純電動乘用車NVH主觀評價分析及建模

摘 "要：整車NVH主觀評價影響因素有很多，包含動力系統(tǒng)NVH、風(fēng)噪、路噪、開關(guān)門聲品質(zhì)、空調(diào)系統(tǒng)NVH、電動部件噪聲及振動等，為確定整車NVH主觀評價顯著因子，本文對整車NVH主觀評價與各系統(tǒng)NVH主觀評價建立模型，并對兩者之間的線性回歸進(jìn)行研究和分析。結(jié)果表明：（1）動力系統(tǒng)NVH主觀評價對整車NVH主觀評價影響最大，占比59%，其次為路噪的影響，占比41%;（2）整車NVH主觀評價與動力系統(tǒng)NVH、路噪主觀評價模型擬合度很高（擬合精度為99.97%），證明模型在統(tǒng)計學(xué)上是顯著的、有意義的。

關(guān)鍵詞：NVH主觀評價;t檢驗準(zhǔn)則;層次分析法;多元線性回歸

中圖分類號：U461.4 " " " 文獻(xiàn)標(biāo)識碼：A " " "文章編號：1005-2550（2022）05-0023-06

Analysis and Modeling of NVH Subjective Evaluation of Battery Electric Vehicles

ZHANG Yi-bo， LI Teng

（Automotive Research and Design Centre， Dayun Automobile Group CO. LTD， Yuncheng 044000， China）

Abstract： There are many factors affecting the subjective evaluation of vehicle NVH， including power system NVH， wind noise， road noise， door opening and closing sound quality， air conditioning system NVH， noise and vibration of electric components， etc. The vehicle NVH subjective evaluation and each system NVH subjective evaluation model are established， and the linear regression between the two is studied and analyzed. The results show that：（1） The subjective evaluation of the NVH of the power system has the greatest impact on the subjective evaluation of the NVH of the vehicle， accounting for 59%， followed by the impact of road noise， accounting for 41%; （2） The subjective evaluation of vehicle NVH and the subjective evaluation of power system NVH and road noise have a high degree of fit （the fitting accuracy is 99.97%）， which proves that the model is statistically significant and meaningful.

Key Words： NVH Subjective Evaluation; T-Test Criterion; Analytic Hierarchy Process; Multiple Linear Regression

隨著中國汽車工業(yè)近幾十年的快速發(fā)展與進(jìn)步，消費者已經(jīng)不滿足于汽車僅作為交通工具來使用，對車輛舒適性的需求也越來越高。整車NVH（噪聲、振動、聲振粗糙度）在車輛舒適性評價中，是一項極其重要的指標(biāo)，整車NVH的優(yōu)劣甚至已成為消費者購車選擇中的決定性因素。

整車NVH是一個綜合性評價項目，一般我們是指整車級NVH性能總體狀態(tài)，整車NVH的優(yōu)劣，取決于其下級評價指標(biāo)各系統(tǒng)級NVH性能評價結(jié)果，例如動力系統(tǒng)及空調(diào)系統(tǒng)NVH性能、風(fēng)噪、路噪等。

整車NVH分為主觀評價和客觀測試，目前有很多的測試設(shè)備，以及完善的測試方法可以對整車NVH性能進(jìn)行客觀測試，測試結(jié)果以不同的聲學(xué)參數(shù)（如聲壓級、語音清晰度、尖銳度等），去表征其NVH性能的優(yōu)劣。目前有許多學(xué)者基于某系統(tǒng)或某種特定工況，對整車及系統(tǒng)級NVH主觀評價結(jié)果與客觀測試結(jié)果相關(guān)性進(jìn)行了深入的分析探討，并取得了不少成果[1-5]。

本文重點研究純電動乘用車，整車NVH主觀評價結(jié)果與其下級各系統(tǒng)NVH單項主觀評價結(jié)果的相關(guān)性。基于層次分析法，確認(rèn)多名主觀評價人員評分權(quán)重，之后建立多元線性回歸模型，通過逐步線性回歸方法，最終確定整車NVH總體評價結(jié)果顯著因子，以及顯著因子對整車NVH的影響系數(shù)，該參數(shù)可為整車NVH主觀評價提升提供理論依據(jù)以及優(yōu)化方向，同時，該研究方法，可為其它多人評價體系，提供一種優(yōu)化方法和思路。

1 " "主觀評價

1.1 " 主觀評價試驗

為了減少車輛級別差異帶來的不穩(wěn)定影響因素，本次試驗限定從市場上選取4輛主流C級純電動乘用車，樣車單車售價區(qū)間為30-50萬元，分別用樣車A、B、C、D代替。4輛樣車包含2輛轎車、2輛SUV。為降低路面、環(huán)境一致性對試驗結(jié)果的影響，在公司內(nèi)部封閉試驗場進(jìn)行相關(guān)評價。

從公司篩選6名主觀評價人員參與本次試驗，其中包含2名NVH主觀評價專家，2名專業(yè)NVH主觀評價人員，以及2名非專業(yè)普通人員，該6名評價人員（4男2女）分別用評價員1、2…6代替。

為保持試驗過程的一致性，本次評價試驗，始終僅由1名專業(yè)司機(jī)，按照既定路線、既定試驗工況駕駛車輛，進(jìn)行特定工況評價。整車NVH主觀評價人員在固定位置（副駕駛員amp;二排左側(cè)位置）進(jìn)行整車及系統(tǒng)NVH主觀評價，評價過程中，各評價員之間不得對評分結(jié)果交流探討。

基于純電動乘用車NVH特性，本次主觀評價項目分別為動力系統(tǒng)NVH、風(fēng)噪、路噪、開關(guān)門聲品質(zhì)、空調(diào)系統(tǒng)NVH、電動部件噪聲及振動、整車NVH，編號分別為i、j、k、l、m、n、Y。上述7個評價項分別由篩選的6名主觀評價人員依次評價打分，具體試驗工況、評價路面、評價內(nèi)容如表1所示：

評價前需要對所有評價人員統(tǒng)一進(jìn)行一次簡單的NVH主觀評價培訓(xùn)，目的在于統(tǒng)一本次評價標(biāo)準(zhǔn)，培訓(xùn)內(nèi)容包括每種工況的主要評價項、評分規(guī)則等。

按照行業(yè)慣例，本文采用10分制絕對評分法，主觀評價分值精度精確至“0.5”分，評價人員根據(jù)駕乘感受確定評價項與分值的對應(yīng)關(guān)系，重點突出評價員對評價項目的認(rèn)可程度，評分分值與主觀感受關(guān)系如圖1所示。

按照上述評價工況及評分標(biāo)準(zhǔn)，評價員1-6，分別對樣車A、B、C、D各系統(tǒng)（i-n）及整車級NVH進(jìn)行主觀評價，樣車整車及各系統(tǒng)NVH性能主觀評分如表2所示：

1.2粗大誤差數(shù)據(jù)處理

有研究表明，當(dāng)樣本數(shù)量較少時，可采用羅曼諾夫斯基準(zhǔn)則[6-7]。羅曼諾夫斯基的基本思想在于，通過比較剔除可疑數(shù)據(jù)前后整體數(shù)據(jù)的離散性，來判定可疑數(shù)據(jù)是否為粗大誤差。結(jié)合羅曼諾夫斯基準(zhǔn)則，假設(shè)n名評價人員對某輛車的某性能進(jìn)行獨立的主觀評價，得到n個評價分?jǐn)?shù)：

L1， L2，L3，……，Ln

若認(rèn)為評價分?jǐn)?shù)Lj為可疑分?jǐn)?shù)，則將其剔除后計算平均值為：

（1）

在總區(qū)間為10分跨度的主觀評價打分中，分為了10種描述，取粗大誤差判定閾值為最小的描述間隔，即若|Li-L|>1時，則認(rèn)為評價分?jǐn)?shù)Li含有粗大誤差，剔除Li是正確的，否則認(rèn)為Li不含有粗大誤差并應(yīng)當(dāng)予以保留。

針對C樣車k工況主觀評價數(shù)據(jù)，處理結(jié)果如表3所示。結(jié)果表明評價人員4該項主觀評價偏差為1.1，大于判定閾值1，屬于粗大誤差，因此該項主觀評分?jǐn)?shù)值需要剔除，其余數(shù)據(jù)保留。

用相同的方法處理所有主觀評價數(shù)據(jù)，剔除所有粗大誤差數(shù)據(jù)，整理后主觀評分有效數(shù)據(jù)如表2所示，其中帶紅色底紋數(shù)據(jù)為粗大誤差數(shù)據(jù)，需要剔除，其余數(shù)據(jù)保留。

1.3 " 有效數(shù)據(jù)整理

在對有效數(shù)據(jù)進(jìn)行處理之前，需要先將6名評價人員打分權(quán)重進(jìn)行最終確認(rèn)。本論文采用層次分析法（The analytic hierarchy process）簡稱AHP，在20世紀(jì)70年代中期由美國運籌學(xué)家托馬斯·塞蒂（T.L.Satty）正式提出[8-9]。

對6名評價人員評分權(quán)重進(jìn)行建模分析之前，需要對比評價人員的專業(yè)水平，構(gòu)造成對比較矩陣。使用數(shù)量化的相對權(quán)重aij描述，成對比較矩陣中aij的取值參考Satty的建議，aij在1-9及其倒數(shù)中間取值。aij的數(shù)值大小是第i行評價人員與第j列評價人員的重要性比值，1表示兩者重要性相同，3表示前者比后者略重要，5表示重要，7表示重要得多，9表示極其重要，也可用偶數(shù)表示介于中間狀態(tài)，評價人員對比矩陣如表4所示。

成對比較矩陣的特點：aij>0，aij×aji=1，當(dāng)i=j時候，aij= 1。

通過AHP軟件對上表進(jìn)行分析，結(jié)果為：該比較矩陣最大特征值λmax=6.1193，一致性CI=0.2386，一致性CR=0.0189。

當(dāng)0

計算每行乘積的m次方，得到一個m維向量

（2）

即：

評價人1向量：

評價人2向量：

評價人3向量：

評價人4向量：

評價人5向量：

評價人6向量：

將上述評價人員向量標(biāo)準(zhǔn)化即得到各評價人員評分權(quán)重：

（3）

即：

評價人1權(quán)重（fk1）：

評價人2權(quán)重（fk2）：

評價人3權(quán)重（fk3）：

評價人4權(quán)重（fk4）：

評價人5權(quán)重（fk5）：

評價人6權(quán)重（fk6）：

最終整理評價人員1-6的評分權(quán)重如表5所示：

根據(jù)上述人員權(quán)重表，可以分別計算出每輛樣車單獨某項真實主觀評價得分，公式為：

（4）

其中L1-L6分別為評價人員1-6對某樣車整車或系統(tǒng)NVH主觀評分有效數(shù)據(jù)，fk1-fk6分別為評價人員1-6評分權(quán)重，Kp（p=i、j…n）為該輛車該項NVH主觀評價最終真實得分。

真實數(shù)據(jù)處理過程中，需要剔除部分粗大誤差數(shù)據(jù)，會導(dǎo)致該組評價人員不全，就需要構(gòu)建新的成對比較矩陣，因此，該組各評價人員會有不同的權(quán)重系數(shù)，需要特殊對待。本文對上述重復(fù)繁瑣的處理過程，不再一一進(jìn)行展示，但最終結(jié)果，作者已剔除所有粗大誤差數(shù)據(jù)，并更新個別數(shù)據(jù)組評價人員權(quán)重系數(shù)，最終計算NVH主觀評價有效得分結(jié)果如表6所示：

2 " "NVH主觀評價模型搭建

2.1 " 逐步線性回歸模型

回歸分析方法是常用的建模方法，選取不同評價樣車各系統(tǒng)NVH主觀評價項得分（Kp）作為連續(xù)預(yù)測變量，整車NVH主觀評價得分（Y）為響應(yīng)，采用逐步線性回歸方法，對整車NVH主觀評價得分進(jìn)行多元線性回歸分析[10-11]。

響應(yīng)（Y）與連續(xù)預(yù)測變量（Ki，Kj，Kk，Kl，Km，Kn），入選用 Alpha = 0.15， 刪除用 Alpha = 0.15，最終得到如下回歸模型回歸方程：

Y=-3.1125 + 0.8698×Ki + 0.6051×Kk " （5）

式中，Ki為動力系統(tǒng)NVH評價得分，Kk為路噪評價得分，對上述模型進(jìn)行各項檢驗校核分析，檢驗結(jié)果如表7-表9所示：

如上模型參數(shù)，T檢驗P值<0.05， R檢驗結(jié)果擬合優(yōu)度R2>95%，F(xiàn)檢驗P值<0.05，說明該模型各系數(shù)顯著，方差分析顯著，即預(yù)測變量與響應(yīng)之間線性關(guān)系顯著，模型擬合度高，因此，可認(rèn)為該模型在統(tǒng)計學(xué)上是顯著的、有意義的。

Durbin-Watson統(tǒng)計量=3.09102。

Durbin-Watson檢驗，又稱DW檢驗，用來檢驗回歸分析中殘差的一階自相關(guān)性，通常認(rèn)為，DW檢驗值分布在0-4之間，該統(tǒng)計量值越接近2越好，一般在1-3之間可粗略判斷為滿足獨立性條件。本模型DW檢驗值為3.09102，勉強認(rèn)為滿足獨立性要求。

對所有響應(yīng)與擬合值標(biāo)準(zhǔn)化殘差進(jìn)行分析如表10所示，根據(jù)3σ準(zhǔn)則我們可以知道，99.74%的標(biāo)準(zhǔn)化殘差會落在-3到3這個區(qū)間上，落在（-2，2）與（-3，3）之間的點稱之為可疑值，（-3，3）之外的點稱為異常值。本模型所有標(biāo)準(zhǔn)化殘差值均處于-1到1這個區(qū)間上，因此我們判定模型合格。

2.2 " 結(jié)論

基于本文中篩選出來的4 款同級別純電動乘用車（30-50萬元）為對象，通過逐步線性回歸模型，展開了整車NVH主觀評價得分顯著因子的研究：

式5中，整車NVH主觀評價得分顯著因子，動力系統(tǒng)NVH（Ki）為0.8698，路噪（Kk）為0.6051，對動力系統(tǒng)NVH和路噪顯著因子標(biāo)準(zhǔn)化處理：

動力系統(tǒng)NVH影響系數(shù)：

路噪影響系數(shù)：

由此可知，提升動力系統(tǒng)NVH跟路噪，是提升整車NVH主觀評分的最優(yōu)方法，尤其是動力系統(tǒng)NVH的提升。

3 " "結(jié)束語

本文提供了一種建模分析方法、思路，可以為相關(guān)人員研究整車NVH主觀評價優(yōu)化提升提供依據(jù)，明確方向。同時，對于類似多人評價總體結(jié)果與其評價單項結(jié)果顯著性研究，本文有一定的參考意義。

但本次研究，同樣存在很大不足之處，具體如下：

1、本次評價，樣車選擇數(shù)量有限，評價人員數(shù)量、性別比例、地域差異均未進(jìn)行充分調(diào)研，無法評估對模型結(jié)果的影響，因此本次模型分析結(jié)果適用于本次NVH主觀評價試驗，后續(xù)隨著試驗數(shù)據(jù)樣本量的增加，該模型會越來越精確;

2、本次評價沒有在專業(yè)NVH主觀評價試驗室進(jìn)行，實車評價時無法規(guī)避車輛品牌帶來的附加影響，建議采集數(shù)據(jù)，在主觀評價試驗室通過噪聲回放來完成主觀NVH評價工作。

參考文獻(xiàn)：

[1]高靜軒，陳劍，陳心昭.整車NVH性能主觀評價的模糊綜合評判模型[D].噪聲與振動控制，2009，4.

[2]龐劍，諶剛，何華.汽車噪聲與振動-理論與應(yīng)用[M].北京：北京理工大學(xué)出版社，2006.

[3]林逸，馬天飛，姚為民.汽車NVH特性研究綜述[J].汽車工程，2002，24（3）：32—36.

[4]陶應(yīng)超.乘用車NVH性能商品性評價方法[J].汽車實用技術(shù)，2021，16.

[5]申秀敏，左曙光，王勇等.轎車聲品質(zhì)主觀評價研究[J].噪聲與振動控制，2013，1：96-101.

[6]劉海江，鄧志剛，張志云.乘用車性能主觀評價數(shù)據(jù)處理方法的研究[J].機(jī)電一體化，2017，04：9-14.

[7]費業(yè)泰.誤差理論與數(shù)據(jù)處理[M].機(jī)械工業(yè)出版社，2017，7-6：10-56.

[8]馬立平.層次分析法[J].北京統(tǒng)計，2000，125.

[9]呂躍進(jìn)，楊燕華.區(qū)間粗糙數(shù)層次分析法[J].系統(tǒng)工程理論與實踐，2018，38（3）.

[10]陳正江，蒲西安.多元線性回歸分析與逐步回歸分析的比較研究[J].牡丹江教育學(xué)院學(xué)報，2016，5.

[11]沈秀娟.逐步回歸法在多元線性回歸分析中的應(yīng)用[J].科學(xué)與財富，2020，15.

張義博

畢業(yè)于長沙理工大學(xué)，本科學(xué)歷，現(xiàn)就職于山西大運汽車股份有限公司，任職整車NVH性能集成主管，主要研究方向為NVH性能集成（開發(fā)、試驗），重點研究整車NVH主觀評價、熱管理系統(tǒng)NVH性能開發(fā)等。

專家推薦語

吳道俊

合肥工業(yè)大學(xué)

博士 "廈門金龍客車高級工程師

本文對整車NVH主觀評價及影響因素進(jìn)行主觀評價、數(shù)據(jù)處理和有效數(shù)據(jù)最終獲取;建立了整車NVH主觀評價得分與各系統(tǒng)NVH主觀評價項得分的線性回歸模型回歸方程并檢驗，確定了整車NVH主觀評價得分顯著因子及其影響系數(shù)占比，為整車NVH主觀評價優(yōu)化和提升提供了依據(jù)和方向。相關(guān)研究形成一套技術(shù)方法和流程，具有工程參考意義。