CN111949942A - 一种加速车内噪声线性度的评价方法 - Google Patents
一种加速车内噪声线性度的评价方法 Download PDFInfo
- Publication number
- CN111949942A CN111949942A CN202010664640.8A CN202010664640A CN111949942A CN 111949942 A CN111949942 A CN 111949942A CN 202010664640 A CN202010664640 A CN 202010664640A CN 111949942 A CN111949942 A CN 111949942A
- Authority
- CN
- China
- Prior art keywords
- noise
- linearity
- rotating speed
- objective
- evaluation
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 238000012417 linear regression Methods 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 8
- 210000005069 ears Anatomy 0.000 claims description 7
- 239000010426 asphalt Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001134 F-test Methods 0.000 claims description 2
- 238000011002 quantification Methods 0.000 abstract description 2
- 238000013441 quality evaluation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种加速车内噪声线性度的评价方法,该方法如下:将声音传感器布置于驾驶员耳旁位置,在设定的测试条件下采集三组以上有效噪声数据:在设定发动机转速步长和噪声后处理软件频率分辨率条件下,根据有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶的主阶次噪声,从而得到主阶次噪声‑发动机转速曲线;对主阶次噪声‑发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数;将主阶次噪声客观参数代入线性回归模型得到加速车内噪声线性度评价分值。本发明能够解决线性度指标难以量化或量化方法不合理的问题。
Description
技术领域
本发明属于加速车内声品质评价技术领域,涉及一种加速车内噪声线性度的评价方法。
背景技术
加速行驶工况作为汽车最常使用的工况之一,主机厂对加速车内声品质控制有着严格的要求。目前加速车内声品质主要以响度、语音清晰度、线性度和粗糙度等心理声学参数作为评价指标,线性度作为加速车内声品质的重要评价指标,由于没有线性度的计算方法,无法用声音后处理软件进行计算,通常采用目视化方法或者将加速噪声曲线进行一元线性拟合后进行简单的判断,缺乏统一的标准,评价结果也不够精确。
现有的一种发动机加速声品质评价方法,通过建立发动机声音样本数据库,进行一致性筛选,然后提取声品质客观参量,采用多元线性回归方法进行加速声品质主客观建模。其中客观参量包括A计权声压级、响度、尖锐度、粗糙度、波动度和语音清晰度,但不包含线性度参量,对声品质的评价不够全面。
现有的一种乘用车车内噪声声品质预测方法,通过客观数据采集与相关参数计算,然后结合主观评价结果,通过遗传算法改进的BP神经网络,建立车内声品质主观评价的客观量化模型,并建立车内声品质客观心理声学参数数据库。该方法为一种预测稳态工况下车内声品质的发明,不涉及到加速车内噪声及线性度的评价。
现有一种基于人机交互界面的噪声声品质评价方法,通过获取人机交互界面的噪声声压时域信号,计算相关的心理声学参数,然后代入噪声声品质评价经验公式进行主观评价得分预测。该方法不涉及车内噪声声品质。
如果要追求更高级的听觉体验,将车内声品质打造成产品魅点,关于线性度的研究是不可或缺的,但目前还没有一套成熟的车内噪声线性度评价方法。
发明内容
本发明要解决的技术问题是提供一种加速车内噪声线性度的评价方法,该方法解决了线性度指标难以量化或量化方法不合理的问题。
为了解决上述技术问题,本发明的加速车内噪声线性度的评价方法包括以下步骤:
步骤一、将声音传感器布置于驾驶员耳旁位置,距离头枕中心距离为0.2±0.02m;在下述测试条件下采集三组以上有效噪声数据:采样频率大于5120Hz,测试路段为长直线平滑沥青路面,风速小于5m/s,测试工况为3挡全油门加速,发动机转速范围为1000~5500r/min;
步骤二、在发动机转速步长为20~50r/min,噪声后处理软件频率分辨率为0.5~2Hz条件下,利用噪声后处理软件根据步骤一测得的有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶的主阶次噪声,从而得到主阶次噪声-发动机转速曲线;
步骤三、采用最小二乘法对主阶次噪声-发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数,包括最大偏差和确定系数;
步骤四、将主阶次噪声客观参数中的最大偏差和确定系数代入线性回归模型(1),得到加速车内噪声线性度评价分值;
Y1=k1-k2Xmd+k3Xr (1)
其中Y1为线性度评价分值,Xmd为阶次噪声客观参数对应的最大偏差,Xr为阶次噪声客观参数对应的确定系数,k1、k2、k3为评价系数。
进一步,所述步骤四中的线性回归模型通过下述方法获得:
第一步、将声音传感器布置于驾驶员耳旁位置,距离头枕中心距离为0.2±0.02m;在下述测试条件下采集三组以上有效噪声数据:采样频率大于5120Hz,测试路段为长直线平滑沥青路面,风速小于5m/s,测试工况为3挡全油门加速,发动机转速范围为1000~5500r/min;
第二步、在发动机转速步长为20~50r/min,噪声后处理软件频率分辨率为0.5~2Hz的条件下,根据第一步测得的有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶车内总声压级和主阶次噪声,从而得到总声压级-发动机转速曲线和主阶次噪声-发动机转速曲线;
第三步、采用最小二乘法对总声压级-发动机转速曲线进行一元线性拟合,得到总声压级客观参数;同时采用最小二乘法对主阶次噪声-发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数;其中总声压级客观参数和主阶次噪声客观参数均包括最大偏差、平均偏差和确定系数;
第四步、根据第一步测得的有效噪声数据对多台测试车辆进行评价,将加速车内噪声-时间曲线的线性度水平分为10级,采取10分制评价标准,计算评价小组每一位评价人员评价分值的算数平均值,作为评价结果;
第五步、将总声压级客观参数和主阶次噪声客观参数输入SPSS软件,由SPSS软件计算总声压级客观参数与评价结果的相关系数,以及主阶次噪声客观参数与评价结果的相关系数;计算结果显示总声压级客观参数与评价结果的相关系数要小于主阶次噪声客观参数与评价结果的相关系数,选择采用主阶次噪声客观参数对加速车内噪声线性度进行评价;
第六步,采用逐步回归方法,将总声压级客观参数和主阶次噪声客观参数中的最大偏差、平均偏差和确定系数分别作为自变量带入回归方程,通过F检验值对自变量能否进入回归方程进行判断,结果显示总声压级客观参数和主阶次噪声客观参数中,对评价结果影响程度排序为:最大偏差>确定系数>平均绝对偏差,并且平均绝对偏差的F检验值大于0.05,故将其排除;最终计算得出线性回归模型(1);
Y1=k1-k2Xmd+k3Xr (1)
其中Y1为线性度评价分值,Xmd为主阶次噪声客观参数对应的最大偏差,Xr为阶次噪声客观参数对应的确定系数,k1、k2、k3为评价系数。
所述的线性回归模型中,k1=8.055,k2=0.214,k3=0.903。
进一步,所述的步骤一中采样频率优选25600Hz,发动机范围转速优选用1200~5500r/min。
进一步,所述的步骤二中,发动机转速步长优选25r/min,噪声后处理软件频率分辨率优选1Hz。
本发明旨在提供一种能够量化且与主观感受相对应的线性度评价方法,该方法主要针对加速发动机主阶次噪声曲线进行评价,提出了主阶次噪声与人耳主观感受更为对应的全新观点,通过该方法能够快速的对加速噪声线性度进行量化评估,同时能够预测线性度评价分值,实现不同车辆之间线性度水平的对比,对加速车内声品质开发提供有力支持。
本发明通过对多台车的加速车内噪声线性度进行主客观试验分析,明确了线性度的评价参数,建立了主观评价分值预测模型,能够对加速车内噪声线性度进行量化评价及对比。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明的流程图。
图2是线性回归模型获得方法流程图。
具体实施方式
实施例1
如图1所示,本发明的加速车内噪声线性度的评价方法包括以下步骤:
步骤一、利用噪声测试设备采集加速工况车内噪声数据;将声音传感器布置于驾驶员耳旁位置,距离头枕中心距离为0.2±0.02m;在下述测试条件下采集三组以上有效噪声数据:采样频率为25600Hz,测试路段为长直线平滑沥青路面,风速小于5m/s,测试工况为3挡全油门加速(对于自动挡车型采用手动模式切换为3挡全油门加速进行测试),发动机转速为1000~5500r/min;
步骤二、利用噪声后处理软件对采集的有效噪声数据进行处理:在发动机转速步长为25r/min,噪声后处理软件频率分辨率为1Hz条件下,利用噪声后处理软件根据步骤一测得的有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶的主阶次噪声,从而得到主阶次噪声-发动机转速曲线;
第三步,线性度客观评价参数计算:采用最小二乘法对主阶次噪声-发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数;其中主阶次噪声客观参数均包括最大偏差和确定系数;
步骤四、将主阶次噪声客观参数中的最大偏差和确定系数代入线性回归模型(1),得到加速车内噪声线性度评价分值;
Yl=k1-k2Xmd+k3Xr (1)
其中Y1为线性度评价分值,Xmd为阶次噪声客观参数对应的最大偏差,Xr为阶次噪声客观参数对应的确定系数,k1、k2、k3为评价系数,k1=8.055,k2=0.214,k3=0.903。
实施例2
如图2所示,所述步骤四中的线性回归模型通过下述方法获得:
第一步,利用噪声测试设备采集加速工况车内噪声数据;将声音传感器布置于驾驶员耳旁位置,距离头枕中心距离为0.2±0.02m;在下述测试条件下采集三组以上有效噪声数据:采样频率为25600Hz,测试路段为长直线平滑沥青路面,风速小于5m/s,测试工况为3挡全油门加速(对于自动挡车型采用手动模式切换为3挡全油门加速进行测试),发动机范围转速优选用1200~5500r/min;
第二步,利用噪声后处理软件对采集的有效噪声数据进行处理:在发动机转速步长为25r/min,噪声后处理软件频率分辨率为1Hz条件下,根据第一步测得的有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶车内总声压级和主阶次噪声,从而得到总声压级-发动机转速曲线和主阶次噪声-发动机转速曲线;
第三步,线性度客观评价参数计算:采用最小二乘法对总声压级-发动机转速曲线进行一元线性拟合,得到总声压级客观参数;同时采用最小二乘法对主阶次噪声-发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数;其中总声压级客观参数和主阶次噪声客观参数均包括最大偏差、平均偏差和确定系数;
第四步,加速车内噪声线性度评价:评价小组根据第一步测得的有效噪声数据对多台测试车辆进行评价,将加速车内噪声-时间曲线的线性度水平分为10级,采取10分制评价标准,计算评价小组每一位评价人员评价分值的算数平均值,作为评价结果;
10级线性度水平及对应的评分见表1。
表1
第五步,主客观试验结果相关性分析:运用进行Pearson相关分析,将总声压级客观参数和主阶次噪声客观参数输入SPSS软件,由SPSS软件计算总声压级客观参数与评价结果的相关系数,以及主阶次噪声客观参数与评价结果的相关系数;计算结果显示总声压级客观参数与评价结果的相关系数均在0.6以下,表明相关性较差;而主阶次噪声客观参数与评价结果的相关系数均在0.7以上,表明相关性较为显著;从侧面明确了总声压级客观参数与评价结果的相关度要小于主阶次噪声客观参数与评价结果的相关度;因此应优选采用主阶次噪声客观参数对加速车内噪声线性度进行评价;
第六步,线性度回归模型建立:采用逐步回归方法,将总声压级客观参数和主阶次噪声客观参数中的最大偏差、平均偏差和确定系数分别作为自变量带入回归方程,通过F检验值对自变量能否进入回归方程进行判断,结果显示总声压级客观参数和主阶次噪声客观参数中,对评价结果影响程度排序为:最大偏差>确定系数>平均绝对偏差,即最大偏差对评价结果的影响程度最大,其次为确定系数,平均绝对偏差对评价结果的影响程度最小;平均绝对偏差的F检验值大于0.05,故将其排除;最终计算得出的线性回归模型如公式(1)所示;
Y1=k1-k2Xmd+k3Xr (1)
其中Y1为线性度评价分值,Xmd为阶次噪声客观参数对应的最大偏差,Xr为阶次噪声客观参数对应的确定系数,k1、k2、k3为评价系数,
k1=8.055,k2=0.214,k3=0.903。
Claims (5)
1.一种加速车内噪声线性度的评价方法,其特征在于包括以下步骤:
步骤一、将声音传感器布置于驾驶员耳旁位置,距离头枕中心距离为0.2±0.02m;在下述测试条件下采集三组以上有效噪声数据:采样频率大于5120Hz,测试路段为长直线平滑沥青路面,风速小于5m/s,测试工况为3挡全油门加速,发动机转速范围为1000~5500r/min;
步骤二、在发动机转速步长为20~50r/min,噪声后处理软件频率分辨率为0.5~2Hz条件下,利用噪声后处理软件根据步骤一测得的有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶的主阶次噪声,从而得到主阶次噪声-发动机转速曲线;
步骤三、采用最小二乘法对主阶次噪声-发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数,包括最大偏差和确定系数;
步骤四、将主阶次噪声客观参数中的最大偏差和确定系数代入线性回归模型(1),得到加速车内噪声线性度评价分值;
Y1=k1-k2Xmd+k3Xr (1)
其中Y1为线性度评价分值,Xmd为阶次噪声客观参数对应的最大偏差,Xr为阶次噪声客观参数对应的确定系数,k1、k2、k3为评价系数。
2.根据权利要求1所述的加速车内噪声线性度的评价方法,其特征在于所述步骤四中的线性回归模型通过下述方法获得:
第一步、将声音传感器布置于驾驶员耳旁位置,距离头枕中心距离为0.2±0.02m;在下述测试条件下采集三组以上有效噪声数据:采样频率大于5120Hz,测试路段为长直线平滑沥青路面,风速小于5m/s,测试工况为3挡全油门加速,发动机转速范围为1000~5500r/min;
第二步、在发动机转速步长为20~50r/min,噪声后处理软件频率分辨率为0.5~2Hz的条件下,根据第一步测得的有效噪声数据、发动机转速步长和噪声后处理软件频率分辨率计算出加速行驶车内总声压级和主阶次噪声,从而得到总声压级-发动机转速曲线和主阶次噪声-发动机转速曲线;
第三步、采用最小二乘法对总声压级-发动机转速曲线进行一元线性拟合,得到总声压级客观参数;同时采用最小二乘法对主阶次噪声-发动机转速曲线进行一元线性拟合,得到主阶次噪声客观参数;其中总声压级客观参数和主阶次噪声客观参数均包括最大偏差、平均偏差和确定系数;
第四步、根据第一步测得的有效噪声数据对多台测试车辆进行评价,将加速车内噪声-时间曲线的线性度水平分为10级,采取10分制评价标准,计算评价小组每一位评价人员评价分值的算数平均值,作为评价结果;
第五步、将总声压级客观参数和主阶次噪声客观参数输入SPSS软件,由SPSS软件计算总声压级客观参数与评价结果的相关系数,以及主阶次噪声客观参数与评价结果的相关系数;计算结果显示总声压级客观参数与评价结果的相关系数要小于主阶次噪声客观参数与评价结果的相关系数,选择采用主阶次噪声客观参数对加速车内噪声线性度进行评价;
第六步,采用逐步回归方法,将总声压级客观参数和主阶次噪声客观参数中的最大偏差、平均偏差和确定系数分别作为自变量带入回归方程,通过F检验值对自变量能否进入回归方程进行判断,结果显示总声压级客观参数和主阶次噪声客观参数中,对评价结果影响程度排序为:最大偏差>确定系数>平均绝对偏差,并且平均绝对偏差的F检验值大于0.05,故将其排除;最终计算得出线性回归模型(1);
Y1=k1-k2Xmd+k3Xr (1)
其中Y1为线性度评价分值,Xmd为主阶次噪声客观参数对应的最大偏差,Xr为阶次噪声客观参数对应的确定系数,k1、k2、k3为评价系数。
3.根据权利要求1所述的加速车内噪声线性度的评价方法,其特征在于所述的线性回归模型中,k1=8.055,k2=0.214,k3=0.903。
4.根据权利要求1所述的加速车内噪声线性度的评价方法,其特征在于所述的步骤一中采样频率优选25600Hz,发动机范围转速优选用1200~5500r/min。
5.根据权利要求1所述的加速车内噪声线性度的评价方法,其特征在于所述的步骤二中,发动机转速步长优选25r/min,噪声后处理软件频率分辨率优选1Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664640.8A CN111949942B (zh) | 2020-07-11 | 2020-07-11 | 一种加速车内噪声线性度的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664640.8A CN111949942B (zh) | 2020-07-11 | 2020-07-11 | 一种加速车内噪声线性度的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111949942A true CN111949942A (zh) | 2020-11-17 |
CN111949942B CN111949942B (zh) | 2023-11-10 |
Family
ID=73341287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010664640.8A Active CN111949942B (zh) | 2020-07-11 | 2020-07-11 | 一种加速车内噪声线性度的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949942B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112461357A (zh) * | 2020-11-20 | 2021-03-09 | 东风汽车集团有限公司 | 一种发动机半阶音的评价方法 |
CN112881023A (zh) * | 2021-01-08 | 2021-06-01 | 广西玉柴机器股份有限公司 | 一种柴油发动机加速噪声的线性度计量方法 |
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 |
CN113295267A (zh) * | 2021-05-10 | 2021-08-24 | 江铃汽车股份有限公司 | 基于声场景下进气气流声评价方法、系统及可读存储介质 |
CN113959733A (zh) * | 2021-10-14 | 2022-01-21 | 中国第一汽车股份有限公司 | 一种由拍振导致的压耳声评价方法 |
CN114485918A (zh) * | 2022-01-22 | 2022-05-13 | 重庆长安汽车股份有限公司 | 一种车用发电机噪声的评价方法 |
CN114758673A (zh) * | 2021-01-08 | 2022-07-15 | 广州汽车集团股份有限公司 | 车辆隔声目标线的制定方法、装置以及可读存储介质 |
CN117407650A (zh) * | 2023-12-13 | 2024-01-16 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种驱动电机系统噪声品质等级评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007037074A1 (de) * | 2007-08-06 | 2009-02-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur auditiven Prüfung transienter Geräusche |
JP2012047483A (ja) * | 2010-08-24 | 2012-03-08 | Railway Technical Research Institute | 鉄道車両内騒音の評価方法 |
CN107705566A (zh) * | 2017-10-20 | 2018-02-16 | 吉利汽车研究院(宁波)有限公司 | 一种城市道路交通噪声预测方法及系统 |
CN108663115A (zh) * | 2017-03-31 | 2018-10-16 | 华晨汽车集团控股有限公司 | 一种汽车车内怠速噪声客观量化评价方法 |
-
2020
- 2020-07-11 CN CN202010664640.8A patent/CN111949942B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007037074A1 (de) * | 2007-08-06 | 2009-02-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur auditiven Prüfung transienter Geräusche |
JP2012047483A (ja) * | 2010-08-24 | 2012-03-08 | Railway Technical Research Institute | 鉄道車両内騒音の評価方法 |
CN108663115A (zh) * | 2017-03-31 | 2018-10-16 | 华晨汽车集团控股有限公司 | 一种汽车车内怠速噪声客观量化评价方法 |
CN107705566A (zh) * | 2017-10-20 | 2018-02-16 | 吉利汽车研究院(宁波)有限公司 | 一种城市道路交通噪声预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
蔡良才;朱家乐;王海服;刘洲;: "基于最小二乘抗差估计的飞机噪声距离特性回归分析", 科技导报, no. 31 * |
高印寒;孙强;梁杰;唐荣江;: "加速行驶时车内噪声品质的评价方法及数学模型构建", 吉林大学学报(工学版), no. 06 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112461357A (zh) * | 2020-11-20 | 2021-03-09 | 东风汽车集团有限公司 | 一种发动机半阶音的评价方法 |
CN112461357B (zh) * | 2020-11-20 | 2022-03-01 | 东风汽车集团有限公司 | 一种发动机半阶音的评价方法 |
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 |
CN112881023A (zh) * | 2021-01-08 | 2021-06-01 | 广西玉柴机器股份有限公司 | 一种柴油发动机加速噪声的线性度计量方法 |
CN114758673A (zh) * | 2021-01-08 | 2022-07-15 | 广州汽车集团股份有限公司 | 车辆隔声目标线的制定方法、装置以及可读存储介质 |
CN113295267A (zh) * | 2021-05-10 | 2021-08-24 | 江铃汽车股份有限公司 | 基于声场景下进气气流声评价方法、系统及可读存储介质 |
CN113295267B (zh) * | 2021-05-10 | 2022-08-16 | 江铃汽车股份有限公司 | 基于声场景下进气气流声评价方法、系统及可读存储介质 |
CN113959733A (zh) * | 2021-10-14 | 2022-01-21 | 中国第一汽车股份有限公司 | 一种由拍振导致的压耳声评价方法 |
CN114485918A (zh) * | 2022-01-22 | 2022-05-13 | 重庆长安汽车股份有限公司 | 一种车用发电机噪声的评价方法 |
CN117407650A (zh) * | 2023-12-13 | 2024-01-16 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种驱动电机系统噪声品质等级评价方法 |
CN117407650B (zh) * | 2023-12-13 | 2024-04-09 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种驱动电机系统噪声品质等级评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111949942B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949942A (zh) | 一种加速车内噪声线性度的评价方法 | |
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 | |
CN109141623B (zh) | 一种列车车内声品质的评价方法及装置 | |
CN103471709A (zh) | 乘用车车内噪声声品质预测方法 | |
CN105021275A (zh) | 基于时域动态特性分析的车内声品质预测方法 | |
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 | |
CN102589680B (zh) | 一种用语言清晰度定量评价传动系统敲击噪声的方法 | |
JP2000074791A (ja) | 自動車の走行特性の解析方法と解析装置、及び、同走行特性に影響を及ぼす方法と装置 | |
CN111951430A (zh) | 一种车辆驾驶性评价方法及其系统 | |
KR101330923B1 (ko) | 감마톤 필터를 이용한 차량 소음의 음질 평가 방법 및 그 장치 | |
CN112131662A (zh) | 一种乘用车风噪主观评价客观量化方法 | |
CN108920854A (zh) | 一种基于无线互联和便携式客户端的噪声在线诊断和声品质评价方法和系统 | |
CN111751119A (zh) | 一种基于声音阶次频率特性的汽车加速声品质评价方法 | |
Liu et al. | Strategy and implementing techniques for the sound quality target of car interior noise during acceleration | |
CN115099614A (zh) | 一种整车用户驾驶性能目标的设定方法 | |
CN112229642A (zh) | 一种基于工效学的乘用车驾驶动态舒适性测试分析方法 | |
CN115307721A (zh) | 汽车加速声品质评价方法、装置、设备及存储介质 | |
CN116538286A (zh) | 一种计及nvh特性的商用车换挡系统及方法 | |
CN111137295A (zh) | 一种考虑悲伤情绪的驾驶倾向性动态转移概率计算方法 | |
CN113125000B (zh) | 一种车内空调系统异响等级评判方法 | |
CN111798109B (zh) | 一种材料摩擦异响匹配方法 | |
CN114358321A (zh) | 一种电机异响机器学习检测方法 | |
CN113486448A (zh) | 一种基于掩蔽效应评价变速器啸叫的方法 | |
CN113313397A (zh) | 一种声品质满意度分级以及限值确定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |