全油門(mén)加速工況車(chē)內(nèi)聲品質(zhì)研究

郭勇，王海洋

（中國(guó)汽車(chē)技術(shù)研究中心，天津 300300）

全油門(mén)加速工況車(chē)內(nèi)聲品質(zhì)研究

郭勇，王海洋

（中國(guó)汽車(chē)技術(shù)研究中心，天津 300300）

以23輛乘用車(chē)的3擋全油門(mén)加速工況的車(chē)內(nèi)噪聲為研究對(duì)象，對(duì)車(chē)內(nèi)聲品質(zhì)采用等級(jí)評(píng)分法進(jìn)行主觀(guān)評(píng)價(jià)試驗(yàn)，分析計(jì)算各噪聲樣本的心理聲學(xué)參數(shù)和非心理聲學(xué)的客觀(guān)參數(shù)，并應(yīng)用多元線(xiàn)性回歸理論建立聲品質(zhì)預(yù)測(cè)模型。研究表明，響度、線(xiàn)性度和粗糙度是影響聽(tīng)眾對(duì)全油門(mén)加速噪聲主觀(guān)感受的最重要的因素，模型預(yù)測(cè)結(jié)果與主觀(guān)評(píng)價(jià)試驗(yàn)結(jié)果相關(guān)系數(shù)2R為0.853，預(yù)測(cè)值與主觀(guān)評(píng)價(jià)實(shí)測(cè)值吻合度較高，所建立的聲品質(zhì)評(píng)價(jià)模型在統(tǒng)計(jì)學(xué)上是有意義的。

聲品質(zhì)；車(chē)內(nèi)噪聲；回歸分析；

CLC NO.:U467.4Document Code:AArticle ID:1671-7988(2014) 12-08-04

前言

隨著我國(guó)汽車(chē)工業(yè)的發(fā)展，車(chē)輛的噪聲問(wèn)題已經(jīng)不能簡(jiǎn)單的以A計(jì)權(quán)聲壓級(jí)作為評(píng)價(jià)標(biāo)準(zhǔn)，聲品質(zhì)因其能反映評(píng)價(jià)人對(duì)噪聲的主觀(guān)感覺(jué)而越來(lái)越受到各大汽車(chē)廠(chǎng)家的重視。穩(wěn)態(tài)下的汽車(chē)聲品質(zhì)研究已經(jīng)發(fā)展了很長(zhǎng)時(shí)間，也取得了豐碩的成果[1-3]，但汽車(chē)在加速行駛條件下的車(chē)內(nèi)噪聲品質(zhì)研究較少，其聲品質(zhì)也是整車(chē)聲品質(zhì)研究的一個(gè)重要領(lǐng)域，對(duì)其聲品質(zhì)進(jìn)行研究和改進(jìn)是有重要意義的。

本文對(duì)23種類(lèi)型國(guó)產(chǎn)乘用車(chē)在3擋全油門(mén)加速工況下行駛時(shí)的車(chē)內(nèi)各處的噪聲樣本進(jìn)行了試驗(yàn)采集和主觀(guān)評(píng)價(jià), 計(jì)算各噪聲樣本相應(yīng)的心理聲學(xué)客觀(guān)參數(shù)和非心理聲學(xué)的客觀(guān)參數(shù), 并通過(guò)統(tǒng)計(jì)學(xué)分析，采用多元回歸分析方法建立全油門(mén)加速工況下車(chē)內(nèi)噪聲的主觀(guān)評(píng)價(jià)結(jié)果與客觀(guān)參數(shù)之間的數(shù)學(xué)模型。

1、車(chē)內(nèi)聲品質(zhì)的主觀(guān)評(píng)價(jià)

1.1 樣本數(shù)據(jù)庫(kù)的建立

噪聲樣本的采集是聲品質(zhì)評(píng)價(jià)工作的第一步，也是決定

主觀(guān)試聽(tīng)試驗(yàn)?zāi)芊耥樌M(jìn)行、試驗(yàn)結(jié)果是否真實(shí)有效的至關(guān)重要環(huán)節(jié)。為保證噪聲采集的真實(shí)有效，本文使用的噪聲樣本采集設(shè)備是LMS公司32通道數(shù)據(jù)采集前端和B&K公司的麥克風(fēng)。

噪聲樣本采集試驗(yàn)記錄了23輛國(guó)產(chǎn)乘用車(chē)在干燥平坦瀝青路面上，車(chē)內(nèi)乘員各處的噪聲信號(hào)，測(cè)試工況為3擋全油門(mén)加速工況，發(fā)動(dòng)機(jī)轉(zhuǎn)速為2000rpm至5000rpm。剔除受到干擾及存在明顯異響的聲音樣本后，得到44個(gè)有效噪聲樣本。

1.2 主觀(guān)評(píng)價(jià)試驗(yàn)

對(duì)車(chē)輛的主觀(guān)評(píng)價(jià)方法有很多種：直接評(píng)分法、成對(duì)比較法、語(yǔ)義細(xì)分法、排序法等，這些方法各有利弊，適用于不同的試驗(yàn)條件。因此，必須選擇適宜的評(píng)價(jià)方法才能獲取良好的評(píng)價(jià)結(jié)果。

對(duì)全油門(mén)加速工況時(shí)的聲品質(zhì)進(jìn)行評(píng)價(jià)時(shí)，等級(jí)評(píng)分法以具體數(shù)值為聲品質(zhì)最終結(jié)果，簡(jiǎn)單明了、便于后續(xù)處理分析，多被相關(guān)文獻(xiàn)[4-7]采用。因而本文也選用等級(jí)評(píng)分法進(jìn)行主觀(guān)聲品質(zhì)評(píng)價(jià)試驗(yàn)，評(píng)價(jià)等級(jí)設(shè)定如表1所示。為保證評(píng)分?jǐn)?shù)據(jù)的一致性，試驗(yàn)給出了評(píng)分為5分和7分的噪聲樣本作為等級(jí)評(píng)分的參考。

表1 等級(jí)評(píng)分法刻度及其對(duì)應(yīng)語(yǔ)義

針對(duì)等級(jí)評(píng)分法的弱點(diǎn)，本文在選取評(píng)價(jià)人員時(shí)，均選取有NVH工程經(jīng)驗(yàn)或駕駛經(jīng)驗(yàn)的人員，共選取評(píng)價(jià)人員30名，其中男性26名，女性4名，年齡在20歲至40歲之間。

在等級(jí)評(píng)分法中，需要對(duì)獲得的所有主觀(guān)評(píng)價(jià)結(jié)果進(jìn)行數(shù)據(jù)檢驗(yàn)，采用平均相關(guān)系數(shù)作為標(biāo)準(zhǔn)，剔除不穩(wěn)定評(píng)價(jià)人員的結(jié)果。本文采用SPSS軟件，對(duì)評(píng)價(jià)人員相互之間的Spearman 系數(shù)進(jìn)行計(jì)算，然后對(duì)每位評(píng)價(jià)者與其他所有評(píng)價(jià)者的相關(guān)系數(shù)取算術(shù)均值，計(jì)算平均相關(guān)系數(shù)。各評(píng)價(jià)者之間的平均相關(guān)系數(shù)如表 2所示，從表可看出，第 7、12、19、25、27 、30位評(píng)價(jià)者的結(jié)果與其他人的相關(guān)系數(shù)相對(duì)較低，小于 0.7。這說(shuō)明，以上幾位評(píng)價(jià)者給出的打分結(jié)果離散性較大，與其他人員的聲品質(zhì)打分線(xiàn)性關(guān)系很弱，應(yīng)予以剔除。

表2 等級(jí)評(píng)分試驗(yàn)中評(píng)價(jià)者的平均相關(guān)系數(shù)

經(jīng)上述數(shù)據(jù)檢驗(yàn)后，保留了 24個(gè)人的評(píng)價(jià)結(jié)果。將這些有效評(píng)分結(jié)果進(jìn)行統(tǒng)計(jì)，得到30個(gè)噪聲樣本的主觀(guān)評(píng)價(jià)數(shù)據(jù)。

2、聲品質(zhì)客觀(guān)評(píng)價(jià)參數(shù)分析

2.1 客觀(guān)參數(shù)計(jì)算

為客觀(guān)量化對(duì)聲音的主觀(guān)評(píng)價(jià)，人們提出了心理聲學(xué)的基本概念和基本參數(shù)，為聲音品質(zhì)評(píng)價(jià)提供了理論基礎(chǔ)。一般來(lái)說(shuō)，響度、粗糙度、尖銳度、波動(dòng)度等多個(gè)心里聲學(xué)參數(shù)已經(jīng)被廣泛的應(yīng)用于聲品質(zhì)參數(shù)分析之中。參考國(guó)內(nèi)外相關(guān)文獻(xiàn)[4-7]，本文選擇響度、粗糙度和尖銳度三個(gè)心理學(xué)參數(shù)作為聲品質(zhì)客觀(guān)評(píng)價(jià)的一部分參數(shù)，這些參數(shù)的計(jì)算都采用LMS商用軟件提供的計(jì)算方法。

在對(duì)聲音品質(zhì)進(jìn)行客觀(guān)評(píng)價(jià)時(shí)，除了用到心理聲學(xué)參數(shù)外，還會(huì)用到其他一些經(jīng)驗(yàn)參數(shù)，如峰度、語(yǔ)言清晰度和語(yǔ)音干擾級(jí)等。本文針對(duì)全油門(mén)加速工況的聲壓級(jí)隨轉(zhuǎn)速的變化，提出線(xiàn)性度和低頻貢獻(xiàn)量?jī)蓚€(gè)統(tǒng)計(jì)學(xué)經(jīng)驗(yàn)參數(shù)。

2.1.1 線(xiàn)性度

在全油門(mén)加速評(píng)價(jià)過(guò)程中，評(píng)價(jià)人員對(duì)噪聲隨轉(zhuǎn)速的變化比較敏感，一般來(lái)說(shuō)，車(chē)內(nèi)噪聲應(yīng)該隨著轉(zhuǎn)速的增加而平穩(wěn)線(xiàn)性的增加，如果突然出現(xiàn)峰值或峰谷（圖1所示），評(píng)價(jià)人員會(huì)認(rèn)為車(chē)輛出現(xiàn)異常，將會(huì)影響評(píng)價(jià)人員對(duì)該噪聲的主觀(guān)感覺(jué)。因此有必要對(duì)全油門(mén)加速工況的噪聲總聲壓級(jí)曲線(xiàn)的線(xiàn)性度進(jìn)行評(píng)價(jià)。

本文中線(xiàn)性度的計(jì)算方式如下：

（1）對(duì)全油門(mén)工況的總聲壓級(jí)曲線(xiàn)(命名為曲線(xiàn)A)進(jìn)行一元一次線(xiàn)性方程擬合，用該方程計(jì)算出的聲壓級(jí)（命名為曲線(xiàn)B）代表原曲線(xiàn)，如圖1中的虛線(xiàn)所示。

（2）考慮到一般人耳對(duì)聲壓級(jí)的變化的3dB(A)左右，因此將曲線(xiàn)B向Y向正向平移1.5dB(A)，得到曲線(xiàn)變化的最大允許變化范圍，計(jì)做Bmax；曲線(xiàn)B向Y負(fù)向平移1.5dB(A)，得到曲線(xiàn)變化的最小允許變化范圍，計(jì)做Bmin。如果總聲壓級(jí)曲線(xiàn)隨轉(zhuǎn)速的變化范圍在Bmax和Bmin之間，評(píng)價(jià)人員將對(duì)噪聲變化不明顯。如果超出這個(gè)范圍，將影響評(píng)價(jià)人員對(duì)噪聲的主觀(guān)感覺(jué)。

（3）應(yīng)用公式（1）計(jì)算各個(gè)轉(zhuǎn)速下的聲壓級(jí)差值，全部相加后可以得到該曲線(xiàn)的線(xiàn)性度。

其中，i代表發(fā)動(dòng)機(jī)轉(zhuǎn)速，其取值范圍是2000～5000；iA代表在轉(zhuǎn)速i時(shí)候的原曲線(xiàn)聲壓級(jí)；Bmaxi代表在i轉(zhuǎn)速時(shí)聲壓級(jí)允許變化的最大值；Bmini代表在i轉(zhuǎn)速時(shí)聲壓級(jí)允許的最小值。

2.1.2 低頻貢獻(xiàn)量

在全油門(mén)加速噪聲的客觀(guān)分析中，一般用圖2所示的聲壓級(jí)階次圖來(lái)分析全油門(mén)噪聲中低頻噪聲的影響。對(duì)于四缸機(jī)來(lái)說(shuō)，就是C2、C4、C6、C8代表低頻噪聲隨轉(zhuǎn)速的變化趨勢(shì)。研究表明，低頻噪聲更容易給人耳壓迫的感覺(jué)，容易影響到評(píng)價(jià)人員的主觀(guān)感覺(jué)。因此有必要對(duì)全油門(mén)加速工況的噪聲總聲壓級(jí)的低頻噪聲的貢獻(xiàn)量進(jìn)行評(píng)價(jià)。

本文中低頻貢獻(xiàn)量的計(jì)算方式如下：

（1）提取各轉(zhuǎn)速下的總聲壓級(jí)iA和C2聲壓級(jí)C2i，按照公式2進(jìn)行計(jì)算。

（2）提取各轉(zhuǎn)速下的總聲壓級(jí)Ai和C4、C6、C8聲壓級(jí)C4i、C6i、C8i，依然按照公式2給出的計(jì)算公式計(jì)算數(shù)值。

（3）將所有所得數(shù)據(jù)進(jìn)行求和，該數(shù)值就是該全油門(mén)曲線(xiàn)的低頻貢獻(xiàn)量。

通過(guò)應(yīng)用上述公式和商業(yè)軟件的計(jì)算，得到30個(gè)樣本的聲品質(zhì)評(píng)價(jià)參數(shù)，具體參數(shù)如表3所示：

表3 各樣本噪聲心理聲學(xué)參數(shù)值及主觀(guān)評(píng)價(jià)結(jié)果

2.2 參數(shù)相關(guān)性分析

為了研究全油門(mén)加速工況的車(chē)內(nèi)噪聲品質(zhì)主觀(guān)評(píng)價(jià)結(jié)果與聲品質(zhì)客觀(guān)參數(shù)之間的相互關(guān)系, 本文使用SPSS(Statis -tical Product and Service Solutions )應(yīng)用統(tǒng)計(jì)軟件對(duì)等級(jí)評(píng)分法得到的聲品質(zhì)主觀(guān)評(píng)價(jià)數(shù)值與計(jì)算得到的客觀(guān)參數(shù)進(jìn)行了線(xiàn)性相關(guān)分析，分析結(jié)果如表4所示。

表4 車(chē)內(nèi)聲品質(zhì)主觀(guān)評(píng)價(jià)等級(jí)與客觀(guān)物理參數(shù)間的相關(guān)性

從表4上可以看出，響度、線(xiàn)性度、低頻貢獻(xiàn)量三個(gè)參數(shù)與主觀(guān)評(píng)價(jià)的結(jié)果有明顯的相關(guān)性，相關(guān)系數(shù)都在0.7以上。散點(diǎn)圖3、4、5可更直觀(guān)地表現(xiàn)出表4中響度、線(xiàn)性度、低頻貢獻(xiàn)量與主觀(guān)評(píng)價(jià)結(jié)果的線(xiàn)性相關(guān)性。

3、聲品質(zhì)多元回歸預(yù)測(cè)模型的建立

在明確了上述相關(guān)關(guān)系之后進(jìn)行多元線(xiàn)性回歸分析, 以確定用聲品質(zhì)的參數(shù)客觀(guān)量化描述聲品質(zhì)主觀(guān)評(píng)價(jià)結(jié)果的關(guān)系式?；貧w分析方法是處理多個(gè)變量之間相互依賴(lài)關(guān)系的一種數(shù)理統(tǒng)計(jì)方法，它不僅能夠分析自變量對(duì)因變量影響的大小，還可以通過(guò)回歸方程對(duì)因變量進(jìn)行預(yù)測(cè)和控制。本文中

的因變量為聲品質(zhì)評(píng)價(jià)值, 自變量則為表3中計(jì)算的6中聲品質(zhì)客觀(guān)參數(shù)。應(yīng)用SPSS軟件[8]，按照逐步回歸( stepwise)方式, 通過(guò)F檢驗(yàn)的方式來(lái)引入和排除自變量，最終響度、線(xiàn)性度和粗糙度進(jìn)入模型,而低頻貢獻(xiàn)量、尖銳度和AI指數(shù)則被剔除，最終得到的多元線(xiàn)性回歸分析結(jié)果如表5所示。

表5 回歸模型概述及回歸系數(shù)表

根據(jù)表5中的非標(biāo)準(zhǔn)化系數(shù)，可以得到全油門(mén)加速工況下車(chē)內(nèi)聲品質(zhì)主觀(guān)評(píng)價(jià)的客觀(guān)量化數(shù)學(xué)模型，方程如下：

式中，SQ為主觀(guān)聲品質(zhì)評(píng)價(jià)的評(píng)價(jià)值；L為響度；Lin為尖銳度；R為粗糙度。

式3表明，在全油門(mén)加速工況下，轎車(chē)車(chē)內(nèi)噪聲品質(zhì)可以用響度、線(xiàn)性度和粗糙度參數(shù)進(jìn)行客觀(guān)描述，其預(yù)測(cè)值與評(píng)審團(tuán)測(cè)試結(jié)果相關(guān)系數(shù)R2為0.853，回歸模型的R2值大于0.8 證明預(yù)測(cè)模型與實(shí)際值之間具有較好的一致性。因此改善車(chē)輛全油門(mén)噪聲的聲學(xué)品質(zhì), 應(yīng)該注意對(duì)噪聲的響度、線(xiàn)性度和粗糙度進(jìn)行控制。另外, 表5中響度的標(biāo)準(zhǔn)化系數(shù)為0.736, 線(xiàn)性度的標(biāo)準(zhǔn)化系數(shù)為0.370, 粗糙度的標(biāo)準(zhǔn)化系數(shù)為0.205, 說(shuō)明在本文的試驗(yàn)條件下, 聲品質(zhì)客觀(guān)參數(shù)的影響程度由大到小為：響度>線(xiàn)性度>粗糙度。

最后，對(duì)所建立的多元回歸模型進(jìn)行校驗(yàn)，圖6和圖7中可以看出殘差基本呈正態(tài)分布，且散點(diǎn)分布基本符合直線(xiàn)趨勢(shì)。上述檢驗(yàn)全部通過(guò)，說(shuō)明本文建立的聲品質(zhì)客觀(guān)量化模型在統(tǒng)計(jì)學(xué)上是有意義的。

4、結(jié)論

（1）采用心理聲學(xué)參數(shù)響度和粗糙度，以及非心理聲學(xué)客觀(guān)參數(shù)線(xiàn)性度來(lái)描述全油門(mén)加速工況下的車(chē)內(nèi)噪聲聲品質(zhì)是合理的。

（2）通過(guò)多元回歸分析，建立評(píng)價(jià)人員的主觀(guān)評(píng)價(jià)值與聲品質(zhì)客觀(guān)參數(shù)之間的有效聯(lián)系，其預(yù)測(cè)值與評(píng)審團(tuán)測(cè)試結(jié)果相關(guān)系數(shù)2R為0.853，證明預(yù)測(cè)模型與實(shí)際值之間具有較好的一致性。因此，該線(xiàn)性回歸模型可以用來(lái)對(duì)全油門(mén)加速工況的聲品質(zhì)進(jìn)行預(yù)測(cè)，并且可以作為全油門(mén)工況聲品質(zhì)優(yōu)化的判斷依據(jù)。

（3）分析表明，響度和線(xiàn)性度是影響全油門(mén)加速工況聲品質(zhì)的最主要的客觀(guān)參數(shù)，兩者與評(píng)價(jià)結(jié)果負(fù)相關(guān)，說(shuō)明隨著響度和線(xiàn)性度的增大，全油門(mén)加速工況的主觀(guān)評(píng)價(jià)結(jié)果會(huì)降低。

[1] 申秀敏，左曙光，王勇，李彬.轎車(chē)聲品質(zhì)主觀(guān)評(píng)價(jià)研究[J].振動(dòng)與噪聲控制，2013年，第1期∶96-101.

[2] 陳劍,楊雯,李偉毅. 汽車(chē)聲品質(zhì)主觀(guān)評(píng)價(jià)試驗(yàn)方法探究[J].汽車(chē)工程，2009,31卷∶389-392.

[3] 唐榮江. 車(chē)內(nèi)聲品質(zhì)評(píng)價(jià)預(yù)測(cè)與控制技術(shù)研究[D].長(zhǎng)春∶吉林大學(xué),2013.

[4] Sung-Jong Kim , Sang-Kwon Lee, Dong-Chul Park, Min-Sub Lee , Seung-Gyoon Jung. Objective Evaluation for the Passenger Car During Acceleration Based on the Sound Metric and Artificial Neural Network[C]. SAE paper 2007-01-2396, 2009.

[5] Kumbhar S. Mansinh, Rajesh Bhangale , Mohammad Riyazuddin. A Development of Booming Index of Diesel SUV by using Artificial Neural Network[J]. SAE paper 2012-01-1542,2012.

[6] Sung-Hwan Shina, Jeong-Guon Ih, Takeo Hashimoto , Shigeko Hatano. Applied Acoustics[J].2009∶309-320.

[7] 牟海龍. 國(guó)產(chǎn)轎車(chē)非穩(wěn)態(tài)狀況下聲音品質(zhì)的研究[D].長(zhǎng)春∶吉林大學(xué),2009.

[8] 夏怡凡. SPSS統(tǒng)計(jì)分析精要與實(shí)例詳解[M].北京∶電子工業(yè)出版社，2010.

The research of vehicle interior noise quality under the accelerating condition

Guo Yong, Wang Haiyang
（China Automotive Technology and Research Center, Tianjin 300300）

The interior noise samples from 23 types of passenger cars at wide open throttle condition were selected as the evaluation objects. The subjective evaluation test of sound quality was carried out with the magnitude estimation. Several primary objective psychacoustical parameters of these samples were calculated. And applies the theory of multiple linear regression to establish sound quality prediction model. Results show that loudness，linearity，and roughness were the most important factor among those affecting human perceptions of vehicle interior noise. The correlation coefficient between predictions and subjective assessment results is 0.853，a good agreement between prediction value and result of jury test. the subjective evaluation of sound quality evaluation model is significant in statistics. the subjective evaluation of sound quality evaluation model is significant in statistics.

sound quality；vehicle interior noise；regression analysis；

U467.4

A

1671-7988(2014)12-08-04

郭勇，就職于中國(guó)汽車(chē)技術(shù)研究中心。