全油門加速工況車內聲品質研究

郭勇，王海洋

（中國汽車技術研究中心，天津 300300）

全油門加速工況車內聲品質研究

郭勇，王海洋

（中國汽車技術研究中心，天津 300300）

以23輛乘用車的3擋全油門加速工況的車內噪聲為研究對象，對車內聲品質采用等級評分法進行主觀評價試驗，分析計算各噪聲樣本的心理聲學參數和非心理聲學的客觀參數，并應用多元線性回歸理論建立聲品質預測模型。研究表明，響度、線性度和粗糙度是影響聽眾對全油門加速噪聲主觀感受的最重要的因素，模型預測結果與主觀評價試驗結果相關系數2R為0.853，預測值與主觀評價實測值吻合度較高，所建立的聲品質評價模型在統計學上是有意義的。

聲品質；車內噪聲；回歸分析；

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

前言

隨著我國汽車工業的發展，車輛的噪聲問題已經不能簡單的以A計權聲壓級作為評價標準，聲品質因其能反映評價人對噪聲的主觀感覺而越來越受到各大汽車廠家的重視。穩態下的汽車聲品質研究已經發展了很長時間，也取得了豐碩的成果[1-3]，但汽車在加速行駛條件下的車內噪聲品質研究較少，其聲品質也是整車聲品質研究的一個重要領域，對其聲品質進行研究和改進是有重要意義的。

本文對23種類型國產乘用車在3擋全油門加速工況下行駛時的車內各處的噪聲樣本進行了試驗采集和主觀評價, 計算各噪聲樣本相應的心理聲學客觀參數和非心理聲學的客觀參數, 并通過統計學分析，采用多元回歸分析方法建立全油門加速工況下車內噪聲的主觀評價結果與客觀參數之間的數學模型。

1、車內聲品質的主觀評價

1.1 樣本數據庫的建立

噪聲樣本的采集是聲品質評價工作的第一步，也是決定

主觀試聽試驗能否順利進行、試驗結果是否真實有效的至關重要環節。為保證噪聲采集的真實有效，本文使用的噪聲樣本采集設備是LMS公司32通道數據采集前端和B&K公司的麥克風。

噪聲樣本采集試驗記錄了23輛國產乘用車在干燥平坦瀝青路面上，車內乘員各處的噪聲信號，測試工況為3擋全油門加速工況，發動機轉速為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個有效噪聲樣本。

1.2 主觀評價試驗

對車輛的主觀評價方法有很多種：直接評分法、成對比較法、語義細分法、排序法等，這些方法各有利弊，適用于不同的試驗條件。因此，必須選擇適宜的評價方法才能獲取良好的評價結果。

對全油門加速工況時的聲品質進行評價時，等級評分法以具體數值為聲品質最終結果，簡單明了、便于后續處理分析，多被相關文獻[4-7]采用。因而本文也選用等級評分法進行主觀聲品質評價試驗，評價等級設定如表1所示。為保證評分數據的一致性，試驗給出了評分為5分和7分的噪聲樣本作為等級評分的參考。

表1 等級評分法刻度及其對應語義

針對等級評分法的弱點，本文在選取評價人員時，均選取有NVH工程經驗或駕駛經驗的人員，共選取評價人員30名，其中男性26名，女性4名，年齡在20歲至40歲之間。

在等級評分法中，需要對獲得的所有主觀評價結果進行數據檢驗，采用平均相關系數作為標準，剔除不穩定評價人員的結果。本文采用SPSS軟件，對評價人員相互之間的Spearman 系數進行計算，然后對每位評價者與其他所有評價者的相關系數取算術均值，計算平均相關系數。各評價者之間的平均相關系數如表 2所示，從表可看出，第 7、12、19、25、27 、30位評價者的結果與其他人的相關系數相對較低，小于 0.7。這說明，以上幾位評價者給出的打分結果離散性較大，與其他人員的聲品質打分線性關系很弱，應予以剔除。

表2 等級評分試驗中評價者的平均相關系數

經上述數據檢驗后，保留了 24個人的評價結果。將這些有效評分結果進行統計，得到30個噪聲樣本的主觀評價數據。

2、聲品質客觀評價參數分析

2.1 客觀參數計算

為客觀量化對聲音的主觀評價，人們提出了心理聲學的基本概念和基本參數，為聲音品質評價提供了理論基礎。一般來說，響度、粗糙度、尖銳度、波動度等多個心里聲學參數已經被廣泛的應用于聲品質參數分析之中。參考國內外相關文獻[4-7]，本文選擇響度、粗糙度和尖銳度三個心理學參數作為聲品質客觀評價的一部分參數，這些參數的計算都采用LMS商用軟件提供的計算方法。

在對聲音品質進行客觀評價時，除了用到心理聲學參數外，還會用到其他一些經驗參數，如峰度、語言清晰度和語音干擾級等。本文針對全油門加速工況的聲壓級隨轉速的變化，提出線性度和低頻貢獻量兩個統計學經驗參數。

2.1.1 線性度

在全油門加速評價過程中，評價人員對噪聲隨轉速的變化比較敏感，一般來說，車內噪聲應該隨著轉速的增加而平穩線性的增加，如果突然出現峰值或峰谷（圖1所示），評價人員會認為車輛出現異常，將會影響評價人員對該噪聲的主觀感覺。因此有必要對全油門加速工況的噪聲總聲壓級曲線的線性度進行評價。

本文中線性度的計算方式如下：

（1）對全油門工況的總聲壓級曲線(命名為曲線A)進行一元一次線性方程擬合，用該方程計算出的聲壓級（命名為曲線B）代表原曲線，如圖1中的虛線所示。

（2）考慮到一般人耳對聲壓級的變化的3dB(A)左右，因此將曲線B向Y向正向平移1.5dB(A)，得到曲線變化的最大允許變化范圍，計做Bmax；曲線B向Y負向平移1.5dB(A)，得到曲線變化的最小允許變化范圍，計做Bmin。如果總聲壓級曲線隨轉速的變化范圍在Bmax和Bmin之間，評價人員將對噪聲變化不明顯。如果超出這個范圍，將影響評價人員對噪聲的主觀感覺。

（3）應用公式（1）計算各個轉速下的聲壓級差值，全部相加后可以得到該曲線的線性度。

其中，i代表發動機轉速，其取值范圍是2000～5000；iA代表在轉速i時候的原曲線聲壓級；Bmaxi代表在i轉速時聲壓級允許變化的最大值；Bmini代表在i轉速時聲壓級允許的最小值。

2.1.2 低頻貢獻量

在全油門加速噪聲的客觀分析中，一般用圖2所示的聲壓級階次圖來分析全油門噪聲中低頻噪聲的影響。對于四缸機來說，就是C2、C4、C6、C8代表低頻噪聲隨轉速的變化趨勢。研究表明，低頻噪聲更容易給人耳壓迫的感覺，容易影響到評價人員的主觀感覺。因此有必要對全油門加速工況的噪聲總聲壓級的低頻噪聲的貢獻量進行評價。

本文中低頻貢獻量的計算方式如下：

（1）提取各轉速下的總聲壓級iA和C2聲壓級C2i，按照公式2進行計算。

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

（3）將所有所得數據進行求和，該數值就是該全油門曲線的低頻貢獻量。

通過應用上述公式和商業軟件的計算，得到30個樣本的聲品質評價參數，具體參數如表3所示：

表3 各樣本噪聲心理聲學參數值及主觀評價結果

2.2 參數相關性分析

為了研究全油門加速工況的車內噪聲品質主觀評價結果與聲品質客觀參數之間的相互關系, 本文使用SPSS(Statis -tical Product and Service Solutions )應用統計軟件對等級評分法得到的聲品質主觀評價數值與計算得到的客觀參數進行了線性相關分析，分析結果如表4所示。

表4 車內聲品質主觀評價等級與客觀物理參數間的相關性

從表4上可以看出，響度、線性度、低頻貢獻量三個參數與主觀評價的結果有明顯的相關性，相關系數都在0.7以上。散點圖3、4、5可更直觀地表現出表4中響度、線性度、低頻貢獻量與主觀評價結果的線性相關性。

3、聲品質多元回歸預測模型的建立

在明確了上述相關關系之后進行多元線性回歸分析, 以確定用聲品質的參數客觀量化描述聲品質主觀評價結果的關系式。回歸分析方法是處理多個變量之間相互依賴關系的一種數理統計方法，它不僅能夠分析自變量對因變量影響的大小，還可以通過回歸方程對因變量進行預測和控制。本文中

的因變量為聲品質評價值, 自變量則為表3中計算的6中聲品質客觀參數。應用SPSS軟件[8]，按照逐步回歸( stepwise)方式, 通過F檢驗的方式來引入和排除自變量，最終響度、線性度和粗糙度進入模型,而低頻貢獻量、尖銳度和AI指數則被剔除，最終得到的多元線性回歸分析結果如表5所示。

表5 回歸模型概述及回歸系數表

根據表5中的非標準化系數，可以得到全油門加速工況下車內聲品質主觀評價的客觀量化數學模型，方程如下：

式中，SQ為主觀聲品質評價的評價值；L為響度；Lin為尖銳度；R為粗糙度。

式3表明，在全油門加速工況下，轎車車內噪聲品質可以用響度、線性度和粗糙度參數進行客觀描述，其預測值與評審團測試結果相關系數R2為0.853，回歸模型的R2值大于0.8 證明預測模型與實際值之間具有較好的一致性。因此改善車輛全油門噪聲的聲學品質, 應該注意對噪聲的響度、線性度和粗糙度進行控制。另外, 表5中響度的標準化系數為0.736, 線性度的標準化系數為0.370, 粗糙度的標準化系數為0.205, 說明在本文的試驗條件下, 聲品質客觀參數的影響程度由大到小為：響度>線性度>粗糙度。

最后，對所建立的多元回歸模型進行校驗，圖6和圖7中可以看出殘差基本呈正態分布，且散點分布基本符合直線趨勢。上述檢驗全部通過，說明本文建立的聲品質客觀量化模型在統計學上是有意義的。

4、結論

（1）采用心理聲學參數響度和粗糙度，以及非心理聲學客觀參數線性度來描述全油門加速工況下的車內噪聲聲品質是合理的。

（2）通過多元回歸分析，建立評價人員的主觀評價值與聲品質客觀參數之間的有效聯系，其預測值與評審團測試結果相關系數2R為0.853，證明預測模型與實際值之間具有較好的一致性。因此，該線性回歸模型可以用來對全油門加速工況的聲品質進行預測，并且可以作為全油門工況聲品質優化的判斷依據。

（3）分析表明，響度和線性度是影響全油門加速工況聲品質的最主要的客觀參數，兩者與評價結果負相關，說明隨著響度和線性度的增大，全油門加速工況的主觀評價結果會降低。

[1] 申秀敏，左曙光，王勇，李彬.轎車聲品質主觀評價研究[J].振動與噪聲控制，2013年，第1期∶96-101.

[2] 陳劍,楊雯,李偉毅. 汽車聲品質主觀評價試驗方法探究[J].汽車工程，2009,31卷∶389-392.

[3] 唐榮江. 車內聲品質評價預測與控制技術研究[D].長春∶吉林大學,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. 國產轎車非穩態狀況下聲音品質的研究[D].長春∶吉林大學,2009.

[8] 夏怡凡. SPSS統計分析精要與實例詳解[M].北京∶電子工業出版社，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，就職于中國汽車技術研究中心。