主动控制。Sang-Kwon Le^[23]等人运用训练好的人工神经网络对20辆竞争客车的音质进行了估算，并将其水平绘制在乘用车主导声音特征的两个空间中，从而得出优化乘用车声音特征的方法。Dr.-Ing.Fernando Castro^[24]等人基于一些已经很经典的参数，比如响度，特定的响度等从计算和特点出发，讨论了ESS、锐度、比锐度、波动强度和粗糙度等问题，从而更细致地评价了心理参量模型的有效性。Shuming Chen^[25]等人研究了客观心理声学参数、A加权声压级(SPL)与灰色关联主观评价结果之间的关系。从而得出结论：基于GRA算法可以有效地提高音质。

本文在国内外学者研究的基础上综合分析，利用现代计算机工具，建立声品质的基于神经网络的评价模型，并对汽车进气噪声进行主客观评价，测试模型的有效性和准确度。

2. 研究的基本内容与方案

利用校内图书馆和网络资源，通过查阅相关文献，在老师的指导下，利用matlab中的神经网络模块建立对汽车进气系统噪声声品质的评价模型，其基本内容如下：

1. 深入了解汽车进气系统结构和汽车进气噪声的产生原理以及影响因素等，了解现阶段国内外对汽车噪声主客观评价模型的研究发展，学习心理声学的基本原理以及国内外的重要研究成果，为进一步建立汽车进气噪声主客观评价模型做好充分准备。

2. 学习matlab软件，熟练掌握其基本功能和使用方法，同时学习matlab中神经网络模块的使用方法，从而能够利用matlab进行基本的建模分析，数据处理等操作。

3. 通过经验设计，确定声品质主客观评价各心理参量的数学模型；

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付