目前,噪声污染已与水污染、大气污染和固体废弃物污染一起被列为当今世界四大主要污染源。而随着汽车保有量的持续增长,交通噪声占城市环境噪声的比例不断攀升,在给人们带来听觉障碍的同时,更严重影响着人们的生理和心理健康。严格控制汽车NVH,在降噪减振的同时提高噪声的品质已成为汽车行业的共识,也是各大整车厂一直追求的战略优势之一。汽油机作为汽车的主要噪声源之一,对汽油机噪声做基于人类听觉系统的声品质研究,对优化设计汽车的零部件具有很大的工程和现实意义。本文以汽油机旋转零部件辐射噪声为研究对象,按照国家噪声测试标准对其进行辐射噪声测试。筛选出声学特性最佳的有效噪声样本,进行主、客观评价实验,得到每个噪声样本的主观偏好性绩效值和心理声学客观参数。根据旋转零部件自身特性对其辐射噪声进行声学特性分析,发现其所辐射噪声存在音调特性十分明显的单频噪声或阶次噪声,这些音调成分噪声相比于宽频噪声更易引起人的主观“烦躁”。但目前普遍采用的Aure’s音调度评价指标与主观偏好性的相关性很低,不足以充分反映音调特性对主观感受的影响。为此,本文详细地分析了Aure’s音调度的数学模型,找到了Aure’s音调度与主观偏好性的相关性低的原因,进一步提出基于音噪比(TNR)对Aure’s模型进行改进,建立了一种改进音调评估模型。为了更好地解决旋转零部件主观评价结果与客观心理声学参数之间复杂的非线性问题,实现声品质由客观参数到主观评价的映射,本文建立了标准BP神经网络模型(BPNN),对其训练及预测性能进行分析之后,针对不足之处,引入网络优化算法:遗传算法(GA)和粒子群算法(PSO)。在标准BPNN模型的基础上建立了可优化初始权值和阈值的声品质优化模型:GA-BPNN和PSO-BPNN,对三种模型的预测性能进行了对比分析。研究表明:PSO-BPNN模型优势更为明显,可以更快地实现网络收敛,获得更好的预测结果,提高了预测精度,为进一步研究旋转零部件噪声品质奠定了基础。