基于BP神经网络的车内噪声声品质评价模型研究

发布时间：2021-12-24 19:32

　　随着人们生活水平的提高和汽车行业的快速发展,人们越来越关注汽车的产品质量,然而车内声品质是汽车产品质量的重要影响因素之一。近年来,学者们对车内噪声的声品质进行了大量的研究,并取得了较好的成果。但是由于声品质评价中主观评价结果的不确定性、客观心理声学参数的局限性以及两者之间复杂的非线性关系,目前所建的声品质评价模型仍然存在很多问题。因此,我们还需要进行不断的探索,找到能够准确全面反映人对噪声主观感受的预测方法。在心理声学参数中,仅响度有标准的计算模型,其他各参数并没有统一的计算标准,甚至有些参数无法通过具体的公式进行计算。此外,响度模型的计算大多都采用Zwicker模型,该模型未考虑人耳的时域掩蔽效应,计算非稳态噪声存在较大的误差。由于车内大部分噪声属于非稳态噪声,故本文响度参数的计算将采用最新的响度计算标准（ISO532-2）。大量的研究结果表明,各心理声学参数中的响度、尖锐度和粗糙度对声品质客观评价结果的影响最大。为此,本文仅将这三个主要的心理声学参数与主观评价结果相结合,建立车内噪声的声品质评价模型,并尝试采用优化算法提高模型的预测精度。本文的研究内容主要分为3个部分,具体如下所示... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

传声器的频率响应曲线

传声器相对座椅的位置

车内噪声采集实验中传感器实际布置图

【参考文献】：
期刊论文
[1]支持向量机在汽车加速车内声品质预测中的应用[J]. 崔丹丹.  科技创新与应用. 2018(02)
[2]SVD和神经网络在孤岛检测中的应用[J]. 陶维青,王乐勤,顾芝瑕,李嘉茜.  电力系统保护与控制. 2017(02)
[3]人工神经网络在化工过程中的应用进展[J]. 宋泓阳,孙晓岩,项曙光.  化工进展. 2016(12)
[4]声品质主观评价方法对比分析[J]. 刘宁宁,李文静,王岩松,章伟,郭辉.  现代制造工程. 2016(10)
[5]基于Adaboost算法的车内噪声声品质预测[J]. 黄海波,李人宪,黄晓蓉,杨明亮,丁渭平.  汽车工程. 2016(09)
[6]基于神经网络的电动车动力总成噪声品质预测[J]. 李彦华,方源,陈霏霏,章桐.  机电一体化. 2016(08)
[7]人工神经网络在临床医学中的应用[J]. 张方圆,郁芸,赵宇,杨坤,胡新华.  北京生物医学工程. 2016(03)
[8]基于最小二乘支持向量机的柴油机声品质预测[J]. 鲍海鹏,张杰,姚新改.  机械设计与制造. 2016(06)
[9]汽车排气噪声声品质优化方案设计与评价[J]. 刘志恩,崔博建,张庆凯.  武汉理工大学学报(信息与管理工程版). 2016(02)
[10]电动汽车声品质的评价分析及建模[J]. 胡腾,陆益民.  汽车技术. 2016(03)

博士论文
[1]电动汽车声品质评价分析与控制技术研究[D]. 钱堃.吉林大学 2016
[2]基于双耳听觉模型的车内声品质分析与评价方法研究[D]. 梁杰.吉林大学 2007
[3]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003

硕士论文
[1]车辆排气噪声声品质评价的方法研究[D]. 鲍海鹏.太原理工大学 2016
[2]混合动力汽车车内声品质评价研究[D]. 吴赛赛.江苏大学 2016
[3]基于支持向量机的车内加速噪声声品质研究[D]. 刘阳.湖北工业大学 2015
[4]非平稳车辆噪声心理声学智能评价方法研究[D]. 石磊.上海工程技术大学 2014
[5]基于听觉感知的车辆噪声混合评价模型研究[D]. 鞠建.上海工程技术大学 2014
[6]纯电动汽车车内声品质分析评价研究[D]. 朱宇.吉林大学 2013
[7]基于GA-BP神经网络的车内声品质评价研究[D]. 孙慧慧.吉林大学 2012
[8]车内噪声声品质心理声学主客观评价模型研究[D]. 沈公奇.上海工程技术大学 2011
[9]心理声学响度评定算法研究[D]. 陈峰.华中科技大学 2009



本文编号：3551065