汽车门锁保险启闭声的评价方法研究

□ 朱 涛 □ 周 毅

1.同济大学新能源汽车工程中心 上海 201804

2.同济大学汽车学院 上海 201804

1 研究背景

汽车门锁保险启闭声品质是汽车噪声、振动与声振粗糙度研究的重要组成部分。通常消费者是在车辆静止状态时使用门锁保险启闭，因此启闭声在此时显得非常突出。目前，很多企业和高校在汽车关门声品质方面的研究已经取得了不少成果［1-5］，但对汽车门锁保险启闭时所产生的声响却少有关注。随着消费者对汽车门锁保险启闭声品质抱怨的增多，整车制造商们也逐渐对这一声响的品质关注起来。

2 声品质评价方法

2.1 主观评价方法

排序法、打分法、成对比较法、语义细分法等是常用的主观评价方法［6-9］。这几种方法各有优缺点，在评价过程中可以将这几种方法综合使用。笔者主要使用成对比较法作为主观评价方法。成对比较法将声样本两两组合进行评价，也称A/B比较法，评价时先后播放两个声响样本，评价者依据制订的评价判据对声响进行对比，并作出选择，认为声响较好的一个样本记为i，另一个记为j。在两个声响信号中选取i的概率为Pij（1≤j≤n，i≠j），则样本i的主观偏差绩效值Mi［10］计算式为：

2.2 客观评价方法

目前，客观评价方法中常用的心理声学参量有响度、尖锐度、粗糙度等［11-12］。除了响度及尖锐度这两个常用参数外，笔者还引入了RMS（均方根值）响度和RMS尖锐度这两个客观评价参数，用于描述在规定时间内评价者对响度和尖锐度的总体感知，这一方法称为RMS计算方法。传统上，利用峰值进行客观判断，但存在一定的局限性。对于一个持续的声响，使用RMS计算方法，同时结合峰值判断声品质，这样更有效。

RMS响度XS为：

式中：Xrms1为响度均方根值，sone；t为时间，ms。

RMS尖锐度XA为：

式中：Xrms2为尖锐度均方根值，Acum。

3 汽车门锁保险启闭声评价试验

3.1 样本采集

采用B&K PULSE软件记录汽车门锁保险的声响信号，测试车辆品牌为凯越，测试样本为Mini2.5、Mini3.0两款门锁。车外传声器测点布置如图1所示，声响样本编号见表1。

表1 声响样本编号

▲图1 车外传声器测点布置

传声器放置在正对门锁位置车外0.5 m、高1.6 m处，采样频率为65 536 Hz。采集4扇侧门处所有门锁的保险启闭声，每个工况测3次。需要注意的是，在后续计算分析中，只用了3组数据中的1组进行分析。

3.2 样本选取

应用PULSE软件截取时长为2 000 ms的声响信号，使瞬时脉冲处于信号中间位置，如图2所示。

3.3 客观评价参数计算

应用B&K PULSE软件中的ISO 532B声学响度级计算方法，计算启保险和闭保险的声响样本响度峰值，对Mini2.5和Mini3.0的计算结果如图3、图4所示。

Mini3.0为Mini2.5的改进版门锁，由齿轮系传动改为蜗轮蜗杆传动，并使用阻尼更大的材料进行缓冲。从图3、图4可以看出，无论是启保险还是闭保险，Mini3.0的响度峰值都明显比Mini2.5小。Mini2.5左前门保险启闭声的响度峰值变化曲线如图5、图6所示，可见启保险和闭保险都会出现两个波峰，第二个波峰是保险执行机构回到初始位置所导致的。

Mini2.5和Mini3.0声响样本的尖锐度峰值计算结果如图7、图8所示，Mini2.5左前门保险启闭声的尖锐度峰值变化曲线如图9、图10所示。从图7、图8可以看出，Mini3.0比Mini 2.5的尖锐度要小，但在左后门位置处尖锐度峰值相差不大。从客观评价参数值看，Mini3.0的响度峰值与尖锐度峰值均有改善，响度峰值的改善效果更佳。

大量研究表明，人耳对超过5 sone的声响比较敏感，因此在响度时间曲线上取0.7～1.0 s范围，计算RMS响度及RMS尖锐度，并代替传统的峰值进行判断。响度和尖锐度的截取方法如图11所示。

▲图2 声响信号选取

▲图3 启保险声响度峰值

▲图4 闭保险声响度峰值

▲图5 启保险声响度峰值变化曲线

▲图6 闭保险声响度峰值变化曲线

▲图7 启保险声尖锐度峰值

▲图8 闭保险声尖锐度峰值

▲图9 启保险声尖锐度峰值变化曲线

图12～图15为汽车门锁保险启闭声的RMS响度与RMS尖锐度。从图12、图13可以看出，无论是启保险还是闭保险，在同一测量位置，Mini2.5的RMS响度基本都是Mini3.0的两倍。从图14、图15可以看出，Mini2.5启闭保险的RMS尖锐度也要比Mini3.0大很多。可见，RMS计算方法比传统的峰值法更加直观且容易判断，但其正确性需待与主观评价结果进行相关性分析后才能评判。

▲图10 闭保险声尖锐度峰值变化曲线

▲图11 截取时间段

▲图12 启保险声RMS响度

▲图13 闭保险声RMS响度

▲图14 启保险声RMS尖锐度

▲图15 闭保险声RMS尖锐度

3.4 主观评价数据分析

成对比较法是可靠性较高的主观评价方法，主要误判包括相同声响样本的误判、不同播放顺序的误判和三角循环误判。在对误判规律进行总结时发现，出现以下三种情况时，即为判断者出现误判，i、j、k均为样本。

（1）Pij＞0，且Pjk≥0，Pik≤0。

（2）Pij=0，且Pjk≠Pik。

（3）Pij＜0，且Pjk≤0，Pik≥0。

若有n个样本，则三角循环误判的最大次数为：

主观评价地点选在公司消声监控室，采用PULSE声响回放模块和高保真耳机进行回放。20个评价者为公司员工，采用成对比较法来进行评价。评价中声响样本有16个，其中启保险与闭保险各8个，即x=8。对启保险与闭保险信号分别进行主观评价，按照两两组合排列公式y=x（x-1）/2，可以得到28种组合。

最终数据表明，20个评价者中有2人误判率大于30%，其余18人均小于30%，因此剔除这两人的数据。经过调查发现，这两人是对汽车不了解的人员，且年龄偏大，推断为其经验不足或听力下降导致误判。

按式（1）对剩余18个评价者的主观偏差性绩效值进行计算，启保险及闭保险各8个声响样本的主观评价结果见表2。

表2 主观评价结果

主观偏差性绩效值越大，说明声品质越差。由表2可知，Mini3.0的启保险与闭保险主观偏差性绩效值均小于Mini2.5。

4 主客观多元线性回归模型

将启保险与闭保险各8个声响样本通过声品质主客观线性回归方程y=ax+b来分析参数x与主观评价结果y之间的关系，响度峰值、尖锐度峰值、RMS响度、RMS尖锐度与主观偏差性绩效值的相关性如图16～图19所示。

启保险的响度峰值、尖锐度峰值、RMS响度、RMS尖锐度与主观偏差性绩效值的相关因子R2依次为0.812 4、0.247 8、0.805 3、0.769 5，由此可知，响度峰值与主观评价结果的相关性最好，其次为RMS响度及RMS尖锐度，而尖锐度峰值与主观评价结果的相关性最差，仅为0.247 8，从统计学意义上来说，尖锐度与主观评价结果基本不相关。

闭保险和启保险的主客观分析处理方法相同。闭保险的响度峰值、尖锐度峰值、RMS响度、RMS尖锐度与主观偏差性绩效值的相关因子R2依次为0.787 9、0.493 8、0.851 0、0.781 0， 可见 RMS响度与主观评价结果的相关性最好，其次为响度峰值及RMS尖锐度，而尖锐度峰值与主观评价结果的相关性最差，仅为0.493 8。

对启保险与闭保险各客观评价参数与主观评价结果的线性结果进行分析，得到以下结论：

（1）RMS响度、响度峰值及RMS尖锐度与主观评价结果有很好的相关性，且RMS响度、响度峰值与主观评价结果的相关性基本相同，并优于RMS尖锐度；

（2）尖锐度峰值与主观评价结果的相关性较差，因此在后续的多元线性回归分析中可以剔除该参数。

单一的客观参数不一定能很好地描述主观评价所感知到的声品质，主观感受是多个因素共同作用的结果，因此考虑建立多元线性回归模型：

式中：Y1为启保险；Y2为闭保险；X1为响度峰值；X2为RMS 响度；X3为 RMS 尖锐度；A、B1、B2、B3为多元线性回归模型待计算参数。

对各客观评价参数进行归一化处理后，利用统计学软件建立多元线性回归方程，所得模型为：

对多元线性回归模型进行拟合度检验和显著性检验，见表 3、表 4。

表3中启保险与闭保险的相关因子R2均大于0.88，可见模型的拟合程度较好。

▲图16 响度峰值与主观偏差性绩效值相关性

▲图17 尖锐度峰值与主观偏差性绩效值相关性

▲图18 RMS响度与主观偏差性绩效值相关性

▲图19 RMS尖锐度与主观偏差性绩效值相关性

表3 多元线性回归模型拟合度检验

表4 多元线性回归模型显著性检验

由表4可以看出，启保险与闭保险的置信度分别为 0.023 9、0.005 0，均小于 0.050 0，表明模型是显著的。

通过启保险与闭保险的多元线性回归模型，可以看出：

（1）响度峰值、RMS响度、RMS尖锐度与主观评价结果有密切联系，改变任意参数都会影响主观评价结果；

（2）通过建立模型，可以在得到响度峰值、RMS响度、RMS尖锐度参数的同时，预测启保险与闭保险的主观评价结果。

5 评价模型的应用

为了验证并应用声品质评价模型，在同样的被测车辆上重新安装了VV1、G2、GL共三款门锁，并进行分析。评价结果见表5、表6。

由表5可以看出，启保险模型预测结果与主观偏差性绩效值的相对误差均在可接受范围（15%）以内，主观评价时可明显感受出G2门锁的声品质较好，而VV1听起来比较响且刺耳。从模型的预测结果可以得到25号声响样本主观偏差性绩效值最小，与主观评价结果相一致。而35号声响样本主观偏差性绩效值最大，其主观评价得分也最高，两者相一致。启保险模型预测结果与主观评价结果对比如图20所示。

闭保险模型的验证过程与启保险一致，由表6可以看出，闭保险模型预测结果与主观偏差性绩效值的相对误差也均在可接受范围（15%）以内。闭保险模型预测结果与主观评价结果对比如图21所示。

笔者所建立的汽车门锁保险启闭声品质计算模型同样适用于其它不同类型的门锁。应用这一模型可以得到主观评价结果的预测值，不需要进行主观评价试验，能够大大缩短研发周期，节约企业开发成本。

6 结论

▲图20 启保险模型预测结果与主观评价结果对比

表5 新门锁启保险声品质评价结果

表6 新门锁闭保险声品质评价结果

▲图21 闭保险模型预测结果与主观评价结果对比

笔者以五款不同门锁作为研究对象，对汽车门锁保险启闭声进行了采集，对其中两款有代表性的门锁分别进行客观评价参数计算及主观评价，建立了启保险与闭保险的多元线性回归模型。将这一模型应用于另外三款门锁进行验证，效果良好。笔者所建立的启保险与闭保险多元线性回归模型还适用于其它种类的门锁。

笔者提出了汽车门锁保险启闭声品质的主客观评价方法，采用成对比较法得到了声品质的主观评价结果，在响度峰值、尖锐度峰值的基础上，提出了RMS响度和RMS尖锐度参数及其计算方法。

笔者对响度峰值、尖锐度峰值、RMS响度及RMS尖锐度与主观评价结果的相关性进行分析，发现响度峰值、RMS响度、RMS尖锐度与主观评价结果的相关性较好，尖锐度峰值与主观评价结果的相关性较差。

笔者建立并验证了利用响度峰值、RMS响度和RMS尖锐度进行汽车门锁保险启闭声品质评价的多元线性回归模型。

通过研究确认RMS响度和RMS尖锐度计算方法能够使企业缩短研发周期，减少资金、人员和时间等成本的投入。