基于人工神经网络的汽车内部噪声客观评价

基于人工神经网络的汽车内部噪声客观评价

汽车内部噪声已经成为消费者对汽车整体评价的一个重要因素，音质成为汽车声学问题最为关注的对象，大量有关汽车内部噪声音质的研究工作已进行，并考虑了人类感知因素，主观和客观都将作为评价方法运用于声音质量分析，大量心理声学文献得出的结论也被引用在汽车内部噪声的评估中。

本研究测量了客车的内部噪声，音质度量的计算包括声音压力水平、响度、清晰度和粗糙度。如同众多不同领域的科技致力于克服试验困难，节省消费、时间和劳动力等一样，专门设计了一种神经网络而运用于汽车内部噪声的研究中。基于试验值设计的人工神经网络可对音质的各因素作出估算，并将预期的数据同试验结果进行比较。结果表明，人工智能模型可以完美地估算客车内部噪声的音质，通过使用统计分析可靠度可达99.95%。

本研究主要包括整车试验、人工神经网络的设计、前馈网络的应用、试验结论与分析。具体的实用模型是4冲程发动机客车，车速由60km/h到130km/h，以10km/h为单位间隔作数据记录，汽车的前馈神经网络包括2个输入层神经元、25个隐层神经元、4个输出层神经元。从人工神经网络和试验对声音质量得到的结果进行比较，表明两者之间的高度一致性，音质各因素的数据通过估计与试验之间分析。为了证明所设计人工神经网络的估计准确性，采用回归分析所得出的估计和试验结果拥有高度一致性，误差非常小，在可以忽略的范围。

ShumingChenetal.SAE

2013-01-1704.

编译：周建鹏