全油门加速工况车内声品质研究

郭勇，王海洋

（中国汽车技术研究中心，天津 300300）

全油门加速工况车内声品质研究

郭勇，王海洋

（中国汽车技术研究中心，天津 300300）

以23辆乘用车的3挡全油门加速工况的车内噪声为研究对象，对车内声品质采用等级评分法进行主观评价试验，分析计算各噪声样本的心理声学参数和非心理声学的客观参数，并应用多元线性回归理论建立声品质预测模型。研究表明，响度、线性度和粗糙度是影响听众对全油门加速噪声主观感受的最重要的因素，模型预测结果与主观评价试验结果相关系数2R为0.853，预测值与主观评价实测值吻合度较高，所建立的声品质评价模型在统计学上是有意义的。

声品质；车内噪声；回归分析；

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

前言

随着我国汽车工业的发展，车辆的噪声问题已经不能简单的以A计权声压级作为评价标准，声品质因其能反映评价人对噪声的主观感觉而越来越受到各大汽车厂家的重视。稳态下的汽车声品质研究已经发展了很长时间，也取得了丰硕的成果[1-3]，但汽车在加速行驶条件下的车内噪声品质研究较少，其声品质也是整车声品质研究的一个重要领域，对其声品质进行研究和改进是有重要意义的。

本文对23种类型国产乘用车在3挡全油门加速工况下行驶时的车内各处的噪声样本进行了试验采集和主观评价, 计算各噪声样本相应的心理声学客观参数和非心理声学的客观参数, 并通过统计学分析，采用多元回归分析方法建立全油门加速工况下车内噪声的主观评价结果与客观参数之间的数学模型。

1、车内声品质的主观评价

1.1 样本数据库的建立

噪声样本的采集是声品质评价工作的第一步，也是决定

主观试听试验能否顺利进行、试验结果是否真实有效的至关重要环节。为保证噪声采集的真实有效，本文使用的噪声样本采集设备是LMS公司32通道数据采集前端和B&K公司的麦克风。

噪声样本采集试验记录了23辆国产乘用车在干燥平坦沥青路面上，车内乘员各处的噪声信号，测试工况为3挡全油门加速工况，发动机转速为2000rpm至5000rpm。剔除受到干扰及存在明显异响的声音样本后，得到44个有效噪声样本。

1.2 主观评价试验

对车辆的主观评价方法有很多种：直接评分法、成对比较法、语义细分法、排序法等，这些方法各有利弊，适用于不同的试验条件。因此，必须选择适宜的评价方法才能获取良好的评价结果。

对全油门加速工况时的声品质进行评价时，等级评分法以具体数值为声品质最终结果，简单明了、便于后续处理分析，多被相关文献[4-7]采用。因而本文也选用等级评分法进行主观声品质评价试验，评价等级设定如表1所示。为保证评分数据的一致性，试验给出了评分为5分和7分的噪声样本作为等级评分的参考。

表1 等级评分法刻度及其对应语义

针对等级评分法的弱点，本文在选取评价人员时，均选取有NVH工程经验或驾驶经验的人员，共选取评价人员30名，其中男性26名，女性4名，年龄在20岁至40岁之间。

在等级评分法中，需要对获得的所有主观评价结果进行数据检验，采用平均相关系数作为标准，剔除不稳定评价人员的结果。本文采用SPSS软件，对评价人员相互之间的Spearman 系数进行计算，然后对每位评价者与其他所有评价者的相关系数取算术均值，计算平均相关系数。各评价者之间的平均相关系数如表 2所示，从表可看出，第 7、12、19、25、27 、30位评价者的结果与其他人的相关系数相对较低，小于 0.7。这说明，以上几位评价者给出的打分结果离散性较大，与其他人员的声品质打分线性关系很弱，应予以剔除。

表2 等级评分试验中评价者的平均相关系数

经上述数据检验后，保留了 24个人的评价结果。将这些有效评分结果进行统计，得到30个噪声样本的主观评价数据。

2、声品质客观评价参数分析

2.1 客观参数计算

为客观量化对声音的主观评价，人们提出了心理声学的基本概念和基本参数，为声音品质评价提供了理论基础。一般来说，响度、粗糙度、尖锐度、波动度等多个心里声学参数已经被广泛的应用于声品质参数分析之中。参考国内外相关文献[4-7]，本文选择响度、粗糙度和尖锐度三个心理学参数作为声品质客观评价的一部分参数，这些参数的计算都采用LMS商用软件提供的计算方法。

在对声音品质进行客观评价时，除了用到心理声学参数外，还会用到其他一些经验参数，如峰度、语言清晰度和语音干扰级等。本文针对全油门加速工况的声压级随转速的变化，提出线性度和低频贡献量两个统计学经验参数。

2.1.1 线性度

在全油门加速评价过程中，评价人员对噪声随转速的变化比较敏感，一般来说，车内噪声应该随着转速的增加而平稳线性的增加，如果突然出现峰值或峰谷（图1所示），评价人员会认为车辆出现异常，将会影响评价人员对该噪声的主观感觉。因此有必要对全油门加速工况的噪声总声压级曲线的线性度进行评价。

本文中线性度的计算方式如下：

（1）对全油门工况的总声压级曲线(命名为曲线A)进行一元一次线性方程拟合，用该方程计算出的声压级（命名为曲线B）代表原曲线，如图1中的虚线所示。

（2）考虑到一般人耳对声压级的变化的3dB(A)左右，因此将曲线B向Y向正向平移1.5dB(A)，得到曲线变化的最大允许变化范围，计做Bmax；曲线B向Y负向平移1.5dB(A)，得到曲线变化的最小允许变化范围，计做Bmin。如果总声压级曲线随转速的变化范围在Bmax和Bmin之间，评价人员将对噪声变化不明显。如果超出这个范围，将影响评价人员对噪声的主观感觉。

（3）应用公式（1）计算各个转速下的声压级差值，全部相加后可以得到该曲线的线性度。

其中，i代表发动机转速，其取值范围是2000～5000；iA代表在转速i时候的原曲线声压级；Bmaxi代表在i转速时声压级允许变化的最大值；Bmini代表在i转速时声压级允许的最小值。

2.1.2 低频贡献量

在全油门加速噪声的客观分析中，一般用图2所示的声压级阶次图来分析全油门噪声中低频噪声的影响。对于四缸机来说，就是C2、C4、C6、C8代表低频噪声随转速的变化趋势。研究表明，低频噪声更容易给人耳压迫的感觉，容易影响到评价人员的主观感觉。因此有必要对全油门加速工况的噪声总声压级的低频噪声的贡献量进行评价。

本文中低频贡献量的计算方式如下：

（1）提取各转速下的总声压级iA和C2声压级C2i，按照公式2进行计算。

（2）提取各转速下的总声压级Ai和C4、C6、C8声压级C4i、C6i、C8i，依然按照公式2给出的计算公式计算数值。

（3）将所有所得数据进行求和，该数值就是该全油门曲线的低频贡献量。

通过应用上述公式和商业软件的计算，得到30个样本的声品质评价参数，具体参数如表3所示：

表3 各样本噪声心理声学参数值及主观评价结果

2.2 参数相关性分析

为了研究全油门加速工况的车内噪声品质主观评价结果与声品质客观参数之间的相互关系, 本文使用SPSS(Statis -tical Product and Service Solutions )应用统计软件对等级评分法得到的声品质主观评价数值与计算得到的客观参数进行了线性相关分析，分析结果如表4所示。

表4 车内声品质主观评价等级与客观物理参数间的相关性

从表4上可以看出，响度、线性度、低频贡献量三个参数与主观评价的结果有明显的相关性，相关系数都在0.7以上。散点图3、4、5可更直观地表现出表4中响度、线性度、低频贡献量与主观评价结果的线性相关性。

3、声品质多元回归预测模型的建立

在明确了上述相关关系之后进行多元线性回归分析, 以确定用声品质的参数客观量化描述声品质主观评价结果的关系式。回归分析方法是处理多个变量之间相互依赖关系的一种数理统计方法，它不仅能够分析自变量对因变量影响的大小，还可以通过回归方程对因变量进行预测和控制。本文中

的因变量为声品质评价值, 自变量则为表3中计算的6中声品质客观参数。应用SPSS软件[8]，按照逐步回归( stepwise)方式, 通过F检验的方式来引入和排除自变量，最终响度、线性度和粗糙度进入模型,而低频贡献量、尖锐度和AI指数则被剔除，最终得到的多元线性回归分析结果如表5所示。

表5 回归模型概述及回归系数表

根据表5中的非标准化系数，可以得到全油门加速工况下车内声品质主观评价的客观量化数学模型，方程如下：

式中，SQ为主观声品质评价的评价值；L为响度；Lin为尖锐度；R为粗糙度。

式3表明，在全油门加速工况下，轿车车内噪声品质可以用响度、线性度和粗糙度参数进行客观描述，其预测值与评审团测试结果相关系数R2为0.853，回归模型的R2值大于0.8 证明预测模型与实际值之间具有较好的一致性。因此改善车辆全油门噪声的声学品质, 应该注意对噪声的响度、线性度和粗糙度进行控制。另外, 表5中响度的标准化系数为0.736, 线性度的标准化系数为0.370, 粗糙度的标准化系数为0.205, 说明在本文的试验条件下, 声品质客观参数的影响程度由大到小为：响度>线性度>粗糙度。

最后，对所建立的多元回归模型进行校验，图6和图7中可以看出残差基本呈正态分布，且散点分布基本符合直线趋势。上述检验全部通过，说明本文建立的声品质客观量化模型在统计学上是有意义的。

4、结论

（1）采用心理声学参数响度和粗糙度，以及非心理声学客观参数线性度来描述全油门加速工况下的车内噪声声品质是合理的。

（2）通过多元回归分析，建立评价人员的主观评价值与声品质客观参数之间的有效联系，其预测值与评审团测试结果相关系数2R为0.853，证明预测模型与实际值之间具有较好的一致性。因此，该线性回归模型可以用来对全油门加速工况的声品质进行预测，并且可以作为全油门工况声品质优化的判断依据。

（3）分析表明，响度和线性度是影响全油门加速工况声品质的最主要的客观参数，两者与评价结果负相关，说明随着响度和线性度的增大，全油门加速工况的主观评价结果会降低。

[1] 申秀敏，左曙光，王勇，李彬.轿车声品质主观评价研究[J].振动与噪声控制，2013年，第1期∶96-101.

[2] 陈剑,杨雯,李伟毅. 汽车声品质主观评价试验方法探究[J].汽车工程，2009,31卷∶389-392.

[3] 唐荣江. 车内声品质评价预测与控制技术研究[D].长春∶吉林大学,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] 牟海龙. 国产轿车非稳态状况下声音品质的研究[D].长春∶吉林大学,2009.

[8] 夏怡凡. SPSS统计分析精要与实例详解[M].北京∶电子工业出版社，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，就职于中国汽车技术研究中心。