Page 76 - 《应用声学》2022年第3期

398 2022 年 5 月

用了粒子群算法优化的支持向量机模型，建立了
0 引言
声品质主观评价分数与 9 个声学参数和加速阶次
特征之间的量化关系，对汽车加速噪声的声品质
声品质是汽车噪声、振动、舒适性 (Noise, Vi-
bration, Harshness, NVH) 性能的重要评价指标之 进行了准确预测。文献 [10] 采用模拟退火 -遗传算
一，其优劣直接影响消费者对汽车舒适性的判断，对 法优化的 BP 神经网络模型，建立了电动车声品质
消费者的购买意愿的影响显而易见。因此，行业内 主观评价分数与响度、粗糙度、尖锐度、音调、语
学者和技术人员对声品质进行了丰富的研究，取得 声清晰度和 A 记权声压等客观参数之间的非线性
了可观的成果。总结文献上已有的声品质研究，根 映射模型，对电动车的声品质进行了有效的预测。
据研究内容和方法的不同，可以归纳为以下 4 个部 文献 [11] 采用广义回归神经网络模型，建立怠速工
分的内容：第一，客观声学参量的选取方法和新的声 况汽车空调噪声声品质的预测模型，并与多元线
学参量的提出；第二，应用智能方法的声品质预测模 性回归模型进行对比，验证了所提出模型的优越
型的提出；第三，满足不同人群差异化需求的多属性 性。总结以上研究，神经网络、支持向量机和灰色
细分声品质评价研究；第四，声品质的优化与控制 预测理论等方法在声品质建模中的应用都有所报
研究。 道，而智能预测模型存在建模复杂、模型泛化能力
在客观声学参量的选取和新的数学参量研究 差和可解释性不足等缺点，这都制约了智能预测模
方面，文献 [1] 提出敏感度能量比作为电动车噪声 型的推广应用，在此一方面仍需持续探索，以寻找
的客观评价参量之一，建立电动车声品质的主客观 更为简单高效的智能预测模型用于声品质的预测
评价的多元线性回归模型，对电动车的声品质进行 与评价。
了准确的预测。文献 [2] 结合小波分析方法和经验 在细分风格的声品质研究方面，文献 [12] 采用
模态分解，提出了一种减振器异响声品质客观评价 多元线性回归建模方法，建立细分风格的汽车加速

指标，对减振器的异响声品质进行准确的评估。文 声品质与客观评价参数之间的数学模型，对声品质
献 [3]采用核主成分分析方法，将内燃机声品质评价 进行预测。文献 [13]建立关门声品质的 “豪华感”和
的客观声学参数从 11 维降低到 4 维，提高了声品质 “时尚感” 两种不同细分风格的声品质预测模型，并
评价效率。文献 [4] 为衡量加速动力性的声品质的 与传统多元回归模型对比，验证了细分风格模型具
量化指标，建立了加速声品质主观评价分数与粗糙 有更高的精度。文献 [14] 为了平衡混合动力汽车声
度、尖锐度和音调度之间的多元线性回归模型，对 品质的多属性目标要求，采用主动噪声控制的方法，
声品质进行了准确预测。文献 [5] 采用相关分析和 并引入多目标优化方法对多属性声品质进行了优
主成分分析方法，对车窗声品质的主客观相关性进 化。文献 [15] 为分析人耳对低频属性的声音评价，
行了研究。总结以上研究，现有的研究还无法获得 综合采用有限元和人工神经网络方法建立预测模
公认的客观声学参量，对于不同的声品质评价问题， 型，实现了较好的预测效果。文献 [16] 为设计合理
应针对数据，结合相关分析方法或主成分分析方法 的电动车多属性声品质，以同时满足法规要求和消
得到贡献量最大的若干个参数作为声品质建模中 费者需求，对声品质的客观参量组合进行了深入分
主要的因素。 析。总结上述研究可知，现有文献对于细分风格的
在智能声品质模型研究方面，文献 [6] 直接采 声品质研究仍处于起步阶段，相关建模方法并不完
用平滑后的激励级谱，建立噪声声品质评价的卷 善，而探索声品质的多属性主观评价建模方法，揭示
积神经网络预测模型，对车内噪声烦躁度进行了预 多属性评价指标之间的量化关系，能够为更好的汽
测。文献 [7] 应用径向基神经网络建模方法，得到 车声品质的优化控制奠定基础，具有重要的工程意
车内噪声声品质主观评价分数与客观声学参量之 义和理论价值。
间的映射模型，对车内声品质进行了准确预测。文 在声品质优化与控制方面，文献 [17] 建立听觉
献 [8] 引入区间灰数理论，结合语义细分法对电动 传感非线性模型，引入最小均方主动控制方法，对声
车匀速和加速声品质进行了评价，与传统语义细分 品质进行了控制，通过主观评价试验，验证了声品质
法对比，验证了所提出方法的有效性。文献 [9] 采 控制效果。文献 [18] 为了进行发动机舱吸声材料对