基于小波神经网络的车内声品质预测研究
发布时间：2023-01-31 03:05
随着社会发展,人们对汽车NVH性能的要求也逐渐提高,汽车车内声品质影响整体NVH性能。目前纯电动汽车发展迅速,相较于燃油车来说纯电动汽车整体噪声水平有所降低,但缺乏发动机等噪声掩蔽的电机噪声更令人难以接受,因此对于纯电动汽车车内噪声的声品质进行研究具有重要的实际意义。本文致力于寻找更加准确、适应性更好的主观和客观声品质评价模型,选取纯电动汽车作为研究对象,对纯电动汽车车内噪声的声品质评价预测模型进行了分析和研究。本文主要研究内容包括:1)首先选取三种不同的纯电动汽车并运用噪声采集设备采集了不同工况下的车内匀速噪声信号。对采集的原始噪声样本进行筛选、截取和等响度等处理后建立了含有27个有效样本的噪声信号样本库。计算了噪声样本的五种传统心理声学参数,并采用等级评分法对噪声样本的声品质进行了客观评价,将这五种参数与主观评分值进行了相关性分析,选取了相关性更高的三种客观参数。2)对噪声信号样本库的样本进行滤波和重采样等预处理,对经过预处理后的样本信号分别从分形维数和小波包分解理论出发,提取了基于集合经验模态分解（EEMD）的时频域分形维数差和小波包分解后各节点的能量比系数作为噪声样本的新的特征...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 选题背景及意义
1.2 汽车声品质的研究概况
1.2.1 汽车声品质简介
1.2.2 汽车声品质的发展现状
1.3 纯电动汽车声品质研究
1.4 本文主要内容及章节安排
第2章 车内噪声信号采集及客观参数计算
2.1 车内噪声信号采集
2.2 人耳的听觉特性
2.3 心理声学客观参数
2.4 噪声样本库的建立及样本心理声学参数计算
2.5 本章小结
第3章 纯电动车车内声品质主观评价试验
3.1 主观评价方法
3.2 主观评价试验准备
3.2.1 主观评价试验方法的选择
3.2.2 主观评价人员的选择
3.2.3 主观评价试验设备和场所的选择
3.3 主观评价试验
3.4 主客观参量相关分析
3.5 本章小结
第4章 噪声信号的时频特征参数提取
4.1 噪声样本预处理
4.2 基于EEMD的时频域分形维数差
4.2.1 EMD方法和EEMD方法基本原理
4.2.2 IMF分量的选取及重构
4.2.3 多重分形几何理论
4.2.4 基于EEMD的时频域分形维数差的计算
4.3 基于小波包的能量特征提取
4.3.1 小波包理论
4.3.2 小波基函数
4.3.3 小波包能量特征提取
4.4 本章小结
第5章 基于变异算子的PSO-小波神经网络预测模型
5.1 小波神经网络
5.2 粒子群算法
5.3 神经网络预测模型建立
5.3.1 特征参数的预处理
5.3.2 预测模型结构参数
5.3.3 预测模型对比分析
5.4 本章小结
总结展望
参考文献
致谢
【参考文献】：
期刊论文
[1]中国汽车后市场将大有可为[J]. 王笃洋. 汽车维修与保养. 2019(01)
[2]基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法[J]. 蔡改贫,宗路,刘鑫,罗小燕. 化工学报. 2019(02)
[3]基于时频域分形维数差的声品质评价新方法[J]. 刘红星,吴九汇,张俊,张林,郭峰. 噪声与振动控制. 2018(S2)
[4]听觉的声学现象和原理（1）[J]. 莫福源. 听力学及言语疾病杂志. 2018(02)
[5]纯电动汽车声品质评价及电磁噪声分析[J]. 王永超,顾灿松,陈达亮. 汽车实用技术. 2018(04)
[6]基于EEMD与GA-小波神经网络的传动系声品质预测[J]. 黄海波,黄晓蓉,苏瑞强,李人宪,丁渭平. 振动与冲击. 2017(09)
[7]基于变异算子的PSO小波神经网络在齿轮箱故障诊断中的应用[J]. 陈汉新,胡小龙,杨柳,李志农. 矿山机械. 2017(01)
[8]某电动汽车车内噪声改进与声品质提升[J]. 张守元,李玉军,杨良会. 汽车工程. 2016(10)
[9]新能源汽车国家发展战略研究[J]. 抄佩佩,高金燕,杨洋,胡钦高,钟志华. 中国工程科学. 2016(04)
[10]采用三维声场重现系统的汽车声品质评价[J]. 廖祥凝,郑四发,李申广,彭博,连小珉. 汽车工程. 2016(06)
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
硕士论文
[1]经济型轿车车内声品质评价研究[D]. 林鹤婷.哈尔滨工业大学 2018
[2]基于小波神经网络及布谷鸟算法的停车位预测方法研究[D]. 郑金宇.吉林大学 2018
[3]综合改进复解析小波方法的汽车关门声声品质预测研究[D]. 曾凡东.湖南大学 2018
[4]基于改进PSO-GA的BP神经网络对车内声品质的研究[D]. 孙建军.燕山大学 2018
[5]数据归一化方法对提升SVM训练效率的研究[D]. 汤荣志.山东师范大学 2017
[6]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
[7]城市道路噪声特性研究及噪声地图信息系统构建[D]. 乐晓妍.浙江大学 2015
[8]纯电动汽车车内声品质分析评价研究[D]. 朱宇.吉林大学 2013
[9]经验模态分解法理论研究与应用[D]. 付晓波.太原理工大学 2013
[10]集合经验模态分解的理论及应用研究[D]. 孟繁林.江苏科技大学 2013
本文编号：3733668
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 选题背景及意义
1.2 汽车声品质的研究概况
1.2.1 汽车声品质简介
1.2.2 汽车声品质的发展现状
1.3 纯电动汽车声品质研究
1.4 本文主要内容及章节安排
第2章 车内噪声信号采集及客观参数计算
2.1 车内噪声信号采集
2.2 人耳的听觉特性
2.3 心理声学客观参数
2.4 噪声样本库的建立及样本心理声学参数计算
2.5 本章小结
第3章 纯电动车车内声品质主观评价试验
3.1 主观评价方法
3.2 主观评价试验准备
3.2.1 主观评价试验方法的选择
3.2.2 主观评价人员的选择
3.2.3 主观评价试验设备和场所的选择
3.3 主观评价试验
3.4 主客观参量相关分析
3.5 本章小结
第4章 噪声信号的时频特征参数提取
4.1 噪声样本预处理
4.2 基于EEMD的时频域分形维数差
4.2.1 EMD方法和EEMD方法基本原理
4.2.2 IMF分量的选取及重构
4.2.3 多重分形几何理论
4.2.4 基于EEMD的时频域分形维数差的计算
4.3 基于小波包的能量特征提取
4.3.1 小波包理论
4.3.2 小波基函数
4.3.3 小波包能量特征提取
4.4 本章小结
第5章 基于变异算子的PSO-小波神经网络预测模型
5.1 小波神经网络
5.2 粒子群算法
5.3 神经网络预测模型建立
5.3.1 特征参数的预处理
5.3.2 预测模型结构参数
5.3.3 预测模型对比分析
5.4 本章小结
总结展望
参考文献
致谢
【参考文献】：
期刊论文
[1]中国汽车后市场将大有可为[J]. 王笃洋. 汽车维修与保养. 2019(01)
[2]基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法[J]. 蔡改贫,宗路,刘鑫,罗小燕. 化工学报. 2019(02)
[3]基于时频域分形维数差的声品质评价新方法[J]. 刘红星,吴九汇,张俊,张林,郭峰. 噪声与振动控制. 2018(S2)
[4]听觉的声学现象和原理（1）[J]. 莫福源. 听力学及言语疾病杂志. 2018(02)
[5]纯电动汽车声品质评价及电磁噪声分析[J]. 王永超,顾灿松,陈达亮. 汽车实用技术. 2018(04)
[6]基于EEMD与GA-小波神经网络的传动系声品质预测[J]. 黄海波,黄晓蓉,苏瑞强,李人宪,丁渭平. 振动与冲击. 2017(09)
[7]基于变异算子的PSO小波神经网络在齿轮箱故障诊断中的应用[J]. 陈汉新,胡小龙,杨柳,李志农. 矿山机械. 2017(01)
[8]某电动汽车车内噪声改进与声品质提升[J]. 张守元,李玉军,杨良会. 汽车工程. 2016(10)
[9]新能源汽车国家发展战略研究[J]. 抄佩佩,高金燕,杨洋,胡钦高,钟志华. 中国工程科学. 2016(04)
[10]采用三维声场重现系统的汽车声品质评价[J]. 廖祥凝,郑四发,李申广,彭博,连小珉. 汽车工程. 2016(06)
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
硕士论文
[1]经济型轿车车内声品质评价研究[D]. 林鹤婷.哈尔滨工业大学 2018
[2]基于小波神经网络及布谷鸟算法的停车位预测方法研究[D]. 郑金宇.吉林大学 2018
[3]综合改进复解析小波方法的汽车关门声声品质预测研究[D]. 曾凡东.湖南大学 2018
[4]基于改进PSO-GA的BP神经网络对车内声品质的研究[D]. 孙建军.燕山大学 2018
[5]数据归一化方法对提升SVM训练效率的研究[D]. 汤荣志.山东师范大学 2017
[6]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
[7]城市道路噪声特性研究及噪声地图信息系统构建[D]. 乐晓妍.浙江大学 2015
[8]纯电动汽车车内声品质分析评价研究[D]. 朱宇.吉林大学 2013
[9]经验模态分解法理论研究与应用[D]. 付晓波.太原理工大学 2013
[10]集合经验模态分解的理论及应用研究[D]. 孟繁林.江苏科技大学 2013
本文编号：3733668
本文链接：https://www.wllwen.com/kejilunwen/qiche/3733668.html
