论文部分内容阅读
随着汽车工业的发展,人们对汽车不仅仅满足于安全性、燃油经济性、操纵稳定性等传统性能,已开始越来越重视其振动、噪声及其声振粗糙度(NVH)。视为NVH中H的关门声作为用户最先接触的汽车声感受之一,直接影响到用户对汽车质感的认知,因此备受关注。控制关门声既要严格控制其声压级大小,又要改善其声品质。本文以乘用车的关门声为对象,运用主、客观评价相结合的方法建立了基于遗传算法的支持向量机(SVM)声品质预测模型,研究关门声品质与其客观参量的关系,并对关门声品质欠佳的产品进行改进和声品质预测。主要研究工作如下:首先,对22辆不同品牌不同档次的乘用车关门声进行了主、客观评价试验。对选取的乘用车在半消声室进行关门声样本采集,关门速度分别为1.0m/s、1.2m/s以及1.4m/s三个工况,经预处理后得到66个有效关门声样本,在HEAD Artemis中计算其粗糙度、A声级响度、语言清晰度、尖锐度、抖动度、响度等声学参量。运用成对比较法主观评价其偏好性。分析所得主、客观结果的相关性,发现声学参量中响度、尖锐度、粗糙度和A声压级与主观偏好性相关性高。其次,建立了基于遗传算法的SVM声品质预测模型。应用支持向量回归机(SVR)建立主、客观参量之间的关系模型。为提高模型精度,引入遗传算法对SVR参数寻优。运用MATLAB,以与偏好性的相关性更好的响度、尖锐度、粗糙度和A声级四个声学参量作为输入变量,主观偏好性作为输出变量,建立预测模型。其中训练样本的平方相关系数为R~2=0.9399,测试样本的平方相关系数R~2=0.8832,说明该模型的预测精度高且推广性好。接着,选取偏好性较表现较差的待改进车门,与标杆车进行对标分析与改进。基于小波分析的频谱图,对比分析待改进车和标杆车,确定关门声品质的改进方向为增大其A声级和粗糙度,降低其响度与尖锐度。对改进后的车门提取声学参量,结果表明:A声级和粗糙度增大,响度和尖锐度下降,在500Hz~1000Hz和2000Hz以上关门声能量明显降低。说明改进后的车门关门声品质有改善。最后,应用该预测模型对改进后的乘用车进行了声品质预测。结果表明:偏好性提升最大出现在1.4m/s时,提升了16.44,偏好性提升最小出现在1.2m/s时提升最,提升了14.56。对改善后样车进行了主观评价,得到偏好性的试验值。两者之间的平方相关系数R~2=0.981,且预测误差在三种关门速度下均小于5%,说明改进后的关门声品质得到了改善。本课题研究结果表明,可以利用基于遗传算法的SVR声品质预测模型实现对乘用车关门声品质的预测,并且预测结果精度高,预测模型推广性强有较高的工程应用价值。