汽车空调单体风门运行工况瞬态声品质灰色预测模型

2022-12-20杨啟梁汪海亮

噪声与振动控制 2022年6期

杨啟梁，汪海亮，胡溧，王路

（1.武汉科技大学汽车与交通工程学院，武汉 430065；2.东风马勒热系统有限公司，武汉 430056）

声品质反映的是评价主体对特定环境下噪声的主观感受[1]，现阶段大量学者通过客观参数与主观评价结果建立预测模型探究特定环境下样件声品质性能。空调声品质是汽车NVH 性能的主要研究方向之一。在空调制冷剂流动噪声研究中，周滋峰等[2]针对空调关闭后冷媒流动噪声问题，利用噪声客观测量以及主观评价方法，将噪声值定量化，最后基于六西格玛设计进行参数优化，使冷媒流动噪声得到抑制。陈绍林等[3]通过改变制冷系统节流强度和压缩比等方法，对空调噪声变化规律进行了研究，利用优化系统设计、控制逻辑等消除或减弱流动脉动产生的噪声。在空调振动噪声研究中，张静等[4]针对某空调单体鼓风机噪声源识别问题，通过相干分析法、局部屏蔽法以及声压法进行噪声源识别和传播路径分析，通过优化鼓风机电机与其外壳的固定方式来抑制鼓风机电磁噪声的传播。王帅[5]针对某车型空调系统中出现的噪声问题，通过频谱分析、模态分析、瀑布图分析等对噪声源进行诊断，并对压缩机与支架之间产生的共振现象进行结构优化，从根源处解决噪声问题，从而改善了驾乘环境。在空调声品质研究中，尤晋闽等[6]以某空调压缩机为研究对象，针对不同工况噪声进行主客观分析，并通过相关性分析及线性回归分析，提出声品质主观偏好性值的预估模型。胡溧等[7]对某车型空调进行了声品质研究，提出了声品质主观评价方案，建立了汽车空调不同工作模式下的烦恼度模型和主观评价指标的广义神经网络模型。

大量学者对汽车空调系统的研究主要集中在流体噪声、振动噪声处理上，空调声品质研究也集中于稳定工况，而对汽车空调瞬态工况声品质研究较少。对空调生产企业而言，不仅关注空调单体在稳态工况的声品质，更关注空调在启动、风门运行等瞬态工况下声品质，因此，对空调单体瞬态工况声品质评价相关问题进行研究具有一定的工程实践价值。本文以某款汽车空调单体为对象，对风门运行瞬态声品质问题进行研究，在传统客观参数中引入“突出率”，主观评价中采用分组成对比较法，并通过灰色理论GM(1，N)模型建立风门运行瞬态声品质预测模型。

1 客观参数

1.1 空调单体风门运行瞬态噪声采集试验

依据企业测试标准，采集某空调单体风门运行驾驶员右耳处不同工况下噪声。根据空调单体不同工作模式（制冷、制热）、风门不同运行状态（内循环、外循环、吹脸、吹脚、除霜）和鼓风机档位（1～8档）的不同组合，选择15 种试验工况（如表1 所示）进行噪声采集。其中O、R 分别表示外循环、内循环；A、P、D分别表示吹脸全冷、吹脚全热、除霜全热；3、5、8分别表示3 挡、5 挡、8 挡，如OAtP8 表示8 挡外循环吹脸全冷到吹脚全热。

试验场地满足ISO 3745 标准的半消声室；试验硬件包括笔记本电脑、8通道数采前端QuadrigaII、麦克风、模式控制线束、稳流舱等；测试分析软件为Head-acoustics ArtemiS噪声测试分析系统。试验系统布置如图1所示。

图1 试验场景

1.2 声品质客观参数计算

为量化人耳对声音信号的印象，国内外研究学者提出了多种用于描述声音客观参数指标。常用心理声学客观参数有响度、尖锐度、抖动度、粗糙度等[8]。本文选用A 计权声压级、响度、尖锐度、粗糙度、抖动度。而Prominence Ratio（突出率）用于分析噪声中离散突出纯音的心理声学参数，常用于评价电子设备离散突出纯音引起的烦恼程度[9]。同时David 等[10]研究表明，在单个高频成分（＞1 kHz)增加时，噪声整体音质满意度也逐渐降低。因此针对该瞬态工况离散突出纯音，增加突出率心理声学客观参数，其数学模型如式（1）、式（2）所示[11]：

当ft>171.4 Hz时

当ft≤171.4 Hz时

式中：ft为纯音频率；LM为中心判定带宽的声压级;LU为上限判定带宽的声压级；LL为下限判定带宽声压级。

根据采集的15 组噪声计算客观参数如表1所示。

表1 客观参数

2 主观评价及分析

2.1 主观评价试验设计2.1.1 评价方法的确定

声品质主观评价方法主要有排序法、量值估计法、等级评分法、语义细分法和成对比较法等。由于汽车空调生产企业评价人员均为NVH工程师，评价主观性较强且耗时长，往往无法准确体现出消费者主观感受，因此将无噪声主观评价经验者作为本实验主观评价人员。同时对于该研究对象，单个样本瞬态过程持续时间为15 s，利用传统的成对比较法评价时间较长，故采用分组成对比较法，即根据样本量的多少及一次所用的时间将样本分成n组，每组进行评价时分别采用成对比较法[12]。

2.1.2 评审团的选定

通常20 名评价者就能够得出较为准确的声学评价结果，故选取24 名听力正常的评审员进行测试，主要为在校大学生、高校工作者、公司职员等，男女比例为3:1，年龄为18到50岁，无主观评价经验。

2.1.3 噪声样本分组的确定

距离分析是计算样品之间或者变量之间的广义距离，对它们之间的相似或不相似的程度进行分析，以考察研究对象间的相似程度的1 种统计方法[13]。根据各噪声样本客观参数，计算各客观参数中位数。基于距离分析得出各样本客观参数与客观参数中位数非相似性系数，系数最小为样本10，并设立为关联样本，且各样本客观参数与关联样本非相似性系数如表2所示。

根据表2 中非相似性系数将样本均匀分成两组，如表3所示。

表2 非相似性系数

表3 样本分组

2.1.4 评分方法的确定

本次主观试验中以满意度作为主观评价量化指标。将15 组噪声样本分为两组，同时设立关联样本，即每组8 个噪声样本，为减少评价时间，提高试验效率，每组只进行ij比较，而不进行ji比较。每次比较Ai、Bj时，若评价人员感觉Ai好于Bj，赋值2；若感觉Ai与Bj相当，赋值1；若Ai差于Bj，赋值0，由此可得到24个评价人员对各样本满意度主观得分值。

2.2 主观评价结果与分析

声品质主观评价实际上是一种心理测验，在进行主观评价过程中，通过人为设计的方法来检验评价结果可靠性。设计检验包括相同噪声样本（ii）比较错误检验、不同播放顺序噪声样本（ij-ji）比较错误检验以及三角循环错误检验。对于以上3种错误检验，可利用计权一致性的方法进行主观评价数据筛选[14]。计权错误率如式（3）所示：

式中：Ei为第i种误判可能产生的次数；Ci为第i种误判实际产生的误判率。计权一致性系数计算如式（4）所示：

根据3 种误判原则以及计算公式(4)，利用C 语言编写计权一致性系数计算程序，根据计权一致性结果，遵循筛除一致性系数0.8以下原则，结果如表4所示。

表4 一致性系数

根据客观参数值进行噪声样本分组，各组中均包含混合种类、模式、档位等不同噪声样本，因此可认为各组标度范围一致。计算筛除之后各评价者对各样本评价值的平均值，对关联样本进行比例缩放，将其调节到1，并将两组结果组合一起，结果如表5所示。

表5 满意度主观评价得分

由表5 可知满意度最终的平均分值为0.894，标准差为2.055，即可知满意度主观评价离散程度较大，因此在不同工况下满意度波动较大，整体而言，声品质较差。同时样本7满意度最好，得分值1.892，最差为样本1，得分值0.190，其原因一方面是样本1档位高于样本7，即样本1风量大于样本7工况风量，另一方面在样本7 工况全过程中流体经过暖风芯纸，暖风芯纸带来的风阻减少了流向风门的流体流量，导致样本1 工况产生的结构噪声及气动噪声远大于样本7工况，因此样本7的最终得分值远高于样本1。

3 声品质灰色预测模型的建立[15]

灰色理论系统具有信息不够全面、不够准确等基本特征。灰色理论系统以小样本等为研究对象，提取已知系统有用信息，进而实现对系统未来变化的定量预测。本文所研究的风门运行瞬态噪声声品质正符合该系统理论研究范畴，因此采用灰色预测模型中基础模型GM模型。利用样本1到样本12拟合模型，样本13到样本15用于该型号空调风门运转瞬态工况下模型验证。

3.1 主客观参数灰色关联分析

在数理统计中，回归分析、主成分分析、方差分析等都是系统分析的方法，但都存在以下问题：

①数据量需求较大；

②要求样本服从某种概率分布，要求各因素与系统特征数据之间存在线性关系且各因素之间彼此无关；

③计算量大；

④可能出现量化结果与定性分析结果不一致现象。

灰色关联分析方法是将因素之间发展趋势的相似或相异程度作为衡量因素间关联程度的1 种方法，它弥补了以上缺陷，对样本多少、有无规律都适用，且计算量少，十分方便。

3.1.1 初值像

初值像表示序列在初值化算子下的像。以满意度主观评价得分值为系统特征序列X1，以A 计权声压级、响度、尖锐度、粗糙度、抖动度、语言清晰度以及突出率为相关因素序列X2、X3、X4、X5、X6、X7、X8。代入A 计权声压级、响度、尖锐度、粗糙度、抖动度、语言清晰度、突出率以及满意度最终得分值，如式（5）所示：

式中：i=1,2,3,4,5,6,7,8，求得初值像如表6所示。

表6 初值像

3.1.2 差序列

差序列为系统特征序列与相关因素序列差值的绝对值，如式（6）所示：

式中：i=1,2,3,4,5,6,7,8；k=1,2,3,…,12。

由式（6）计算差序列，结果如表7所示。

由表7 数据可得最小极差值m=0，最大极差值M=9.865。

表7 差序列

3.1.3 灰色关联系数与灰色关联度

基于上述计算初值像与两极差求各相关因素序列与系统特征序列各点相关系数，如式（7）所示。

式中：r1i(k)为第i个客观参数中第k个样本的灰色关联系数；ξ为分辨系数，一般取ξ=0.5；Δi(k)为第i个客观参数中第k个样本的偏差值；m为最小极差值；M为最大极差值。

根据式（7）计算各客观参数与满意度主观评价得分值之间的关联系数，结果如表8所示。

表8 灰色关联系数

求取各点关联系数平均值为相关因素序列与系统特征序列关联程度。灰色关联度如式（8）所示：

式中：Ω为灰色关联度；n为样本数。

客观参数与满意度主观评价分值之间灰色关联度结果如表9所示。

由表9 中结果可知，客观参数与满意度主观评价分值之间灰色关联度平均为0.656，最小关联度系数为0.646，最大关联度系数为0.674。同时突出率关联度系数为0.656，大于A计权声压级、响度、尖锐度等传统客观参数，可见突出率的增加是可行的。由于上述客观参数均与满意度主观评价分值具有较高相关度，对主观评价的影响较大，因此可用于声品质预测模型的建立。