随着社会科学技术和汽车工业的快速发展,消费者对汽车舒适性的要求也逐渐提高。传统汽车声学研究中以降低车内声压级为目标的研究,已经远远不能满足现代人们对汽车舒适性的要求。汽车企业越来越重视声品质(Sound Quality)的研究与应用,声品质已经成为噪声控制领域非常重要的研究内容之一。为了进一步研究汽车声品质对消费者声学舒适性的影响,本文以汽车关门声品质为实例展开研究,主要研究工作包括以下几个方面:1、利用声学人工头采集了25辆不同级别汽车的关门声音信号,选择适宜的心理声学参数,包括响度、尖锐度、粗糙度和波动度,结合心理声学参数的数学计算模型,获得关门声品质客观评价结果。基于汽车关门声音信号,开展主观评价试验研究,获得主观评价值,将声品质主观评价值与客观评价参数进行了相关性评价研究,分析论证了客观参数的贡献度。2、建立了基于BP神经网络的汽车关门声品质评价理论模型。通过MATLAB神经网络工具箱建立汽车关门声品质的主观评价值与客观评价参数的BP神经网络预测模型,对模型进行训练,达到了要求的精度。分析了神经网络较多元线性回归方法在预测精度和模型稳定方面的优势所在,表明神经网络模型预测关门声品质主观评价值更加准确,精度更高。此预测模型的建立为后续汽车关门声品质主观评价试验缩短了评价时间,降低了评价成本。3、基于已建立的汽车关门声品质神经网络预测模型开展对某样车的关门声品质的优化设计。通过对整车有限元模型进行分析得知车门关闭过程相对位移最大值点,并对这点进行仿真优化,在仿真分析的基础上,对车门进行相关的试验,将仿真结果与试验结果相结合,验证了仿真分析的正确性。应用已建立的关门声品质主观评价预测模型获得优化后样车的主观评价值,验证了预测模型的可靠性和有效性。