CN110688712A - 汽车风振噪声声品质客观烦恼度评价指标及其计算方法 - Google Patents

汽车风振噪声声品质客观烦恼度评价指标及其计算方法 Download PDF

Info

Publication number
CN110688712A
CN110688712A CN201910964151.1A CN201910964151A CN110688712A CN 110688712 A CN110688712 A CN 110688712A CN 201910964151 A CN201910964151 A CN 201910964151A CN 110688712 A CN110688712 A CN 110688712A
Authority
CN
China
Prior art keywords
objective
vibration noise
wind vibration
subjective
annoyance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910964151.1A
Other languages
English (en)
Inventor
谷正气
尹善斌
胡洪波
郑乐典
刘壮志
马骁骙
韩征彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Arts and Science
Original Assignee
Hunan University of Arts and Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University of Arts and Science filed Critical Hunan University of Arts and Science
Priority to CN201910964151.1A priority Critical patent/CN110688712A/zh
Publication of CN110688712A publication Critical patent/CN110688712A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

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。

Description

汽车风振噪声声品质客观烦恼度评价指标及其计算方法
技术领域
本发明涉及汽车风振噪声声品质客观烦恼度评价指标及其计算方法，尤其是能反映主观感受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。
背景技术
汽车风振噪声是车内空气对外部瞬态气流作用的气动声学响应，它是车窗开启时形成的一种低频高强度的气动噪声。长时间处在风振噪声中将会导致驾驶员和乘客感到烦躁和疲倦，严重影响乘坐舒适性。
在传统风振噪声研究中，通常将声压级作为唯一评价指标。这样的单一评价指标无法全面反映声音的物理特性，更不能反映人耳对风振噪声的感觉。随着汽车研发趋势逐渐从产品性能转向品质提升，对风振噪声的研究也逐步向声品质方面发展。近期，有学者提出新的风振噪声声品质客观评价指标，包括声压级、响度、粗糙度、尖锐度、抖动度。这些指标反映了更多的风振噪声物理特性，丰富了声品质客观评价指标。然而，这些评价指标均是从客观角度反映风振噪声的部分物理特性，而人类听觉感受呈现出复杂的心理声学特征，故这些客观评价指标难以反映声音在人耳以及大脑里的认知过程。
目前，风振噪声声品质主观评价是通过声品质主观评价试验获得。然而，在汽车设计和改进过程中，需要大量的声品质主观评价试验来评价设计效果，耗时、耗力、成本极高；同时，在声品质主观评价试验中，由于不同评价人员对声音的感觉存在差异，导致主观评价结果不稳定。另外，采用实车试验测试的方法获取车内噪声信号，将无法排除环境噪声和机械噪声的影响，进而导致无法针对风振噪声进行评价与优化。
发明内容
为解决上述问题，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。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，从而获得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神经网络的输入，以主观烦恼度作为神经网络的输出，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，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和实车试验，缩短开发周期，降低成本。
本发明提出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，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
Figure BDA0002229929090000021
其中，aj是第j个输入变量对输出变量的影响权重系数；Ni和Nh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*PL+2*+3*+4*+5*+6*I+a7*
+8*IL
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。
步骤一中，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。
步骤一中，关键位置包括，驾驶员耳旁、副驾驶员耳旁以及乘客耳旁。
步骤二中，风振噪声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。
本发明在获得客观烦恼度计算模型后，不再需要对改进车型或其他车型进行声品质主观评价试验，仅需利用仿真获得的8个客观声学参数计算得到客观烦恼度，从而反映人对汽车风振噪声的主观感受。
相比于现有评价方法，本发明的优点如下：
1、在汽车设计阶段，采用本发明可提前预测汽车风振噪声客观烦恼度，指导汽车优化，降低风振噪声，提高产品舒适性，提升企业竞争力；
2、利用本发明提出的风振噪声声品质客观烦恼度计算模型，在不需主观评价试验的前提下，反映了人对汽车风振噪声的主观感受，缩短了开发周期，降低了成本；
3、客观烦恼度相对于主观烦恼度，其评价结果不受评价人员差异的影响，稳定可靠，有利于指导设计；
4、本发明采用数值仿真计算风振噪声，避免了环境噪声和机械噪声的干扰，同时也节约了试验成本。
附图说明
附图1为流程图。
附图2为计算域图。
附图3为客观声学参数。
附图4为主观烦恼度得分。
附图5为BP神经网络模型。
具体实施方式
汽车风振噪声声品质客观烦恼度评价指标及其计算方法，其流程图如图1，包括下述步骤：
步骤一、获得风振噪声数据
利用三维软件建立1:1的汽车三维模型，再利用有限元软件建立CFD模型；CFD模型的计算域为长方体，汽车模型位于计算域中，汽车模型的纵向、横向、垂向分别与计算域的长、宽、高方向平行，如图2所示；实例中的工况包括右前窗、右后窗、天窗分别单独开启时，汽车车分别以速40km/h、50km/h、60km/h、70km/h、80km/h、90km/h、100km/h、110km/h行驶；先应用Realizable k-ε湍流模型对CFD模型进行流场的稳态计算，待残差收敛后，用大涡模拟(LES)湍流模型对CFD模型做风振噪声的瞬态数值计算；从而获得车内驾驶员耳旁处的声压脉冲数据，即风振噪声数据；
步骤二、风振噪声数据的客观分析与主观评价
通过MATLAB软件将上述风振噪声数据转换成可播放的“.wav”声音文件，再将声音文件导入专业的声品质分析软件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，结果如图3所示；在半消声实验室中，采用20分制等级评分法对上述声音文件进行声品质主观烦恼度评价，评价结果如图4所示；
步骤三、训练神经网络
对所有工况下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22组数据作为训练样本，其余2组数据作为测试样本；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；输入层到隐含层的传递函数为双曲正切(tansig)函数，隐含层到输出层的传递函数为线性函数(Purelin)；反向传播网络的训练函数为Traingdx，反向传播网络的权值学习函数为Learngdm，性能函数为MSE；具体BP神经网络结构如图5所示；对BP神经网络进行反复训练，当BP神经网络模型的均方误差小于预设目标值0.001时，完成神经网络训练，从而得到训练好的神经网络；
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，aj是第j个输入变量对输出变量的影响权重系数；Ni和Nh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主观烦恼度的影响权重系数，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、尖锐度和言语干扰级的影响权重系数分别为15.5％，18.1％，13.9％，12.3％，12.7％，10.3％，10.7％和6.5％；然后，利用8个影响权重系数对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＝0.155*SPL+0.181*L+0.139*F+0.123*R+0.127*H
+0.103*AI+0.107*S+0.065*SIL
其中，OA为归一化后的客观烦恼度，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，从而能反映人的主观感受。
本发明在获得客观烦恼度计算模型后，不再需要对改进车型或其他车型进行声品质主观评价试验，仅需利用仿真获得的8个客观声学参数计算得到客观烦恼度，从而反映人对汽车风振噪声的主观感受；因此本发明避免了大量的主观评价试验，缩短开发周期，降低开发成本。同时，客观烦恼度等效于主观烦恼度，能反映人的主观感受，而且客观烦恼度不会受评价人员差异的影响，评价结果稳定可靠。另外，本发明采用数值仿真计算风振噪声，避免了环境噪声和机械噪声的影响。

Claims (4)

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，
Figure FDA0002229929080000011
其中，aj是第j个输入变量对输出变量的影响权重系数；Ni和Nh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。
CN201910964151.1A 2019-10-11 2019-10-11 汽车风振噪声声品质客观烦恼度评价指标及其计算方法 Pending CN110688712A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910964151.1A CN110688712A (zh) 2019-10-11 2019-10-11 汽车风振噪声声品质客观烦恼度评价指标及其计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910964151.1A CN110688712A (zh) 2019-10-11 2019-10-11 汽车风振噪声声品质客观烦恼度评价指标及其计算方法

Publications (1)

Publication Number Publication Date
CN110688712A true CN110688712A (zh) 2020-01-14

Family

ID=69112080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910964151.1A Pending CN110688712A (zh) 2019-10-11 2019-10-11 汽车风振噪声声品质客观烦恼度评价指标及其计算方法

Country Status (1)

Country Link
CN (1) CN110688712A (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751119A (zh) * 2020-06-10 2020-10-09 中国第一汽车股份有限公司 一种基于声音阶次频率特性的汽车加速声品质评价方法
CN111982274A (zh) * 2020-07-22 2020-11-24 江苏大学 一种基于声品质贡献系数的电机噪声源识别方法及系统
CN112036045A (zh) * 2020-09-07 2020-12-04 国网湖南省电力有限公司 一种变电站低频噪声控制限值确定方法、系统及介质
CN112067117A (zh) * 2020-08-14 2020-12-11 中国第一汽车股份有限公司 一种汽车风噪声性能评价方法
CN112097891A (zh) * 2020-09-15 2020-12-18 广州汽车集团股份有限公司 风振噪音评价方法、系统及车辆
CN112116901A (zh) * 2020-09-18 2020-12-22 北京市燃气集团有限责任公司 一种改善中低压燃气调压箱声学主观评价指标的方法
CN112649212A (zh) * 2020-12-30 2021-04-13 珠海格莱利摩擦材料股份有限公司 利用缩比摩擦材料惯性台架对汽车蠕动噪音的评测方法
CN112729859A (zh) * 2020-12-02 2021-04-30 万向钱潮（上海）汽车系统有限公司 一种电子驻车噪声品质评价系统及方法
CN112798102A (zh) * 2021-04-13 2021-05-14 盛瑞传动股份有限公司 一种声品质评价方法、装置、系统及介质
CN112932489A (zh) * 2020-12-30 2021-06-11 广东电网有限责任公司电力科学研究院 变电站噪声主观烦恼度评价模型建立方法及模型建立系统
CN112992182A (zh) * 2021-02-10 2021-06-18 东风汽车集团股份有限公司 车辆风噪水平测试系统及其测试方法
CN113053350A (zh) * 2021-03-14 2021-06-29 西北工业大学 一种基于噪声主观评价抑制的有源控制误差滤波器设计方法
CN113066466A (zh) * 2021-03-16 2021-07-02 西北工业大学 一种基于带限噪声的音频注入调控声设计方法
CN113221438A (zh) * 2021-04-06 2021-08-06 武汉科技大学 一种永磁同步电机声品质评价方法
CN113435116A (zh) * 2021-06-24 2021-09-24 武汉理工大学 一种基于虚拟驾驶台架的声品质自适应设计方法与装置
CN113505884A (zh) * 2021-06-03 2021-10-15 广州大学 噪声烦恼度预测模型训练、预测方法、系统、装置及介质
CN113624335A (zh) * 2021-10-09 2021-11-09 江铃汽车股份有限公司 车辆急加速过程中排气气流声的测试及评价方法
CN113686584A (zh) * 2021-08-13 2021-11-23 潍柴动力股份有限公司 发动机怠速声品质优化方法、系统以及发动机
CN113776652A (zh) * 2021-09-10 2021-12-10 上海汽车变速器有限公司 整车传动系统噪音评价方法、装置、设备及存储介质
CN114065402A (zh) * 2021-11-25 2022-02-18 华中科技大学 基于hssa-bpnn模型的车辆全态声品质预报方法
WO2022061515A1 (zh) * 2020-09-22 2022-03-31 舍弗勒技术股份两合公司 基于人耳听觉特性检测轴承故障的方法和设备
CN114383711A (zh) * 2020-10-06 2022-04-22 丰田自动车株式会社 车辆的异响判定装置
CN114387987A (zh) * 2021-12-31 2022-04-22 中建科技集团有限公司 生态噪声源的测量方法、装置、终端及存储介质
CN117313249A (zh) * 2023-11-30 2023-12-29 中汽研（天津）汽车工程研究院有限公司 整车风噪语音清晰度预测方法、设备和存储介质
CN117993790A (zh) * 2024-04-07 2024-05-07 中国测试技术研究院声学研究所 基于神经网络的指挥室声环境质量权重计量优化分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080267425A1 (en) * 2005-02-18 2008-10-30 France Telecom Method of Measuring Annoyance Caused by Noise in an Audio Signal
CN103471709A (zh) * 2013-09-17 2013-12-25 吉林大学 乘用车车内噪声声品质预测方法
CN107292020A (zh) * 2017-06-16 2017-10-24 浙江大学 一种基于声品质改善程度优化噪声治理方案的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080267425A1 (en) * 2005-02-18 2008-10-30 France Telecom Method of Measuring Annoyance Caused by Noise in an Audio Signal
CN103471709A (zh) * 2013-09-17 2013-12-25 吉林大学 乘用车车内噪声声品质预测方法
CN107292020A (zh) * 2017-06-16 2017-10-24 浙江大学 一种基于声品质改善程度优化噪声治理方案的方法

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751119A (zh) * 2020-06-10 2020-10-09 中国第一汽车股份有限公司 一种基于声音阶次频率特性的汽车加速声品质评价方法
CN111982274A (zh) * 2020-07-22 2020-11-24 江苏大学 一种基于声品质贡献系数的电机噪声源识别方法及系统
CN112067117A (zh) * 2020-08-14 2020-12-11 中国第一汽车股份有限公司 一种汽车风噪声性能评价方法
CN112036045A (zh) * 2020-09-07 2020-12-04 国网湖南省电力有限公司 一种变电站低频噪声控制限值确定方法、系统及介质
CN112097891A (zh) * 2020-09-15 2020-12-18 广州汽车集团股份有限公司 风振噪音评价方法、系统及车辆
CN112116901B (zh) * 2020-09-18 2024-03-05 北京市燃气集团有限责任公司 一种改善中低压燃气调压箱声学主观评价指标的方法
CN112116901A (zh) * 2020-09-18 2020-12-22 北京市燃气集团有限责任公司 一种改善中低压燃气调压箱声学主观评价指标的方法
WO2022061515A1 (zh) * 2020-09-22 2022-03-31 舍弗勒技术股份两合公司 基于人耳听觉特性检测轴承故障的方法和设备
CN114383711B (zh) * 2020-10-06 2024-03-15 丰田自动车株式会社 车辆的异响判定装置
CN114383711A (zh) * 2020-10-06 2022-04-22 丰田自动车株式会社 车辆的异响判定装置
CN112729859A (zh) * 2020-12-02 2021-04-30 万向钱潮（上海）汽车系统有限公司 一种电子驻车噪声品质评价系统及方法
CN112932489A (zh) * 2020-12-30 2021-06-11 广东电网有限责任公司电力科学研究院 变电站噪声主观烦恼度评价模型建立方法及模型建立系统
CN112649212A (zh) * 2020-12-30 2021-04-13 珠海格莱利摩擦材料股份有限公司 利用缩比摩擦材料惯性台架对汽车蠕动噪音的评测方法
CN112992182A (zh) * 2021-02-10 2021-06-18 东风汽车集团股份有限公司 车辆风噪水平测试系统及其测试方法
CN113053350A (zh) * 2021-03-14 2021-06-29 西北工业大学 一种基于噪声主观评价抑制的有源控制误差滤波器设计方法
CN113053350B (zh) * 2021-03-14 2023-11-17 西北工业大学 一种基于噪声主观评价抑制的有源控制误差滤波器设计方法
CN113066466A (zh) * 2021-03-16 2021-07-02 西北工业大学 一种基于带限噪声的音频注入调控声设计方法
CN113066466B (zh) * 2021-03-16 2023-07-18 西北工业大学 一种基于带限噪声的音频注入调控声设计方法
CN113221438A (zh) * 2021-04-06 2021-08-06 武汉科技大学 一种永磁同步电机声品质评价方法
CN113221438B (zh) * 2021-04-06 2022-10-18 武汉科技大学 一种永磁同步电机声品质评价方法
CN112798102A (zh) * 2021-04-13 2021-05-14 盛瑞传动股份有限公司 一种声品质评价方法、装置、系统及介质
CN113505884A (zh) * 2021-06-03 2021-10-15 广州大学 噪声烦恼度预测模型训练、预测方法、系统、装置及介质
CN113435116A (zh) * 2021-06-24 2021-09-24 武汉理工大学 一种基于虚拟驾驶台架的声品质自适应设计方法与装置
CN113686584A (zh) * 2021-08-13 2021-11-23 潍柴动力股份有限公司 发动机怠速声品质优化方法、系统以及发动机
CN113776652B (zh) * 2021-09-10 2024-03-08 上海汽车变速器有限公司 整车传动系统噪音评价方法、装置、设备及存储介质
CN113776652A (zh) * 2021-09-10 2021-12-10 上海汽车变速器有限公司 整车传动系统噪音评价方法、装置、设备及存储介质
CN113624335A (zh) * 2021-10-09 2021-11-09 江铃汽车股份有限公司 车辆急加速过程中排气气流声的测试及评价方法
CN113624335B (zh) * 2021-10-09 2022-01-25 江铃汽车股份有限公司 车辆急加速过程中排气气流声的测试及评价方法
CN114065402A (zh) * 2021-11-25 2022-02-18 华中科技大学 基于hssa-bpnn模型的车辆全态声品质预报方法
CN114065402B (zh) * 2021-11-25 2024-04-19 华中科技大学 基于hssa-bpnn模型的车辆全态声品质预报方法
CN114387987A (zh) * 2021-12-31 2022-04-22 中建科技集团有限公司 生态噪声源的测量方法、装置、终端及存储介质
CN117313249A (zh) * 2023-11-30 2023-12-29 中汽研（天津）汽车工程研究院有限公司 整车风噪语音清晰度预测方法、设备和存储介质
CN117313249B (zh) * 2023-11-30 2024-01-30 中汽研（天津）汽车工程研究院有限公司 整车风噪语音清晰度预测方法、设备和存储介质
CN117993790A (zh) * 2024-04-07 2024-05-07 中国测试技术研究院声学研究所 基于神经网络的指挥室声环境质量权重计量优化分析方法
CN117993790B (zh) * 2024-04-07 2024-06-14 中国测试技术研究院声学研究所 基于神经网络的指挥室声环境质量权重计量优化分析方法

Similar Documents

Publication Publication Date Title
CN110688712A (zh) 汽车风振噪声声品质客观烦恼度评价指标及其计算方法
Ma et al. Sound quality evaluation of the interior noise of pure electric vehicle based on neural network model
CN105021275B (zh) 基于时域动态特性分析的车内声品质预测方法
CN106933146B (zh) 电动轿车行人警示音控制方法
Huang et al. Sound quality evaluation of vehicle suspension shock absorber rattling noise based on the Wigner–Ville distribution
CN104819846B (zh) 一种基于短时傅里叶变换和稀疏层叠自动编码器的滚动轴承声音信号故障诊断方法
CN101672690A (zh) 基于听觉模型的车内噪声烦躁度客观量化评价方法
CN106683666B (zh) 一种基于深度神经网络的领域自适应方法
CN103471709A (zh) 乘用车车内噪声声品质预测方法
CN111949942A (zh) 一种加速车内噪声线性度的评价方法
CN111982274B (zh) 一种基于声品质贡献系数的电机噪声源识别方法及系统
Huang et al. Novel method for identifying and diagnosing electric vehicle shock absorber squeak noise based on a DNN
Xu et al. Improvement of interior sound quality for passenger car based on optimization of sound pressure distribution in low frequency
Wang et al. Objective sound quality evaluation for the vehicle interior noise based on responses of the basilar membrane in the human ear
Liu et al. Strategy and implementing techniques for the sound quality target of car interior noise during acceleration
Feng et al. Sound feature space effects on the performance of annoyance evaluation model based on support vector machine
CN112131662A (zh) 一种乘用车风噪主观评价客观量化方法
Přibil et al. GMM-based speaker gender and age classification after voice conversion
Wu et al. WaveFFJORD: FFJORD-based vocoder for statistical parametric speech synthesis
CN113571095B (zh) 基于嵌套深度神经网络的语音情感识别方法和系统
CN112097891B (zh) 风振噪音评价方法、系统及车辆
CN109297583B (zh) 汽车车内双耳异响时变噪声响度评价方法
Shen et al. Solfeggio Teaching Method Based on MIDI Technology in the Background of Digital Music Teaching
Chen et al. Car interior noise
Miqueau et al. Psycho-acoustic evaluation of the automotive acoustic comfort using vibro-acoustic prediction methods

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230728

AD01 Patent right deemed abandoned