CN115796705A - 新能源汽车电驱动总成nvh分级评价方法 - Google Patents

Abstract

本发明提供了新能源汽车电驱动总成NVH分级评价方法，包括以下步骤：S1、电驱动总成NVH数据采集与预处理；S2、电驱动总成NVH数据统计；S3、基于步骤S2中得到的特征指标与统计结果，建立电驱动总成NVH分级评价体系；S4、依据各评价指标的结果数据值，确定各指标的评价分值；S5、基于步骤S3和步骤S4中评价的结果，对电驱动总成NVH评价结果进行数据检验，以确定分级方法的正确性。本发明有益效果：电驱动总成NVH指标综合评价方法，可以有效改善传统评价方法的单一性、不全面性，进而实现NVH数据的多维度综合评价。

Description

新能源汽车电驱动总成NVH分级评价方法

技术领域

本发明属于汽车振动噪声领域，尤其是涉及一种新能源汽车电驱动总成NVH分级评价方法。

背景技术

电驱动总成是新能源汽车动力驱动的核心部分，区别于传统内燃机驱动系统，电驱动系统受总成性能参数、本体结构、控制策略与非理想装配条件等因素所产生的振动噪声成为影响整车NVH性能的主要激励源。电驱动系统主要包含驱动电机、减速器/变速器、电机控制器等主要部件，由于缺少了内燃机低频掩蔽效应，其振动噪声控制与声品质问题受到越来越多的关注，并成为整车舒适性评价的重要指标。

对于电驱动总成NVH测试而言，常见的测试指标为被测样品的壳体振动和辐射声场声压级。其中，壳体振动依据测点布置位置，可以反映出电驱动总成电驱径向与轴向振动、电机控制器盖板、减速器输入轴、中间轴、输出轴以及总成悬置等振动响应；电驱动总成辐射噪声的测试指标主要由声功率和声压级，特别是经过加权处理的声压级可以表达人耳对某些频带的敏感程度。

当前，电驱动总成声压级测试及评价方法虽已相对成熟，但传统的振动响应与声压级评价仍显单一。因此，国内外整车企业和主机厂在样品开发与优化过程中，逐渐开始关注电驱动总成声品质指标。声品质评价方法主要由客观评价参量、主观评价以及主客观预测评价组成。其中，客观评价参量主要分为客观物理参量和客观心理学参量，其主要是对声压级测量结果的再次计算；主观评价与主客观预测评价则需要有多年从事NVH领域的专业人员，并且需要保证主观评分的置信度。由此可见，声品质主观评价存在一定的难度和较大的不确定性，电驱动总成声品质评价更应遵循客观参量计算结果。

综上，在现有的电驱动总成NVH评价方法中只对单一指标进行评价，亟需一种综合各项NVH指标的评价方法，以实现电驱动总成NVH性能分级评价。

发明内容

有鉴于此，本发明旨在提出一种新能源汽车电驱动总成NVH分级评价方法，针对现有评价指标与方法的局限性，本发明的目的是为了实现对电驱动总成NVH性能指标进行多指标、多维度的分级评价。

为达到上述目的，本发明的技术方案是这样实现的：

新能源汽车电驱动总成NVH分级评价方法，包括以下步骤：

S1、电驱动总成NVH数据采集与预处理

S2、对步骤S1中获得的电驱动总成NVH数据统计,得到特征指标与统计结果，特征指标包括A计权声压级和客观声品质参量数据用例库，统计结果包括贡献量、特征值计算结果；

S3、基于步骤S2中得到的特征指标与统计结果，建立电驱动总成NVH分级评价体系；

S4、依据各评价指标的结果数据值，确定各指标的评价分值；

S5、基于步骤S3和步骤S4中评价的结果，对电驱动总成NVH评价结果进行数据检验，以确定分级方法的正确性。

进一步的，在步骤S1中，具体包括以下步骤：

S101、采集电驱动总成特定测点的振动、声压级数据；

S102、通过在线数据处理软件进行预处理，计算得出各测点在时间段内的A计权声压级数据、均方根数据、客观声品质数据等，并进行数据保存；

所述客观声品质数据包括响度、尖锐度、粗糙度、抖动度、音调度和语义清晰度，数据处理后形成客观声品质参量数据用例库。

进一步的，在步骤S2中，具体包括以下步骤：

S201、运用数据统计方法对电驱动总成NVH数据进行贡献量统计分析，数据统计方法包括有线性回归、主成分分析、支持向量机、决策树；

S202、提取统计结果中累积贡献量占比95%以上的特征指标作为分级评价特征指标；

S203、依据总成功率、工况、特征指标类别再次对数据进行分类。

进一步的，在步骤S3中，依据在不同电驱动总成的贡献量分布，确定每项指标所占比重或计算权重。

进一步的，在步骤S5中，具体的检验方法包括以下统计方法：正态分布、柯西分布、卡方分布。

进一步的，在步骤S1中，选取多款电驱动总成测试样品，并按照功率区间对样品进行划分，选取相同功率范围的电驱动总成样品作为分级评价对象，在半消声环境完成多款电驱动总成NVH数据采集，并根据分级需求进行数据预处理。

进一步的，在步骤S2统计结果的基础上，具体对A计权声压级、响度与尖锐度三种评价指标进行权重系数确定和各指标评分划分，权重系数的确定方法选用Eigenvector主观权重确定法。

进一步的，本方案公开了一种服务器，包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行新能源汽车电驱动总成NVH分级评价方法。

进一步的，本方案公开了一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现新能源汽车电驱动总成NVH分级评价方法。

相对于现有技术，本发明所述的电驱动总成NVH分级评价方法具有以下有益效果：

（1）本发明所涉及的新能源汽车电驱动总成NVH分级评价方法，可以有效改善传统评价方法的单一性、不全面性，进而实现NVH数据的多维度综合评价；

（2）本发明所涉及的多种类、多功率等级电驱动总成NVH评价，可以为电驱动总成开发与优化提供参考依据，进一步促进整车与主机厂产品特异化、个性化与基因化趋势；

（3）本发明不限于电驱动总成振动、噪声与声品质评价，可以推广至整车NVH评价方法，促进行业内NVH限值标准的制定。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为新能源汽车电驱动总成NVH分级评价方法流程图；

图2为基于主元分析法的贡献量分析流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

本发明为一种电驱动总成NVH分级评价方法（简称方法，参见附图1-2），通过对多款电驱动总成的NVH数据样本进行统计与评分，实现NVH分级评价。图1是本发明所述方法的原理流程图，以下结合附图和具体实施方法对本发明的技术方案进行详细说明，并不用于限定本申请的保护范围。在本实施例中，具体包括以下步骤：

步骤1：电驱动总成NVH数据采集与预处理。

选取多款电驱动总成测试样品，并按照功率区间对样品进行划分。选取相同功率范围的电驱动总成样品作为分级评价对象，在半消声环境完成多款电驱动总成NVH数据采集，并根据分级需求进行数据预处理。本发明具体的实施例如下：

选取如表1所示的3款功率区间位于100kW-150kW的电驱动总成测试样品，在半消声室环境中，采集各样品稳态工况与瞬态工况下的NVH数据。其中，稳态工况为7000r/min和9000r/min，瞬态工况为WOT（全油门开度）100%转矩输出和POT（部分油门开度）50%转矩输出；NVH数据以A计权声压级与客观声品质参量指标为实施用例。数据采集与处理软件为LMSTest.Lab 21A，采样频率44800Hz，频率分辨率1Hz；所述A计权声压级、客观声品质参量指标均可由软件自动计算，所得出数据使用均方根法取平均，并形成数据用例库。

表1 电驱动总成测试样品基本参数

步骤2：电驱动总成NVH数据统计。

根据步骤1所述的A计权声压级和客观声品质参量数据用例库，基于数据统计方法筛选出对电驱动总成NVH贡献量较大的指标。具体实施例为：

所选取的客观声品质参量为响度、尖锐度、粗糙度、抖动度、音调度和语义清晰度（AI）6种参量；本实施例采用主元分析法对6种客观声品质参量进行贡献量分析，实施步骤如图2所示，贡献量分析结果如表2所示。由表2的结果中可以看出，主元分析法中的主元成分有六种Y1-Y6，其中Y1和Y2的累积贡献量占比为96.93%，可以被视为主要成分。在主元成分Y1和Y2中，特征值前两位为响度与尖锐度，因此响度与尖锐度被提取为客观声品质参量中主要贡献量。

所述具体实施例的客观声品质参量为响度与尖锐度，将数据用例库中的A计权声压级、响度与尖锐度三项评价指标再次依据测试工况进行数据整理。

表2 基于主元分析法的贡献量分析结果

步骤3：电驱动总成NVH评价指标权重系数确定。

在步骤2贡献量分析结果的基础上，具体对A计权声压级、响度与尖锐度三种评价指标进行权重系数确定和各指标评分划分。权重系数的确定方法选用Eigenvector主观权重确定法，具体解释为：

设

代表n个不同的准则权重向量，

为准则权重向量

和

分别为第i个和第j个主观权重，其中i和j的取值范围为1…n，相对权重矩阵M可以表示为：

(1)

权重矩阵中最大的特征根为：

(2)

其中，W为相对权重矩阵M中最大的特征向量；

相对权重矩阵的相关系数为：

(3)

若

，则相对权重矩阵一致性较好；若

，则

不成立，应调整主观给出的相对权重。

在本实施例中n=3，w₁、w₂和w₃分别表示A计权声压级、响度和尖锐度。具体在评价过程中，评价者和实验人员主要关注A计权声压级频谱分布、相对关注响度和尖锐度，因此，本具体实施例决定四个准则的比例为w₁:w₂:w₃=2:1:1，即相对权重矩阵为：

(4)

最大特征根为，其中W为最大特征向量：

(5)

相关系数为：

(6)

每个特征值对应的特征向量可能会有多解的情况，因而应当为确定的主观权重向量进行标准化；

最后得到三种评价指标的主观权重系数为：

(7)

步骤4：各评价指标分值划分

基于步骤2多款电驱动总成数据结果，依据各评价指标的幅值分布，合理确定各指标的评价分值。在本具体实施例中，三款样品的在不同工况下的数据分布如表3所示。根据各指标数据分布，确定各指标评价分值，分别如表4、表5和表6所示。

表3三款样品在不同工况下的数据分布

表4 A计权声压级评价分值

表5 响度评价分值

表6 尖锐度评价分值

步骤5：电驱动总成NVH分级评价与数据检验。

依据步骤4各指标的评价分值划分，对具体实施的三款电驱动总成样品进行分级评价，各指标的评价结果分别如表7、表8和表9所示，其中包含各测试样品在三种工况下的平均分值。将三款电驱动总成样品在各评价指标的平均分值带入步骤3中的权重系数。由于具体实施过程中，响度指标设定分值范围为0-10，为了统一评价尺度，将响度权重增加至0.5。具体评价结果如表10所示，可以得出分级评价结果：样品1>样品2>样品3，进而实现不同电驱动总成测试样品的NVH分级评价。

此外，最终的分级评价结果需进行数据检验，使得多款电驱动总成测试样品的分级评价结果符合正态分布、柯西分布、卡方分布等。由于本实施例中只有三款测试样品，因此符合“高中低”分级评价。

表7 三款样品声压级评价结果

表8 三款样品响度评价结果

表9 三款样品尖锐度评价结果

表10 三款样品尖锐度评价结果

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.新能源汽车电驱动总成NVH分级评价方法，其特征在于，包括以下步骤：

S1、电驱动总成NVH数据采集与预处理

S2、对步骤S1中获得的电驱动总成NVH数据统计,得到特征指标与统计结果，特征指标包括A计权声压级和客观声品质参量数据用例库，统计结果包括贡献量、特征值计算结果；

S3、基于步骤S2中得到的特征指标与统计结果，建立电驱动总成NVH分级评价体系；

S4、依据各评价指标的结果数据值，确定各指标的评价分值；

S5、基于步骤S3和步骤S4中评价的结果，对电驱动总成NVH评价结果进行数据检验，以确定分级方法的正确性。

2.根据权利要求1所述的新能源汽车电驱动总成NVH分级评价方法，其特征在于，在步骤S1中，具体包括以下步骤：

S101、采集电驱动总成特定测点的振动、声压级数据；

S102、通过在线数据处理软件进行预处理，计算得出各测点在时间段内的A计权声压级数据、均方根数据、客观声品质数据等，并进行数据保存；

所述客观声品质数据包括响度、尖锐度、粗糙度、抖动度、音调度和语义清晰度，数据处理后形成客观声品质参量数据用例库。

3.根据权利要求1所述的新能源汽车电驱动总成NVH分级评价方法，其特征在于，在步骤S2中，具体包括以下步骤：

S201、运用数据统计方法对电驱动总成NVH数据进行贡献量统计分析，数据统计方法包括有线性回归、主成分分析、支持向量机、决策树；

S202、提取统计结果中累积贡献量占比95%以上的特征指标作为分级评价特征指标；

S203、依据总成功率、工况、特征指标类别再次对数据进行分类。

4.根据权利要求1所述的新能源汽车电驱动总成NVH分级评价方法，其特征在于：在步骤S3中，依据在不同电驱动总成的贡献量分布，确定每项指标所占比重或计算权重。

5.根据权利要求1所述的新能源汽车电驱动总成NVH分级评价方法，其特征在于：在步骤S5中，具体的检验方法包括以下统计方法：正态分布、柯西分布、卡方分布。

6.根据权利要求1所述的新能源汽车电驱动总成NVH分级评价方法，其特征在于：在步骤S1中，选取多款电驱动总成测试样品，并按照功率区间对样品进行划分，选取相同功率范围的电驱动总成样品作为分级评价对象，在半消声环境完成多款电驱动总成NVH数据采集，并根据分级需求进行数据预处理。

7.根据权利要求1所述的新能源汽车电驱动总成NVH分级评价方法，其特征在于：在步骤S2统计结果的基础上，具体对A计权声压级、响度与尖锐度三种评价指标进行权重系数确定和各指标评分划分，权重系数的确定方法选用Eigenvector主观权重确定法。

8.一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如权利要求1-7任一所述的新能源汽车电驱动总成NVH分级评价方法。

9.一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-7任一项所述的新能源汽车电驱动总成NVH分级评价方法。

Images