CN111598395A - 一种发动机声品质综合评价方法 - Google Patents

一种发动机声品质综合评价方法 Download PDF

Info

Publication number
CN111598395A
CN111598395A CN202010300075.7A CN202010300075A CN111598395A CN 111598395 A CN111598395 A CN 111598395A CN 202010300075 A CN202010300075 A CN 202010300075A CN 111598395 A CN111598395 A CN 111598395A
Authority
CN
China
Prior art keywords
sound
samples
evaluation
matrix
engine
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
CN202010300075.7A
Other languages
English (en)
Inventor
林杰威
周启迪
张俊红
张瑞
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN202010300075.7A priority Critical patent/CN111598395A/zh
Publication of CN111598395A publication Critical patent/CN111598395A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种发动机声品质综合评价方法，包括步骤如下：建立发动机声音样本数据库；采用最优拉丁超立方法筛选声音样本；根据工程应用时发动机搭载车辆在不同工况的使用率，判断工况的相对重要性，采用模糊层次分析法计算不同工况声音样本对声品质评价的贡献权重W；采用分组成对比较法进行主观评价，并通过设置关联样本使各组建立联系；考虑声音样本的贡献权重和主观评价结果，建立加权主观评价值Wξ作为不同内燃机声品质评价参量。

Description

一种发动机声品质综合评价方法
技术领域
本发明涉及一种声品质综合评价方法，并将其应用到发动机领域。
背景技术
传统的发动机噪声研究主要将A计权声压级或者A计权声功率作为控制指标，并以降低发动机整机噪声水平为目的开展工作[1-2]。随着相关研究的不断深入，研究人员发现虽然发动机的噪声水平达到了法规要求，但由于噪声不同的物理特性，使得这些具有相同声音强度的噪声给用户带来的心理感受完全不同。为了继续深入研究并解决这一问题，声品质的概念应运而生。目前发动机声品质已成为发动机NVH性能研究中的热点。
由于对试验人员要求较低，同时可以有效比较声音样本细微的差异，成对比较法(CP)被广泛应用于声品质主观评价试验[3]。但是随着样本规模的增加，采用成对比较法进行主观评价的时间会成倍增加，声品质评价效率较低[4]。
对发动机不同产品进行声品质评价可以有效的进行竞品分析，提升产品NVH性能。但是不同产品、不同工况、不同测点的声音样本规模太大，利用现有方法无法有效的进行声品质评价。因此需要提出一种综合的方法解决大样本声品质评价问题。
参考文献
[1]张志强.汽油机噪声源识别及声品质提升研究[D].天津大学,2014.
[2]刘海.柴油机辐射噪声品质研究[D].天津大学,2013.
[3]张俊红,段超阳,林杰威,etal.商用车柴油机加速声品质主客观评价研究[J].天津大学学报(自然科学与工程技术版),52(02):42-48.
[4]Wen-Yun He,Jun-Hong Zhang,Jian Wang.A comprehensive evaluationmethod ofdiesel engine sound quality based on paired comparison,uniformdesign sampling,and improved analytic hierarchy process[J].JournalofZhejiangUniversity-ScienceA(AppliedPhysics&Engineering),2017,18(7):531-544.
发明内容
针对以上问题，本发明克服目前声品质评价方法不能进行大规模主观评价的缺点，提出了一种声品质综合评价方法。技术方案如下：
一种发动机声品质综合评价方法，包括步骤如下：
(1)建立发动机声音样本数据库，方法如下：采集多台发动机、多工况、多测点的稳态和加速工况声音样本，对采集的声音样本进行剪切、预处理，建立样本数据库；
(2)采用最优拉丁超立方法筛选步骤(1)的声音样本；
(3)基于步骤(2)获得的筛选样本，根据工程应用时发动机搭载车辆在不同工况的使用率，判断工况的相对重要性，采用模糊层次分析法计算不同工况声音样本对声品质评价的贡献权重W；
(4)基于步骤(2)声音样本，采用分组成对比较法进行主观评价，并通过设置关联样本使各组建立联系，分组评价结果ξij通过式(4)进行计算：
Figure BDA0002453653640000021
其中j是样本组号，i是样本在组内的编号，V1j和V2j分别是关联样本在各组内的原始评价值，Vij表示第j组i个样本的原始评价值，K为比例系数，b为平移调整量，通过K和b的调整使评价结果在合适的赋值范围；
(5)基于步骤(3)(4)的结果，同时考虑声音样本的贡献权重和主观评价结果，建立加权主观评价值Wξ作为不同内燃机声品质评价参量，见式(5)；
Wξ＝W·ξij (5)
最终通过加权主观评价值Wξ判断发动机声品质的相对优劣。
优选地，步骤(3)中贡献权重W权重计算过程如下：
a)根据工况重要性排序，构建模糊判断矩阵A＝[aij]n×n，其中矩阵中元素用0.1-0.9表示，0.5代表两两对比同等重要，n为矩阵A的维度。
b)基于隶属函数
Figure BDA0002453653640000022
和
Figure BDA0002453653640000023
i,j∈[1,n]，将模糊判断矩阵A＝[aij]n×n转化为模糊一致性矩阵R＝[rij]n×n，其中
Figure BDA0002453653640000024
表示矩阵A进行列求和。
c)利用转换公式
Figure BDA0002453653640000025
计算矩阵R＝[rij]n×n的互反型矩阵M＝[mij]n×n。
d)基于最小二乘法计算初始权重ω0，见式(1)，其中
Figure BDA0002453653640000026
表示对矩阵R进行列求和：
Figure BDA0002453653640000027
e)计算最终权重值W：
Step1:ω0作为权重的初始迭代值；
Step2:利用迭代公式Wk+1＝MWk得到特征向量Wk+1，并求取Wk+1的无穷范数||Wk+1||∞；
Step3:如果满足||Wk+1||∞-||Wk||∞≤ε,ε＝0.0001，则最终权重为：
Figure BDA0002453653640000031
否则以
Figure BDA0002453653640000032
作为新的向量进入下一次迭代循环。
与现有技术相比，本发明的技术方案所带来的有益效果是：
(1)采用最优拉丁超立方对大规模声音样本进行均匀抽样，在保证分析精度的前提下可有效缩减评价样本数量，提高主观评价效率。
(2)考虑工况样本对声品质贡献度影响，采用模糊层次分析法计算不同工况样本对声品质的贡献权重，同时模糊层次分析法有效的解决了传统的层次分析法一致性的问题。
(3)同时考虑主观评价结果和声音样本的重要性，以加权主观评价参量进行声品综合评价，具有更高的可信度。
附图说明
图1是一种发动机声品质综合评价流程。
具体实施方式
本发明首先通过测试发动机多款发动机、多种工况、多个测点的噪声数据，建立声音样本数据库。采用最优拉丁超立方法(Optimal LHD)进行不同工况不同测点声音样本均匀抽样，在保证分析精度的前提下可有效缩减评价样本数量，提高主观评价效率。以不同工况的使用率和重要性为参考，采用模糊层次分析法(FAHP)计算不同工况样本对声品质评价贡献度因子。最后采用分组成对比较法(GCP)进行不同发动机样本主观听审评价试验，并将加权主观评价听审结果作为综合评价参量，分析不同发动机整体声品质水平。一种发动机声品质综合评价流程如图1所示，方法的具体步骤如下：
(1)建立发动机声音样本数据库
在精密级、半自由声场噪声实验室内进行发动机噪声取样测试，参照国际标准ISO6798:1995将发动机进排气噪声引出室外，风扇拆除，按照GB/T1859-2000进行声音传感器的测点布置，采集发动机多工况，多测点噪声样本。为全面的反映不同发动机的声品质水平，测试声音样本包含多种转速，多个负荷的稳态和加速工况样本。
研究表明5s的声音样本时间长度进行主观评价效果最佳，基于MATLAB软件将上述采集样本剪辑成相应5s声音样本。
(2)基于最优拉丁超立方法筛选声音样本
步骤(1)获得约450个声音样本，样本太多无法进行有效的主观评价。本专利拟采用Optimal LHD方法进行样本筛选，缩减试验规模至41个样本。基于分组成对比较法过程可知，由于两个关联样本存在，主观评价分为三组，三组声音样本数量分别为15、13、13个。为分组成对法进行主观评价提供合适的样本数量。
(3)基于模糊层次分析法计算样本贡献度
步骤(2)均匀筛选了41个声音样本，但每一个声音样本的重要性不同，为了更好的评价不同发动机声品质，以不同工况的使用率为参考，采用FAHP计算不同工况样本对声品质评价贡献权重。基于模糊层次分析法计算工况样本的权重W，具体计算过程如下：
a)根据工况重要性排序，构建模糊判断矩阵A＝[aij]n×n，其中矩阵中元素用0.1-0.9表示，0.5代表两两对比同等重要，n为矩阵A的维度。
b)基于隶属函数
Figure BDA0002453653640000041
和
Figure BDA0002453653640000042
i,j∈[1,n]，将模糊判断矩阵A＝[aij]n×n转化为模糊一致性矩阵R＝[rij]n×n，其中
Figure BDA0002453653640000043
代表矩阵A进行列求和。
c)利用转换公式
Figure BDA0002453653640000044
计算矩阵R＝[rij]n×n的互反型矩阵M＝[mij]n×n。
d)基于最小二乘法计算的初始权重ω0，其中
Figure BDA0002453653640000045
表示对矩阵R进行列求和。
Figure BDA0002453653640000046
e)计算最终权重值W：
Step1:ω0作为权重的初始迭代值；
Step2:利用迭代公式Wk+1＝MWk得到特征向量Wk+1，并求取Wk+1的无穷范数||Wk+1||∞；
Step3:如果||Wk+1||∞-||Wk||∞≤ε，则最终权重值为：
Figure BDA0002453653640000047
否则以
Figure BDA0002453653640000048
作为新的向量进入下一次迭代循环。
(4)基于分组成对比较法的噪声样本主观评价
基于步骤(2)声音样本，将声音样本分成三组，采用分组成对比较法分别进行每组的主观评价。每一组被试人员进行主观听审试验，并对听审结果进行一致性筛选，剔除偏差较大的数据。一致性指标用重合度C来表示，其计算公式为：
Figure BDA0002453653640000051
Figure BDA0002453653640000052
其中，ai为声音样本的主观评价偏好度值，
Figure BDA0002453653640000053
为声音样本的偏好度平均值，n为每个声音样本的主观评价结果数量，P为平均绝对偏差值，Q为偏好度值域，C表示重合度。
采用成对比较法完成主观评价后，通过设置关联样本使各组建立联系样本评价结果。分组评价结果ξij可以通过式(5)进行反演计算，其中j是样本组号，i是样本在组内的编号，V1j和V2j分别是关联样本在各组内的原始评价值，Vij表示第j组i个样本的原始评价值，K为比例系数，b为平移调整量，通过K和b的调整使评价结果在合适的赋值范围。
Figure BDA0002453653640000054
(5)声品质综合评价
步骤(3)可获得不同样本对整机声品质的贡献权重W，步骤(4)基于分组成对比较法可获得不同样本的主观评价结果ξij，本专利同时考虑样本的重要性和主观评价结果，建立加权主观评价值Wξ作为不同内燃机声品质评价参量，具体见式(6)。
Wξ＝W·ξij (7)
最终通过加权主观评价值Wξ的平均值，判断发动机声品质的相对优劣。

Claims (2)

1.一种发动机声品质综合评价方法，包括步骤如下：
(1)建立发动机声音样本数据库，方法如下：采集多台发动机、多工况、多测点的稳态和加速工况声音样本，对采集的声音样本进行剪切、预处理，建立样本数据库。
(2)采用最优拉丁超立方法筛选步骤(1)的声音样本；
(3)基于步骤(2)获得的筛选样本，根据工程应用时发动机搭载车辆在不同工况的使用率，判断工况的相对重要性，采用模糊层次分析法计算不同工况声音样本对声品质评价的贡献权重W；
(4)基于步骤(2)声音样本，采用分组成对比较法进行主观评价，并通过设置关联样本使各组建立联系，分组评价结果ξij通过式(4)进行计算：
Figure FDA0002453653630000011
其中j是样本组号，i是样本在组内的编号，V1j和V2j分别是关联样本在各组内的原始评价值，Vij表示第j组i个样本的原始评价值，K为比例系数，b为平移调整量，通过K和b的调整使评价结果在合适的赋值范围；
(5)基于步骤(3)(4)的结果，同时考虑声音样本的贡献权重和主观评价结果，建立加权主观评价值Wξ作为不同内燃机声品质评价参量，见式(5)；
Wξ＝W·ξij (5)
最终通过加权主观评价值Wξ判断发动机声品质的相对优劣。
2.根据权利要求1所述的方法，其特征在于，步骤(3)中贡献权重W权重计算过程如下：
a)根据工况重要性排序，构建模糊判断矩阵A＝[aij]n×n，其中矩阵中元素用0.1-0.9表示，0.5代表两两对比同等重要，n为矩阵A的维度。
b)基于隶属函数
Figure FDA0002453653630000012
和
Figure FDA0002453653630000013
将模糊判断矩阵A＝[aij]n×n转化为模糊一致性矩阵R＝[rij]n×n，其中
Figure FDA0002453653630000014
表示矩阵A进行列求和。
c)利用转换公式
Figure FDA0002453653630000015
计算矩阵R＝[rij]n×n的互反型矩阵M＝[mij]n×n。
d)基于最小二乘法计算初始权重ω0，见式(1)，其中
Figure FDA0002453653630000016
表示对矩阵R进行列求和：
Figure FDA0002453653630000017
e)计算最终权重值W：
Step1:ω0作为权重的初始迭代值；
Step2:利用迭代公式Wk+1＝MWk得到特征向量Wk+1，并求取Wk+1的无穷范数||Wk+1||∞；
Step3:如果满足||Wk+1||∞-||Wk||∞≤ε,ε＝0.0001，则最终权重为：
Figure FDA0002453653630000021
否则以
Figure FDA0002453653630000022
作为新的向量进入下一次迭代循环。
CN202010300075.7A 2020-04-16 2020-04-16 一种发动机声品质综合评价方法 Pending CN111598395A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010300075.7A CN111598395A (zh) 2020-04-16 2020-04-16 一种发动机声品质综合评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010300075.7A CN111598395A (zh) 2020-04-16 2020-04-16 一种发动机声品质综合评价方法

Publications (1)

Publication Number Publication Date
CN111598395A true CN111598395A (zh) 2020-08-28

Family

ID=72190388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010300075.7A Pending CN111598395A (zh) 2020-04-16 2020-04-16 一种发动机声品质综合评价方法

Country Status (1)

Country Link
CN (1) CN111598395A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112504688A (zh) * 2020-11-25 2021-03-16 南京九度卫星科技研究院有限公司 一种北斗导航的环卫车发动机检测方法及系统
CN113806991A (zh) * 2021-11-17 2021-12-17 天津仁爱学院 一种发动机燃烧噪声优化预测方法、装置及存储介质
CN114912781A (zh) * 2022-04-29 2022-08-16 中国第一汽车股份有限公司 一种基于计权分析的车门声品质主观评价方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021275A (zh) * 2015-07-15 2015-11-04 吉林大学 基于时域动态特性分析的车内声品质预测方法
CN107832483A (zh) * 2017-08-30 2018-03-23 山东赛马力发电设备有限公司 基于uds和ahp的柴油机噪声品质评价方法
CN108520134A (zh) * 2018-03-30 2018-09-11 天津大学 一种发动机噪声源权重分析方法
CN110737970A (zh) * 2019-09-24 2020-01-31 天津大学 一种发动机加速声品质评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021275A (zh) * 2015-07-15 2015-11-04 吉林大学 基于时域动态特性分析的车内声品质预测方法
CN107832483A (zh) * 2017-08-30 2018-03-23 山东赛马力发电设备有限公司 基于uds和ahp的柴油机噪声品质评价方法
CN108520134A (zh) * 2018-03-30 2018-09-11 天津大学 一种发动机噪声源权重分析方法
CN110737970A (zh) * 2019-09-24 2020-01-31 天津大学 一种发动机加速声品质评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛东兴等: "声品质主观评价的分组成对比较法研究", 《声学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112504688A (zh) * 2020-11-25 2021-03-16 南京九度卫星科技研究院有限公司 一种北斗导航的环卫车发动机检测方法及系统
CN113806991A (zh) * 2021-11-17 2021-12-17 天津仁爱学院 一种发动机燃烧噪声优化预测方法、装置及存储介质
CN114912781A (zh) * 2022-04-29 2022-08-16 中国第一汽车股份有限公司 一种基于计权分析的车门声品质主观评价方法、装置及设备

Similar Documents

Publication Publication Date Title
CN111598395A (zh) 一种发动机声品质综合评价方法
CN110737970A (zh) 一种发动机加速声品质评价方法
CN106248368B (zh) 一种基于深度学习的燃机涡轮叶片故障检测方法
CN113344471B (zh) 一种表征飞机系统气候环境适应性的方法
CN106525435A (zh) 一种发动机噪声源识别方法
CN114755017B (zh) 一种跨域数据驱动无监督领域共享网络的变转速轴承故障诊断方法
CN100351623C (zh) 基于支持向量机的多组分气体浓度定量分析仪
CN114429152A (zh) 基于动态指数对抗性自适应的滚动轴承故障诊断方法
CN115221973A (zh) 一种基于增强加权异质集成学习的航空轴承故障诊断方法
CN115640940A (zh) 基于蜘蛛网图-灰色关联度分析的盾构机主轴承性能评价方法
Zhou et al. Differentiable architecture search for aeroengine bevel gear fault diagnosis
CN114764682A (zh) 一种基于多机器学习算法融合的大米安全风险评估方法
CN113808681A (zh) 基于SHAP-CatBoost快速预测ABO3型钙钛矿材料比表面积的方法及其系统
CN112945772A (zh) 一种水岩循环下工程岩体力学性能分析方法
CN113221438B (zh) 一种永磁同步电机声品质评价方法
Zhu et al. Engine fault diagnosis using probabilistic neural network
CN115795341A (zh) 基于变转速的二维活塞泵健康状态评估方法
JPH09325949A (ja) 遺伝的アルゴリズムの最適化方法及び遺伝的アルゴリズムの解析システム
CN115033977A (zh) 一种基于神经网络技术的地面实测脉动压力参数辨识方法
Manieniyan et al. Artificial neural network based modelling for vibration characteristics of DI diesel engine using bio-diesel
CN109325669B (zh) 一种电气石改性沥青综合性能评价及配比优化方法
CN112365022A (zh) 一种基于多阶段的发动机轴承故障预测方法
CN113361058A (zh) 确定风电场的代表风参数的方法和设备
CN111360578A (zh) 滚珠丝杠副润滑状态识别方法
CN116361925B (zh) 一种船舶传动构型的多方案评估方法及系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200828

WD01 Invention patent application deemed withdrawn after publication