CN113125000B

CN113125000B - 一种车内空调系统异响等级评判方法

Info

Publication number: CN113125000B
Application number: CN202110422413.9A
Authority: CN
Inventors: 陈书明; 梁琳源; 李沛然
Original assignee: China Automotive Engineering Research Institute Co Ltd
Current assignee: China Automotive Engineering Research Institute Co Ltd
Priority date: 2021-04-20
Filing date: 2021-04-20
Publication date: 2022-11-29
Anticipated expiration: 2041-04-20
Also published as: CN113125000A

Abstract

本发明公开了一种车内空调系统异响等级评判方法，包括：步骤一、获取多组车内空调的噪声数据样本；步骤二、筛选出每组所述噪声数据样本中的异响点；以及根据多组所述噪声数据样本一一对应得到多个车内空调噪声的响度时域曲线、多个尖锐度时域曲线和多个粗糙度时域曲线；步骤三、根据所述车内空调噪声的响度时域曲线、尖锐度时域曲线和粗糙度时域曲线确定车内空调的异响风险系数；以及根据所述异响点处的响度值、所述异响点处的尖锐度值以及所述异响点处的粗糙度值分别得到异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分；并且计算车辆内空调的异响评分AG；步骤四、根据所述异响评分AG判断车内空调异响等级，判定车内空调异响是否符合使用要求。

Description

一种车内空调系统异响等级评判方法

技术领域

本发明属于汽车振动噪声测试技术领域，特别涉及一种车内空调系统异响等级评判方法。

背景技术

随着汽车性能的提高，驾驶员和乘客对车辆的乘坐舒适性的要求也越来越高。随着纯电动汽车的广泛应用，汽车内部的噪声水平大大降低，车辆内部的异响问题在车厢内部变得尤为突出。其中车内空调系统异响问题尤为突出，由于空调系统体积大，涉及零部件较多，部件之间的配合复杂，使用工况复杂且靠近驾驶人，所以车内空调系统异响问题与乘员的乘坐舒适性密切相关。

为了评估车内空调系统的异响等级和异响风险等级，传统主观判断方法存在较大的人力物力耗费；并且，由于车内噪声干扰因素较多，声源定位困难且主观性大，噪声数据难以生成可视文本进行定量描述。目前没有一个可靠的客观车内空调系统异响等级及风险等级的评估方法，因此需要一种客观的车内空调系统异响风险等级和异响等级评判方法和系统。

发明内容

本发明的目的是提供一种车内空调系统异响等级评判方法，能够对车内空调异响等级做出评价，相对于传统人工异响评价方法分析更客观，结论更可靠，评价速度更快。

本发明提供的技术方案为：

一种车内空调系统异响等级评判方法，包括：

步骤一、获取多组车内空调的噪声数据，形成多组噪声数据样本；

步骤二、筛选出每组所述噪声数据样本中的异响点；以及根据多组所述噪声数据样本一一对应得到多个车内空调噪声的响度时域曲线、多个尖锐度时域曲线和多个粗糙度时域曲线；

步骤三、根据所述车内空调噪声的响度时域曲线、尖锐度时域曲线和粗糙度时域曲线确定车内空调的异响风险系数；以及根据所述异响点处的响度值、所述异响点处的尖锐度值以及所述异响点处的粗糙度值分别得到异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分；

计算车辆内空调的异响评分AG：

其中，

式中，m为噪声数据样本的组数，G_i为第i组噪声数据样本的异响评分， n为第i组噪声数据样本中异响点的数量，ΔL_j、ΔS_j和ΔR_j分别为第i组噪声数据样本中第j个异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分；α为车内空调的异响风险系数；

步骤四、根据所述异响评分AG判断车内空调异响等级，判定车内空调异响是否符合使用要求。

优选的是，在所述步骤一中，在车辆内空调运行状态下，采集多组车内空调噪声数据，并且对所述多组车内空调噪声数据进行30Hz高通滤波去噪处理，得到多组车内空调的噪声数据样本。

优选的是，在所述步骤二中，基于赤池信息准则确定每组所述噪声数据样本中的异响点：

AIC(k)＝ξlog(var(x[1,ξ]))+(N-ξ-1)log(var(x[ξ+1,N]))；

其中，上式极小值对应的采样点为异响点；

式中，k是噪声数据样本中的采样点编号，var(x[1,ξ])表示噪声数据样本信号序列中第1个到第ξ个一共ξ个采样点的方差，N表示噪声数据样本中采样点个数。

优选的是，在所述步骤三中，确定车内空调的异响风险系数包括如下步骤：

步骤1、将所述响度时域曲线上的每个点按响度值划分为3个响度等级，并且分别确定3个响度等级的积分统计值；

将所述尖锐度时域曲线上的每个点按尖锐度值划分为3个尖锐度等级，并且分别确定3个尖锐度等级的积分统计值；以及

将所述粗糙度时域曲线上的每个点按粗糙度值划分为3个粗糙度等级，并且分别确定3个各粗糙度等级的积分统计值；

步骤2、根据各响度等级的积分统计值、各尖锐度等级的积分统计值以及各粗糙度等级的积分统计值确定车内空调的综合异响等级指数AH；

其中，m为噪声数据样本的组数，H_i为第i组噪声数据样本的综合异响等级指数，L_1-i表示第一响度等级的积分统计值，L_2-i表示第二响度等级的积分统计值，L_3-i表示第三响度等级的积分统计值，S_1-i表示第一尖锐度等级的积分统计值，S_2-i表示第二尖锐度等级的积分统计值，S_3-i表示第三尖锐度等级的积分统计值，R_1-i表示第一粗糙度等级的积分统计值，R_2-i表示第二粗糙度等级的积分统计值，R_3-i表示第三风险等级粗糙度的积分统计值；a_i、b_i、c_i、d_i、e_i、f_i、g_i、p_i、q_i分别表示第i组噪声数据样本中各参数的加权系数；

步骤3、根据车内空调的综合异响等级指数AH确定车内空调的异响风险系数α；

其中，当AH值为0～3时，α＝0.3；当AH值为3～5时，α＝0.6；当AH 值大于5时，α＝1.0。

优选的是，所述加权系数为：

优选的是，在所述步骤三中，得到异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分包括如下步骤：

步骤a、计算异响点处的响度差值、异响点处的尖锐度差值，以及异响点处的粗糙度差值；

Δl_j＝|l_j-l_T|，Δs_j＝|s_j-s_T|，Δr_j＝|r_j-r_T|；

其中，Δl_j、Δs_j、Δr_j分别为第j个异响点处的响度差值、尖锐度差值和粗糙度差值；l_j为响度时域曲线上对应第j个异响点处的响度值，s_j为尖锐度时域曲线上对应第j个异响点处的尖锐度值，r_j为粗糙度时域曲线上对应第j个异响点处的粗糙度值，l_T为响度时域曲线上的响度平均值，s_T为尖锐度时域曲线上的尖锐度平均值，r_T为粗糙时域曲线上的粗糙度平均值；

步骤b、确定第j个异响点处的响度值扣分ΔL_j，第j个异响点处的尖锐值扣分ΔS_j，第j个异响点处的粗糙度值扣分ΔR_j；

其中，当Δl_j＝0～0.9时，ΔL_j＝1；当Δl_j＝1.0～1.9时，ΔL_j＝2，当Δl_j＝2.0～2.9 时，ΔL_j＝3，当Δl_j＝3.0～3.9时，ΔL_j＝4，当Δl_j>4.0时，ΔL_j＝5；

当Δs_j＝0～0.09时，ΔS_j＝1；当Δs_j＝0.1～0.19时，ΔS_j＝2；当Δs_j＝0.2～0.29时，ΔS_j＝3；当Δs_j＝0.3～0.39时，ΔS_j＝4；当Δs_j>0.4时，ΔS_j＝5；

当Δr_j＝0～0.09时，ΔR_j＝1；当Δr_j＝0.1～0.19时，ΔR_j＝2；当Δr_j＝0.2～0.29时，ΔR_j＝3；当Δr_j＝0.3～0.39时，ΔR_j＝4；当Δr_j>0.4时，ΔR_j＝5。

优选的是，在所述步骤一中，至少获取3组车内空调的噪声数据样本。

优选的是，在采集车内空调噪声数据时，背景噪声低于30dB(A)。

本发明的有益效果是：

本发明提供的车内空调系统异响等级评判方法，设置了客观可靠的数据处理方法和异响评价方法，能够针对车内空调异响实施有效的数据分析与评价；相比传统人工异响评价方法，分析更客观，结论更可靠，评价速度更快。

附图说明

图1为本发明所述的内空调系统异响等级评判方法的流程图。

图2为本发明所述的车内空调系统异响噪声信号采集设备布置示意图。

图3为本发明实施例中响度分级统计积分过程示意图。

图4为本发明实施例中尖锐度分级统计积分过程示意图。

图5为本发明实施例中粗糙度分级统计积分过程示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供了一种车内空调系统异响等级评判方法，具体实施过程如下：

一、数据采集

确定合适的驾驶模式及路面情况，保证车辆行驶过程中进行采样时，背景噪声低于30dB(A)。在本实施例中，为更准确的反应空调噪声对于驾驶员的影响，选择车辆驾驶员右耳处作为采样点；即采集车辆驾驶员右耳处的噪声，采样频率为48000Hz，采样长度为每次20s；经初步筛选，剔除存在明显干扰信号的数据；如果数据存在异常，重复采样，至少采集3个有效样本。车内空调系统异响噪声信号采集设备布置方式如图2所示。

二、数据预处理

将采集的有效样本数据高通滤波去噪，筛选无异常的数据作为车内空调的噪声数据样本。

三、声学参数分析与计算

(1)确定异响风险系数α

利用LMS对预处理数据计算得到每组噪声数据样本的响度、尖锐度和粗糙度的时域曲线。如图3-5所示，在本实施例中，根据经验将响度值、尖锐度值和粗糙度划分出3个等级，并且将响度时域曲线上的每个点划分到不同的响度等级，将尖锐度时域曲线上的每个点划分到不同的尖锐度等级，以及将粗糙度时域曲线上的每个点划分到不同的粗糙度等级，并且分别确定3个响度等级的积分统计值、确定3个尖锐度等级的积分统计值以及3个各粗糙度等级的积分统计值。之后，根据各响度等级的积分统计值、各尖锐度等级的积分统计值以及各粗糙度等级的积分统计值确定车内空调的综合异响等级指数AH；

其中，m为噪声数据样本的组数，H_i为第i组噪声数据样本的综合异响等级指数，L_1-i表示第一响度等级的积分统计值，L_2-i表示第二响度等级的积分统计值，L_3-i表示第三响度等级的积分统计值，S_1-i表示第一尖锐度等级的积分统计值，S_2-i表示第二尖锐度等级的积分统计值，S_3-i表示第三尖锐度等级的积分统计值，R_1-i表示第一粗糙度等级的积分统计值，R_2-i表示第二粗糙度等级的积分统计值，R_3-i表示第三风险等级粗糙度的积分统计值；a_i、b_i、c_i、d_i、e_i、f_i、g_i、p_i、q_i分别表示第i组噪声数据样本中各参数的加权系数。

在本实施例中，各等级的取值范围设置为：第一响度等级对应的响度范围为3～4sone，第二响度等级对应的响度范围为4～5sone，第三响度等级对应的响度范围为5sone以上；第一尖锐度等级的尖锐度范围为1.5～2.5acum，第二尖锐度等级的尖锐度范围为2.5～3.5acum，第三尖锐度等级的尖锐度范围为3.5acum以上；第一粗糙度等级的粗糙度范围为0.5～1asper；第二粗糙度等级的粗糙度范围为1～1.5asper；第三粗糙度等级的粗糙度范围为1.5asper以上。

作为进一步的优选，设置各加权系数的取值为：

之后，根据车内空调的综合异响等级指数AH确定车内空调的异响风险系数α。其中，AH值与异响风险系数α的对应关系如表1所示。

表1 AH值与异响风险系数α的对应关系表

(2)确定异响点处扣分

筛选出每组噪声数据样本中的异响点，以及根据所述异响点处的响度值、所述异响点处的尖锐度值以及所述异响点处的粗糙度值分别得到异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分。

在本实施例中，基于赤池信息准则确定每组所述噪声数据样本中的异响点：

AIC(k)＝ξlog(var(x[1,ξ]))+(N-ξ-1)log(var(x[ξ+1,N]))；

其中，上式极小值对应的采样点为异响点；

计算异响点处的响度差值、异响点处的尖锐度差值，以及异响点处的粗糙度差值；

Δl_j＝|l_j-l_T|，Δs_j＝|s_j-s_T|，Δr_j＝|r_j-r_T|；

其中，Δl_j、Δs_j、Δr_j分别为第j个异响点处的响度差值、尖锐度差值和粗糙度差值；l_j为响度时域曲线上对应第j个异响点处的响度值，s_j为尖锐度时域曲线上对应第j个异响点处的尖锐度值，r_j为粗糙度时域曲线上对应第j个异响点处的粗糙度值，l_T为响度时域曲线上的响度平均值，s_T为尖锐度时域曲线上的尖锐度平均值，r_T为粗糙时域曲线上的粗糙度平均值。

之后，确定第j个异响点处的响度值扣分ΔL_j，第j个异响点处的尖锐值扣分ΔS_j，第j个异响点处的粗糙度值扣分ΔR_j。在本实施例中，响度、尖锐度和粗糙度的扣分规则如表2所示，计算出响度差值、尖锐度差值和粗糙度差值后即可通过表2得到确定异响点处的扣分。

表2 扣分规则表

(3)计算车辆内空调的异响评分

通过如下公式计算车辆内空调的异响评分AG：

式中，m为噪声数据样本的组数，G_i为第i组噪声数据样本的异响评分， n为第i组噪声数据样本中异响点的数量，ΔL_j、ΔS_j和ΔR_j分别为第i组噪声数据样本中第j个异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分；α为车内空调的异响风险系数。

作为进一步的优选，还包括不同组样本的H_i的差值及不同组样本的G_i的差值，如果存在两组样本数据计算得到的H_i差值大于1，或者存在两组样本数据计算得到的G_i差值大于1的情况，则认为数据存在异常，需要重新采集新的数据进行计算。例如，第一组样本数据计算得到的H₁与第二组样本计算的得到的H₂之间的差值大于1，则重新进行采样计算，此时无需考虑G_i差值；如果所有样本H_i的差值均满足要求(不大于1)，需要考虑G_i差值，假设第二组样本数据计算得到的G₂与第三组样本计算的得到的G₃之间的差值大于1，则重新进行采样计算。直到不同组样本的H_i的差值及不同组样本的G_i的差值均满足要求(不大于1)，则认为样本合格，可以继续进行计算。

四、根据所述异响评分AG判断车内空调异响等级，判定车内空调异响是否符合使用要求，具体判定标准如表3所示。

表3 空调异响等级判定表

如表3所示，可根据计算得到的AG值对空调的异响等级进行判定，当AG 值为80-100时，判定车内空调在异响状况方面表现优秀；当AG值为70-79时，判定车内空调在异响状况方面表现良好；当AG值为60-69时，判定车内空调在异响状况方面表现及格；以上三种情况均可判断为车内空调符合使用要求。当AG值为小于60时，判定车内空调在异响方面表现差，不符合使用要求。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims

1.一种车内空调系统异响等级评判方法，其特征在于，包括如下步骤：

计算车辆内空调的异响评分AG：

其中，

式中，m为噪声数据样本的组数，G_i为第i组噪声数据样本的异响评分，n为第i组噪声数据样本中异响点的数量，ΔL_j、ΔS_j和ΔR_j分别为第i组噪声数据样本中第j个异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分；α为车内空调的异响风险系数；

其中，确定车内空调的异响风险系数包括如下步骤：

其中，m为噪声数据样本的组数，H_i为第i组噪声数据样本的综合异响等级指数，L_1-i表示第一响度等级的积分统计值，L_2-i表示第二响度等级的积分统计值，L_3-i表示第三响度等级的积分统计值，S_1-i表示第一尖锐度等级的积分统计值，S_2-i表示第二尖锐度等级的积分统计值，S_3-i表示第三尖锐度等级的积分统计值，R_1-i表示第一粗糙度等级的积分统计值，R_2-i表示第二粗糙度等级的积分统计值，R_3-i表示第三风险等级粗糙度的积分统计值；a_i、

、f_i、g_i、p_i分别表示第i组噪声数据样本中各参数的加权系数；

所述加权系数为：

其中，当AH值为0～3时，α＝0.3；当AH值为3～5时，α＝0.6；当AH值大于5时，α＝1.0；

得到异响点处的响度值扣分、尖锐度值扣分和粗糙度值扣分包括如下步骤：

Δl_j＝|l_j-l_T|，Δs_j＝|s_j-s_T|，Δr_j＝|r_j-r_T|；

其中，当Δl_j＝0～0.9时，ΔL_j＝1；当Δl_j＝1.0～1.9时，ΔL_j＝2，当Δl_j＝2.0～2.9时，ΔL_j＝3，当Δl_j＝3.0～3.9时，ΔL_j＝4，当Δl_j>4.0时，ΔL_j＝5；

当Δr_j＝0～0.09时，ΔR_j＝1；当Δr_j＝0.1～0.19时，ΔR_j＝2；当Δr_j＝0.2～0.29时，ΔR_j＝3；当Δr_j＝0.3～0.39时，ΔR_j＝4；当Δr_j>0.4时，ΔR_j＝5；

2.根据权利要求1所述的车内空调系统异响等级评判方法，其特征在于，在所述步骤一中，在车辆内空调运行状态下，采集多组车内空调噪声数据，并且对所述多组车内空调噪声数据进行30Hz高通滤波去噪处理，得到多组车内空调的噪声数据样本。

3.根据权利要求2所述的车内空调系统异响等级评判方法，其特征在于，在所述步骤二中，基于赤池信息准则确定每组所述噪声数据样本中的异响点：

AIC(k)＝ξlog(var(x[1,ξ]))+(N-ξ-1)log(var(x[ξ+1,N]))；

其中，上式极小值对应的采样点为异响点；

4.根据权利要求3所述的车内空调系统异响等级评判方法，其特征在于，在所述步骤一中，至少获取3组车内空调的噪声数据样本。

5.根据权利要求4所述的车内空调系统异响等级评判方法，其特征在于，在采集车内空调噪声数据时，背景噪声低于30dB(A)。