著眼于主觀煩擾度的混合動力汽車聲品質(zhì)評價方法研究*

莫 愁，陳吉清，蘭鳳崇

(華南理工大學(xué)機械與汽車工程學(xué)院，廣州 510640)

?

2015225

著眼于主觀煩擾度的混合動力汽車聲品質(zhì)評價方法研究*

莫 愁，陳吉清，蘭鳳崇

(華南理工大學(xué)機械與汽車工程學(xué)院，廣州 510640)

采用成對比較法對某混合動力汽車在不同行駛工況下錄制的9段噪聲，進行主觀聲品質(zhì)評價。接著分別采用回歸分析法和神經(jīng)模糊邏輯算法建立了基于心理聲學(xué)參數(shù)的主觀煩擾度預(yù)測模型。最后建立了聲品質(zhì)等級評價標準。所提出的評價方法可實現(xiàn)汽車聲品質(zhì)快速評價，縮短產(chǎn)品開發(fā)周期，提高汽車舒適性能。

混合動力汽車;聲品質(zhì);煩擾度;心理聲學(xué)參數(shù);神經(jīng)模糊邏輯算法

前言

整體而言，混合動力汽車(HEV)的振動水平和聲壓級比傳統(tǒng)汽車低[1]，但由于動力源增加、底盤結(jié)構(gòu)改變、工作模式增多等原因，HEV的NVH問題比傳統(tǒng)燃油汽車更復(fù)雜，尤其是由于電磁噪聲增加，聲品質(zhì)的問題比傳統(tǒng)汽車更突出。與汽車的環(huán)保性能相比，NVH性能更能被顧客直接感受到，是產(chǎn)品競爭力的主要指標之一。因此，HEV聲品質(zhì)評價和控制顯得更為重要。

國外對聲品質(zhì)研究較早，早在1991年，AVL李斯特公司按照聲學(xué)特征將60種代表性的發(fā)動機噪聲歸納為8類評價指標，建立了完整的噪聲族譜測試方法和以數(shù)理統(tǒng)計為基礎(chǔ)的主觀評價方法[2]。文獻[3]中利用人工神經(jīng)網(wǎng)絡(luò)方法實現(xiàn)了汽車加速噪聲聲品質(zhì)客觀評價。文獻[4]中證明了汽車空調(diào)噪聲粗糙感與響度，以及距離感、輕快感與尖銳度均具有較強的相關(guān)性。近年來，國內(nèi)一些學(xué)者也在這方面做了研究。文獻[5]中以3款車型多種巡航速度的車內(nèi)噪聲為載體，分析了主觀評價值與心理聲學(xué)參數(shù)之間的關(guān)系。文獻[6]中應(yīng)用多層感知神經(jīng)網(wǎng)絡(luò)算法建立了由柴油機心理聲學(xué)參數(shù)預(yù)測聲品質(zhì)主觀評價值的模型。目前研究大多以傳統(tǒng)車輛動力或傳統(tǒng)車輛為對象，很少涉及HEV車內(nèi)聲品質(zhì)，但其方法可以為評價HEV聲品質(zhì)提供借鑒。

本文中測取一款HEV多個工況下的車內(nèi)噪聲，組織不同性別、年齡、職業(yè)的評價者以成對比較法對聲品質(zhì)進行主觀評價；分析了不同類型評價者對主觀評價結(jié)果的影響；分析主觀煩擾度與心理聲學(xué)參數(shù)關(guān)系后，利用神經(jīng)模糊邏輯算法建立了主觀煩擾度預(yù)測模型，并確定了聲品質(zhì)等級評價標準。

1 HEV心理聲學(xué)參數(shù)測量與主觀評價

1.1 心理聲學(xué)參數(shù)選擇

聲品質(zhì)描述具有較強的主觀性，且發(fā)展時間僅有20多年，國際上很多學(xué)者和研究機構(gòu)都提出了各自使用的心理聲學(xué)參數(shù)，但目前為止，除響度和語音干擾級外，其它參數(shù)均沒有國際統(tǒng)一的標準。因此要根據(jù)參數(shù)的適用范圍和研究對象的特點，選擇合適的心理聲學(xué)參數(shù)。

常見的5個心理聲學(xué)參數(shù)中，響度(loudness)適宜用于評價中高頻聲音；粗糙度(roughness)適合評價20～200Hz的低頻聲音；尖銳度(sharpness)適合評價高頻聲音；抖晃度(fluctuation)適用于20Hz以下聲音；而有調(diào)度(tonality)是聲音頻譜信號中純音成分所占比例的度量，噪聲和寬頻噪聲有調(diào)度幾乎為零?；诖?，考慮HEV噪聲頻率范圍從低頻到高頻都存在，本文中選取響度、粗糙度和尖銳度作為客觀評價參數(shù)。

1.2 心理聲學(xué)參數(shù)測量方法和儀器

汽車運作在怠速、起步、緩慢加速、急速加速、緩慢減速、制動減速、穩(wěn)速30km/h、穩(wěn)速60km/h和穩(wěn)速120km/h共9個工況，將Head HMS III人工頭固定在副駕駛員位置，使用Head SQLab III多通道測試系統(tǒng)記錄噪聲。成對比較法操作經(jīng)驗表明[7]，5s長度的樣本比較適合評價人員做出準確判斷，故每段聲音記錄5s。使用Head Analyser Artemis 7.0軟件讀取響度、粗糙度和尖銳度3個心理聲學(xué)參數(shù)，并將9段聲音轉(zhuǎn)換為WAV格式。

1.3 主觀評價人員的選擇

評價人員選擇應(yīng)遵循以下原則：

(1) 要求評價人員身體健康，聽力狀況良好；

(2) 評價人員年齡應(yīng)有較寬范圍，男性應(yīng)比女性所占比例大；

(3) 評價人員要保證有聲學(xué)經(jīng)驗的專業(yè)人員占有一定的比例；

(4) 評價人員不能太少，否則缺乏統(tǒng)計意義；

(5) 評價人員盡可能選擇目標或潛在顧客。

本文中，有40位評價人員，他們均具有正常的聽力。其中，年齡小于30歲的為8人，30-45歲的為22人，大于45歲的為10人；男性為30人，女性為10人；具有聲學(xué)經(jīng)驗的專業(yè)人員為12人，普通人員為28人。

1.4 主觀評價方法

車輛聲品質(zhì)主觀評價通常有直接評分和成對比較兩種方法[7]。直接評分法是評價人員按自己的經(jīng)驗對所回放的聲音按七級評分制或五級評分制給出評價等級，研究者對評分值進行數(shù)理統(tǒng)計分析，從而得出評價結(jié)果。由于各人判斷等級的標準不統(tǒng)一，評價結(jié)果比較分散，且對評價人員要求較高，一般需要具備相關(guān)的專業(yè)經(jīng)驗。成對比較法是將評價對象兩兩配合成不重復(fù)的對，研究者隨機抽取每一對給評價者判斷哪個對象好或一樣，研究者再采用統(tǒng)計方法進行分析，并給出置信度。這種方法操作簡單，對評價人員的要求低，可信度高。

本文中使用成對比較法進行聲品質(zhì)主觀評價。將錄制的9段聲音兩兩配對為36對，隨機抽取每一對回放給每個評價者聽，如果評價者認為由A和B兩段聲音組成的某對中的A聲音好則給A計1分，給B計0分；如果認為相同，則各計0.5分。為盡量還原噪聲聲品質(zhì)，聲音回放時使用與人工頭配套的高質(zhì)量耳機。為了避免對前段聲音感覺遺忘，A和B兩段聲音播放間隔和評價者做出判斷時間均不超3s。

從聲音測取到客觀心理參數(shù)讀取和主觀評價整個過程如圖1所示。

2 不同類型評價者對主觀評價結(jié)果影響分析

按第1節(jié)所述方法對測試所得噪聲進行聲品質(zhì)主觀評價時，由于評價者受外界或自身的多種因素干擾，須要剔除受影響較大的結(jié)果，且其評價值要進行一致性系數(shù)修正，以保證評價結(jié)果的整體有效性。國際上普遍認為，一致性系數(shù)0.6以上可以接受，最好在0.7以上，系數(shù)較低的10%評價者的數(shù)據(jù)應(yīng)予以剔除[7]。依此規(guī)則，本文中剔除4份一致性系數(shù)低于0.7的數(shù)據(jù)。

不區(qū)分年齡段、性別和職業(yè)，將所有評價者對9段聲音的主觀評價分值累加得主觀評價總分值，分值越高表示認為該段聲音聲品質(zhì)好的評價者越多。再區(qū)分年齡段、性別、是否專業(yè)人員分類統(tǒng)計評價者對9段聲音的評價結(jié)果，分析不同類型評價者之間的相關(guān)性和他們與不區(qū)分評價者類型總評價結(jié)果的相關(guān)性，結(jié)果見表1。對各種因素下的評價值進行相關(guān)分析，同時引入顯著性水平α=0.05進行方差分析，結(jié)果見表2。

表1 各類評價者相關(guān)系數(shù)

表2 各類影響因素方差分析

從表1和表2可以總結(jié)出以下規(guī)律。

(1)不同年齡段、男性以及是否聲學(xué)專業(yè)人員等因素與總體評價值之間存在較強的正相關(guān)性，相關(guān)系數(shù)在0.56～0.91，這些因素不同會造成最終評價結(jié)果的差異。

(2)不同年齡段之間、不同性別之間和是否聲學(xué)專業(yè)人員之間相關(guān)性不強，最大值相關(guān)系數(shù)為0.44 ，可以忽略它們之間的相關(guān)性。從另一個角度看，年齡范圍的選取、性別的區(qū)分以及是否具備專業(yè)經(jīng)驗在車輛聲品質(zhì)評價方案中必須加以考慮。

(3) 各種影響因素的樣本評價標準差基本相當，在2.51～2.65小幅波動。除女性的F值比F0.95值小外，其余均比F0.95值大，說明女性評價者的評價結(jié)果對總體評價結(jié)果不產(chǎn)生顯著影響。

3 聲品質(zhì)評價模型的建立

3.1 主觀評價值與客觀評價值計算

考慮年齡段、性別和是否有聲學(xué)經(jīng)驗，計算主觀評價值時給予不同的權(quán)重因子[8-9]。權(quán)重因子取值采用經(jīng)驗值：年齡30歲以下取1，30-45歲取1.4，45歲以上取1.2；男性取2，女性取1；專業(yè)人員取1.5，普通人員取1。將給予權(quán)重的主觀評價得分以選率參數(shù)衡量某段聲音的主觀評價優(yōu)劣，結(jié)果見表3。選率指評價人員對某段聲音在進行主觀評價時的選擇率，通過統(tǒng)計該聲音的得分情況與滿分相比并取百分數(shù)而得。選率越高，表明評價者對該種聲音越滿意，因而其主觀煩擾度(subjective annoyance,SA)就越低。主觀煩擾度是選率的倒數(shù)。選率和SA結(jié)果見表3第3和第4列。

表3 車內(nèi)噪聲主觀評價值和客觀評價值

對9段聲音讀取其聲壓級，見表3第2列。分別對9種工況的錄音讀取對應(yīng)的響度、粗糙度和尖銳度3種心理聲學(xué)參數(shù)作為對噪聲主觀感受進行描述的客觀量，結(jié)果見表3第5至第7列。

3.2 主觀煩擾度與客觀評價參數(shù)關(guān)系分析

由表3可見，第7段聲音的SA最大， 但其聲壓級并非最大，第8段聲音的SA最小，但其聲壓級并非最小，可見主觀評價指標大小與客觀評價指標聲壓級大小沒有對應(yīng)關(guān)系。

對SA與心理聲學(xué)參數(shù)進行回歸分析，其結(jié)果如圖2～圖4所示，各相關(guān)系數(shù)也標注圖中。圖2～圖4中直線為回歸方程，散點為主觀煩擾度值。由圖可以看出，SA與響度之間相關(guān)緊密，具有較高的相關(guān)系數(shù)(r=0.91)。粗糙度和尖銳度則對主觀煩擾度的影響要小，兩者與主觀煩擾度的相關(guān)系數(shù)分別為0.59和0.49，尤其是尖銳度離散程度較大。上述分析表明，響度對SA的影響起著主要作用，其他學(xué)者的研究中也有相同結(jié)論[10]。

3.3 車內(nèi)噪聲聲品質(zhì)評價模型的建立

3.3.1 煩擾度線性回歸預(yù)測模型的建立

第3.2節(jié)相關(guān)分析表明，SA與心理聲學(xué)參數(shù)(響度、粗糙度和尖銳度)之間存在一定的相關(guān)性，因而可以采用線性回歸方法建立SA與心理聲學(xué)參數(shù)間的關(guān)系預(yù)測模型，參照文獻[5]中所述方法建立的預(yù)測模型為

SA=0.4429L+0.0658R-0.589S-14.2771

(1)

式中：L，R和S分別為響度、粗糙度和尖銳度值。

為驗證所建立模型的準確性，使用測試所得客觀心理聲學(xué)參數(shù)代入式(1)，得到主觀煩擾度SA預(yù)測值，將該預(yù)測值與主觀評價試驗時該組心理聲學(xué)參數(shù)對應(yīng)所得主觀煩擾度作比較，以相對誤差評估預(yù)測模型的準確程度。將表3所列3個心理聲學(xué)參數(shù)代入式(1)預(yù)測SA，結(jié)果見表4第3列。由數(shù)據(jù)可見，預(yù)測結(jié)果與試驗值有較大差距，盡管顯著性水平α=0.03，決定系數(shù)r2=0.82，屬比較滿意范圍[5]，但誤差普遍較大，見表4第4列，最大達154%。

表4 模型預(yù)測主觀煩擾度結(jié)果對比

注：主觀煩擾度應(yīng)為非負值，若預(yù)測值為負數(shù)，計算誤差時以0計。

3.3.2 煩擾度神經(jīng)模糊邏輯預(yù)測模型的建立

模糊控制把操作經(jīng)驗、表達知識等轉(zhuǎn)化為模糊規(guī)則，再按此規(guī)則對被控對象進行控制。神經(jīng)網(wǎng)絡(luò)模仿人類大腦的結(jié)構(gòu)和功能，具有信息處理、記憶和學(xué)習的能力。將神經(jīng)網(wǎng)絡(luò)嵌入模糊控制系統(tǒng)中，模糊邏輯規(guī)則建立在神經(jīng)網(wǎng)絡(luò)對大量訓(xùn)練數(shù)據(jù)學(xué)習基礎(chǔ)之上，顯然比基于經(jīng)驗的規(guī)則更客觀、更高效。

將神經(jīng)網(wǎng)絡(luò)與Sugeno模糊模型結(jié)合生成隸屬度函數(shù)和模糊規(guī)則按以下步驟進行[11]：

(1) 訓(xùn)練數(shù)據(jù)設(shè)置 訓(xùn)練數(shù)據(jù)選取表3所列心理聲學(xué)參數(shù)和SA，生成初始模糊推理系統(tǒng)選用網(wǎng)格法，選取6個模糊子集覆蓋輸入變量，輸入變量隸屬函數(shù)選用高斯型，輸出量隸屬函數(shù)選用線性；

(2) 訓(xùn)練方法設(shè)置 選用混合法訓(xùn)練數(shù)據(jù)，誤差精度取0.001，經(jīng)過測試，訓(xùn)練20次即可達到要求誤差精度；

(3)隸屬度函數(shù)參數(shù)和模糊規(guī)則生成 經(jīng)過訓(xùn)練，系統(tǒng)自動得出模糊推理系統(tǒng)的隸屬度函數(shù)參數(shù)和模糊規(guī)則，輸出變量SA的隸屬度函數(shù)為輸入變量響度(L)、粗糙度(R)和尖銳度(S)值的數(shù)學(xué)關(guān)系式。

經(jīng)過以上步驟，得到圖5所示聲品質(zhì)預(yù)測模型?；谒Ｐ停斎雽崪y心理聲學(xué)參數(shù)L，R和S即可預(yù)測得到SA。將表3心理聲學(xué)參數(shù)輸入，得到的預(yù)測結(jié)果見表4第5列，相對誤差見第6列。由表4可見，由此模型預(yù)測所得SA誤差很小，最大僅2%。

3.3.3 聲品質(zhì)主觀評價等級評價標準的建立

按第1.4節(jié)所述方法對9段聲音做成對比較評估后，40名評價者再聽這9段聲音，對每段聲音在“優(yōu)”、“良”或“差”3種感受中選擇1種做主觀評價，評價過程中，如果無法馬上做清晰判斷，可重放任何一段聲音。評價結(jié)果，第2、第4和第7段聲音分別成為被評為“優(yōu)”、“良”和“差”的“票數(shù)”最多者，對應(yīng)的SA值分別為2.98，10.60和25.40。這3個最多票數(shù)，實際上就是被評為該主觀評價等級的頻度峰值。因此，簡單而不失合理性，可選取相鄰峰值對應(yīng)的SA的平均值，作為主觀評價等級的分界值。按此方法計算結(jié)果，圓整得到的分界值為7和18。最終得到聲品質(zhì)主觀評價等級劃分標準，如表5所示。

表5 聲品質(zhì)主觀評價等級評價標準

4 結(jié)論

(1) 建立了一款HEV實車車內(nèi)噪聲聲品質(zhì)主觀評價模型?；趯Σ煌愋驮u價者對主觀評價結(jié)果影響的分析以及主觀煩擾度與客觀心理聲學(xué)參數(shù)關(guān)系的分析，利用神經(jīng)模糊邏輯算法建立了主觀煩擾度預(yù)測模型，進而建立了HEV聲品質(zhì)等級評價標準。所做研究為產(chǎn)品開發(fā)過程中HEV聲品質(zhì)快速評價提供了一種比較可靠的方法。

(2) 對比線性回歸預(yù)測模型和神經(jīng)模糊邏輯預(yù)測模型，前者使用更簡便，但預(yù)測準確度較低；后者使用稍復(fù)雜，但預(yù)測準確度更高。實際運用時應(yīng)根據(jù)具體需要選用合適的預(yù)測模型。

(3) 通常意義上的聲品質(zhì)評價主觀性較強，評價者之間沒有統(tǒng)一標準，評價結(jié)果可信度不高。HEV聲品質(zhì)主觀評價核心問題是建立相對客觀的評價標準。本文中研究證明主觀評價與心理聲學(xué)參數(shù)之間有著復(fù)雜的相關(guān)性，進而建立了HEV心理聲學(xué)參數(shù)與聲品質(zhì)主觀評價之間的聯(lián)系，可以基于試驗所得心理聲學(xué)參數(shù)評價汽車聲品質(zhì)等級。

[1] 趙彤航,盧炳武,曹蘊濤. 混合動力轎車振動噪聲控制技術(shù)[J]. 吉林大學(xué)學(xué)報(工學(xué)版), 2012,42(6):1373-1377.

[2] Schiftbanker H, Brandl F K, Thien Q E, et al. Development and Application of an Evaluation Technique to Assess the Subjective Character of Engine Noise [ J ].SAE Transactions,1991，100 (6): 1536-1546.

[3] Kim Sung-Jong, Lee Sang Kwon, Park Dong-Chul, et al. Objective Evaluation for the Passenger Car During Acceleration Based on the Sound Metric and Artificial Neural Network[C]. SAE Paper 2007-01-2396.

[4] Ryota Nakasaki, Hiroshi Hasegawa, Masao Kasuga. Subjective Evaluation of Sound Images of Air-conditioning System in a Vehicle[J]. Acoust Sci.& Tech， 2011，32(4)：137-142.

[5] 舒歌群,王養(yǎng)軍,衛(wèi)海橋,等. 汽車車內(nèi)噪聲聲品質(zhì)的測試與評價[J]. 內(nèi)燃機學(xué)報，2007,25(1):77-83.

[6] 劉海,張俊紅,張桂昌,等. 車用柴油機噪聲品質(zhì)預(yù)測模型的建立[J]. 機械工程學(xué)報，2012,48(2):159-164.

[7] 毛東興,俞悟周,王佐民. 聲品質(zhì)成對比較主觀評價的數(shù)據(jù)檢驗及判據(jù)[J]. 聲學(xué)學(xué)報,2005,30(5):466-472.

[8] Shkrreli V, Vandenbrink K A. The Use of Subjective Jury Evaluations for Interior Acoustic Packaging[C].SAE Paper 2003-01-1506.

[9] Otto N，Amman S, Eaton C，et al. Guidelines for Jury Evaluations of Automotive Sounds[J].Sound and Vibration,2001,35 (4): 24-27.

[10] 陳雙籍,陳端石.基于心理聲學(xué)參數(shù)的車內(nèi)聲品質(zhì)偏好性評價[J]. 噪聲與振動控制,2005,25(3):45-47.

[11] 石辛民, 郝整清. 模糊控制及其MATLAB仿真[M]. 北京:清華大學(xué)出版社,2008.

A Study on Sound Quality Evaluation Method for Hybrid Electric Vehicles Focusing on Subjective Annoyance

Mo Chou，Chen Jiqing，Lan Fengchong

SchoolofMechanical&AutomotiveEngineering,SouthChinaUniversityofTechnology,Guangzhou, 510640

A sound quality subjective evaluation is conducted on nine noise samples recorded from a hybrid electric vehicle under different driving conditions by using paired comparison method. Then both regression analysis method and neural fuzzy logic algorithm are adopted to create a subjective annoyance prediction model based on psychoacoustic parameters. Finally an evaluation standard of sound quality grade is established. The evaluation method proposed can quickly evaluate the sound quality, shorten the development cycle and improve the comfort performance of vehicles.

HEV; sound quality; degree of annoyance; psychoacoustic parameters; neural fuzzy logic algorithm

*廣東省戰(zhàn)略性新興產(chǎn)業(yè)專項資金((穗)發(fā)改工[2011]14)資助。

原稿收到日期為2014年3月31日，修改稿收到日期為2014年6月26日。