電動汽車電驅動噪聲聲品質主客觀評價模型

刁坤，汪曉虎，王偉東

(泛亞汽車技術中心有限公司,上海201201)

隨著全球汽車工業的飛速發展，傳統能源供需矛盾日益凸顯，存在潛在的能源危機。為此，各國政府大力推廣新能源汽車，特別是電動汽車的發展，使全球汽車公司都投入了大量人力、物力和財力開發電動汽車[1]。與此同時，電動汽車電驅動系統（包含電機和減速器）噪聲也越來越受到關注，成為業內的熱點和難點問題。而電動汽車電驅動噪聲的聲品質特征和傳統內燃機噪聲差異顯著[2-3]，導致傳統內燃機噪聲評估方法已經完全不適用，亟需建立針對于電驅動噪聲的聲品質評估方法。法，從電驅動噪聲的發生機理，聲品質特性和關鍵評價指標等幾個方面開展了深入的研究。電驅動階次噪聲主要由減速器齒輪嚙合和電磁力矩波動產生中高頻振動，傳遞到電驅動系統殼體，進而輻射噪聲，并呈顯著的中高頻階次特性[4-5]。徐忠四等[6]發現齒輪傳遞誤差和齒面接觸應力是影響減速器噪聲的主要原因，并通過齒輪優化修形有效地降低了車內階次噪聲。同濟大學左曙光教授團隊[7]研究了電機中高頻階次噪聲的發生機理。文獻[8]對電驅動噪聲的響度、尖銳度、粗糙度、抖動度和語音清晰度等客觀心理聲學指標進行深入研究，通過主客觀相關性分析，認為尖銳度和響度所占的權重較大。通用汽車[9]和沃爾沃汽車[10]的研究人員通過試驗研究發現，心理聲學指標TNR更適用于電動汽車的階次噪聲聲品質評價，但受到TNR算法的局限性[11]，當多個階次噪聲同時存在時，只能計算單一階次噪聲的TNR值。因此，還鮮有文獻有針對性地分析同時存在多個階次的電動汽車電驅動噪聲聲品質特性和評價方法。

因此，本文首先制定了電動汽車電驅動噪聲主觀評價方法和基于道路試驗的電動汽車電驅動噪聲測試方法，并通過對國內外市場上主流的電動汽車車內電驅動噪聲進行主觀評價和客觀測試分析，首次采用了可同時考慮多個階次的心理聲學指標Total TNR[12]，分析抱怨工況的電驅動噪聲特性，通過主客觀相關性分析，建立電動汽車電驅動噪聲聲品質回歸模型，可實現電驅動噪聲聲品質的精準預測，并指導電驅動噪聲聲品質的正向開發。

1 電驅動噪聲主觀評價和客觀測試

1.1 電動汽車的選取

有針對性地選取了近年來國內外市場上主流的6款純電動汽車，車型和驅動系統關鍵參數如表1所示。這6款純電動車產地包含了美國、德國和中國，品牌包含了外資品牌、合資品牌和自主品牌，市場定位包含了高端、中端和低端車型，車輛類型包含了運動型多用途汽車（Sport utility vehicle，SUV）、掀背兩廂車（Hatchback）和三廂轎車（Sedan），驅動形式包含了前輪驅動、后輪驅動和四輪驅動，電機類型包含了永磁同步電機和感應異步電機。因此，這6款電動汽車幾乎涵蓋了國內外市場上所有的電動汽車類型，具有較強的代表性。

1.2 工況的選取

前期研究表明，車內的電驅動噪聲受到路噪和風噪的掩蔽效應影響顯著[3]。因此，主觀評價和客觀測試都在上汽通用廣德試車場車內噪聲路的光滑平直水泥路面上進行，綜合考慮了電動汽車在實際行駛工況時路噪和風噪的影響。

此外，由于電驅動系統輻射噪聲，特別是電磁力矩波動引起的中高階次輻射噪聲，一般都隨著電驅動系統的負載增大而增加，因此全油門工況（Wide open throttle，WOT）是車內電驅動噪聲最惡劣的工況，最容易引起客戶的抱怨。因此，所有的主觀評價和客觀測試，都采用從車輛完全靜止，全油門加速至120 km/h的工況。此外，主觀評價和客觀測試都以駕駛員位置噪聲的打分值和測試數據為主。

1.3 主觀評價

本次主觀評價組織了共50名主觀評價人員，其都為電動汽車開發項目工程師（28人）和NVH開發工程師（22人），其中男性41名，女性9名。為了保證主觀評價數據的準確性和可信度，在評估前，對所有主觀評價人員進行了專業的聲品質基礎知識和主觀評價方法的培訓。

常用聲品質的主觀評價方法有排序法、評分法、成對比較法和語義細分法等[13]。本次主觀評價采用了評分法，主觀評價人員對車輛WOT全油門加速行駛過程中（車速從0 km/h到120 km/h），車內電驅動噪聲引起的煩擾度進行打分，煩擾度等級為1～10分，從極度煩擾，無法接受到非常悅耳，分值越高，聲品質越好，如表2所示。同時，分別記錄50名主觀評估人員對每輛電動汽車車內電驅動噪聲最抱怨的車速區間。

1.4 客觀測試

為了保證主觀評價和客觀測試的一致性，客觀測試采用與主觀評估完全相同的工況——車輛從完全靜止，全油門加速至120 km/h。

車內噪聲的數據采集系統為LMS便攜式12通道數據采集系統，車內噪聲采集采用PCB-377A60隨機場麥克風，車速采集采用V-BOX系統。

車內噪聲信號的測點有2個——前排駕駛員右耳處和后排右座椅位置，駕駛員右耳處麥克風布置如圖1所示。

表1 選取的電動汽車車型和驅動系統關鍵參數

表2 煩擾度等級和描述

圖1 噪聲信號測點（駕駛員右耳）布置

2 主觀評價值統計分析

由于50名主觀評價人員的煩擾度分值存在一定的分布特性，因此針對每輛電動汽車的煩擾度分值進行均值和標準差（如式（1），式（2）所示）計算，剔除奇異數據點，確保主觀評價數據的有效性。

式中：μ為均值；N為樣本數；xi為樣本值（煩擾度分值）；σ為標準差。

電驅動噪聲主觀評價煩擾度統計分析流程，如圖2所示，主要分為以下幾個環節，具體描述如下：

圖2 電驅動噪聲主觀煩擾度統計分析流程圖

（1）計算主觀評價煩擾度值統計指標——平均值和標準差。（2）判斷50個樣本的煩擾度值是否滿足[μ-3σ，μ+3σ]區間分布。如若滿足，則直接跳至步驟（4），分析結束；如若不滿足，則剔除[μ-3σ，μ+3σ]區間外的奇異數據點；（3）重新計算剩余樣本煩擾度的平均值和標準差，重復步驟（2），直至最終的樣本煩擾度值滿足[μ-3σ，μ+3σ]區間分布。（4）獲取最終的煩擾度統計平均值和標準差。

分別對選取的6輛電動汽車的主觀評價煩擾度數據進行統計分析，計算其電驅動噪聲煩擾度統計值，如表3所示。根據主觀評價人員的分值，Tesla Model X的電驅動噪聲煩擾度分值最高，其次是BMW i3、BYD Song EV、BYD Qin EV、Denza EV，而Emgrand EV的煩擾度分值最低。

3 客觀測試數據研究

3.1 車內噪聲數據分析

將6輛電動汽車全油門工況采集的駕駛員右耳處噪聲信號進行短時傅里葉變換（Short-time fourier transform，簡稱STFT），得到噪聲時頻圖。以BMW i3和Emgrand EV的車內噪聲為例，如圖3（a）和圖3（b）所示。

圖3 全油門工況車內噪聲（駕駛員右耳處）

由圖3（a）和圖3（b）分析可知：（1）電動汽車車內電驅動噪聲主要表現為中高頻的階次噪聲。（2）路噪和風噪值，以及其頻率覆蓋帶寬都隨著車速的增大而增大，這對中高車速時（80 km/h～120 km/h）的電驅動噪聲起到較好的掩蔽效果。（3）BWM i3在中低車速時，存在25階（減速器輸入齒輪階次）和72階（電機槽數階次）噪聲；而Emgrand EV在整個車速區間都存在較為顯著的22階（減速器輸入齒輪階次）和48階（電機槽數階次）噪聲。（4）Emgrand EV的階次噪聲較BMW i3更為顯著，這與主觀評價的結果一致。

3.2 TNR和Total TNR

TNR是一種用于量化單調噪聲的心理聲學指標，其表征了單調噪聲（頻率窄帶）的能量與其臨近頻率（寬帶）噪聲能量的比值。研究人員[9-10]發現，TNR非常適合用于表征電動汽車電驅動系統的階次嘯叫特征，其階次嘯叫即為窄帶噪聲，而該階次嘯叫臨近的路噪和風噪為掩蔽噪聲，即為寬帶噪聲。

表3 電動汽車電驅動噪聲煩擾度統計值

但由于TNR算法的局限性，其只適用于計算頻譜內的單一階次噪聲，因此引入適用于同時存在多個階次噪聲的Total TNR。

TNR和Total TNR的定義如式（3）至式（5）所示：

式中：Xt為窄帶階次噪聲能量，單位Pa；Xm為寬帶噪聲總能量，單位Pa；Xn為寬帶內除了窄帶階次噪聲的其它噪聲能量（掩蔽噪聲能量），單位Pa；Δfm為寬帶噪聲的帶寬，單位Hz；Δft為窄帶階次噪聲的帶寬，單位Hz；k為同時存在的窄帶階次噪聲的數量。

3.3 車內噪聲TNRmax和Total TNR計算

基于記錄的主觀評價人員抱怨的車速區間，并結合車內噪聲時頻圖，從車內噪聲頻譜曲線中提取6輛電動汽車電驅動噪聲最被抱怨的車速下的階次噪聲中心頻率，計算每階噪聲的TNR值和多個階次的Total TNR值，如表5所示。

由表4分析可知：（1）Tesla Model X在其抱怨車速下只存在一個顯著階次噪聲，而Denza EV、BMW i3和Emgrand EV同時存在2個顯著階次噪聲，BYD Qin EV和BYD Song EV同時存在3個顯著階次噪聲。（2）TNRmax值對比，BYD Song EV最優，Emgrand EV最差。（3）Total TNR值對比，Tesla Model X最優，Emgrand EV最差。

表4 電動汽車車內各階次噪聲中心頻率、TNRi值、TNRmax值和Total TNR值

4 電驅動噪聲聲品質主觀預測模型

將上文計算的TNRmax和Total TNR值，結合主觀評價煩擾度值，分別建立電動汽車電驅動噪聲聲品質線性回歸模型，將心理聲學指標TNRmax和Total TNR作為自變量，主觀評價煩擾度作為因變量，如圖4（a）和圖4（b）所示。

圖4 主觀評價煩擾度和客觀測試指標相關性分析

由圖4（a）和圖4（b）分析可知：（1）相比于TNRmax，Total TNR和主觀評價煩擾度具有更好的相關性和擬合度，其判定系數R2為98%，高于TNRmax與主觀評價煩擾度的判定系數（R2=80%）。（2）對比TNRmax值和Total TNR值發現，若只存在1階較為顯著的階次噪聲時，TNRmax值和Total TNR值相等；若同時存在多個階次噪聲，但其中某1階噪聲TNR值顯著大于其他階次噪聲TNR值時，Total TNR值略微大于TNRmax值；若同時存在多個階次噪聲，且各階次噪聲的TNR值較為接近時，Total TNR值將顯著大于TNRmax值。

綜上所述，當電動汽車電驅動噪聲同時存在多個階次噪聲時，心理聲學指標TNRmax不再適用，應采用Total TNR表征電動汽車車內電驅動噪聲聲品質特性，并與主觀評價煩擾度具有較強的相關性和擬合度。

5 結語

本文基于國內外市場上主流的6輛電動汽車的電驅動噪聲特性，開展了主觀評價和客觀測試研究，建立了電動汽車電驅動噪聲聲品質回歸模型，得到結論和成果如下：

（1）建立了基于光滑道路試驗的車內電驅動噪聲主觀評價和客觀測試試驗方法，提取和計算了主觀評價煩擾度和心理聲學TNR指標。

（2）首次將心理聲學指標Total TNR值作為電動汽車車內電驅動噪聲的聲品質關鍵評價指標。分析發現，當車內噪聲同時存在多個階次噪聲，且其TNR值差異不大時，TNRmax不再適用，必須采用Total TNR表征車內電驅動噪聲聲品質特性。

（3）相比于TNRmax值，Total TNR與主觀評價煩擾度具有更好的相關性和擬合度，建立的電動汽車電驅動噪聲聲品質回歸模型，其判定系數達到98%。

（4）基于該車內電驅動噪聲聲品質回歸模型，可以通過車內噪聲客觀測試數據，進行主觀評價煩擾度的精準預測，對電動汽車電驅動噪聲聲品質的正向開發具有重要的指導意義。