劉海李洪亮武一民王海洋

（1.河北工業(yè)大學(xué)，天津 300130；2.中國汽車技術(shù)研究中心，天津 300300）

乘用車用柴油機(jī)噪聲聲品質(zhì)預(yù)測(cè)技術(shù)*

劉海1,2李洪亮2武一民1王海洋2

（1.河北工業(yè)大學(xué)，天津 300130；2.中國汽車技術(shù)研究中心，天津 300300）

以某款直列4缸乘用車用柴油機(jī)為研究對(duì)象，選取描述發(fā)動(dòng)機(jī)噪聲的響度、尖銳度等5個(gè)心理聲學(xué)特征進(jìn)行客觀評(píng)價(jià)分析；以主觀滿意度為評(píng)價(jià)標(biāo)準(zhǔn)，應(yīng)用成對(duì)比較法進(jìn)行主觀評(píng)價(jià)測(cè)試研究；應(yīng)用多層感知器神經(jīng)網(wǎng)絡(luò)（MLPNN）方法構(gòu)建噪聲心理聲學(xué)特征與主觀滿意度之間的非線性映射關(guān)系；基于MLPNN預(yù)測(cè)模型分析5個(gè)特征參量對(duì)主觀滿意度的貢獻(xiàn)度大小，從而得出響度、粗糙度和尖銳度為影響乘用車柴油機(jī)噪聲品質(zhì)前3個(gè)重要指標(biāo)的結(jié)論。

主題詞:乘用車 柴油機(jī) 噪聲 聲品質(zhì) 預(yù)測(cè)模型

1 前言

柴油發(fā)動(dòng)機(jī)具有低油耗、低排放、高扭矩和加速性能強(qiáng)等優(yōu)點(diǎn)。乘用車用柴油機(jī)噪聲是乘用車主要噪聲源之一，該噪聲包括機(jī)械噪聲、燃燒噪聲和空氣動(dòng)力性噪聲，各種噪聲之間相互掩蔽，噪聲為寬頻帶信號(hào)，頻譜混疊嚴(yán)重，難以在設(shè)計(jì)階段通過數(shù)值仿真技術(shù)準(zhǔn)確預(yù)測(cè)柴油機(jī)輻射噪聲聲品質(zhì)情況。

多層感知器神經(jīng)網(wǎng)絡(luò)（Multilayer Perceptron Neural Networks，MLPNN）技術(shù)是一種單向傳播的多層前饋網(wǎng)絡(luò)模型，因其具有高度的非線性映射能力，在模式識(shí)別、圖像處理、函數(shù)逼近、優(yōu)化計(jì)算等領(lǐng)域應(yīng)用廣泛[1～4]。文獻(xiàn)[1]提出了一種基于MLPNN的風(fēng)速預(yù)測(cè)模型，該模型實(shí)現(xiàn)了對(duì)實(shí)時(shí)風(fēng)的準(zhǔn)確預(yù)測(cè)；文獻(xiàn)[2]應(yīng)用MLPNN技術(shù)通過來自異構(gòu)數(shù)據(jù)源間的證據(jù)實(shí)現(xiàn)了對(duì)蛋白質(zhì)功能關(guān)系的準(zhǔn)確預(yù)測(cè)；文獻(xiàn)[3]建立了末端柔性的自由漂浮基機(jī)器人的耦合動(dòng)力學(xué)模型，利用MLPNN技術(shù)的逼近能力來自適應(yīng)補(bǔ)償非線性柔性臂的逆動(dòng)力學(xué)模型；文獻(xiàn)[4]采用反向傳播誤差（BP）神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)車輛排氣噪聲滿意度進(jìn)行了預(yù)測(cè)，結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型較多元線性回歸模型預(yù)測(cè)值更接近實(shí)測(cè)值。

本文以穩(wěn)態(tài)工況下柴油機(jī)輻射噪聲信號(hào)為研究對(duì)象，應(yīng)用心理聲學(xué)方法進(jìn)行噪聲的客觀評(píng)價(jià)分析，采用成對(duì)比較法進(jìn)行噪聲的主觀評(píng)價(jià)測(cè)試，基于主、客觀評(píng)價(jià)結(jié)果，應(yīng)用MLPNN技術(shù)建立心理聲學(xué)變量與主觀評(píng)價(jià)結(jié)果之間的非線性映射關(guān)系，即柴油機(jī)噪聲聲品質(zhì)預(yù)測(cè)模型。

2 噪聲樣本庫的建立

為了獲取精準(zhǔn)的柴油機(jī)輻射噪聲信號(hào)，試驗(yàn)在半自由聲場(chǎng)發(fā)動(dòng)機(jī)噪聲實(shí)驗(yàn)室中進(jìn)行。試驗(yàn)采用Head Acoustics公司生產(chǎn)的Head A480噪聲信號(hào)采集與回放系統(tǒng)，其通過人工頭聲音采集裝置記錄柴油機(jī)噪聲信號(hào)，通過Sennheiser HD515專業(yè)監(jiān)聽耳機(jī)進(jìn)行聲音回放。在噪聲樣本采集過程中，傳感器水平位置離機(jī)體1 m，豎直高度距離地面1 m，測(cè)點(diǎn)的布置詳見圖1[6、7]。

圖1 測(cè)點(diǎn)布置示意

以4種典型的直列4缸柴油機(jī)為研究對(duì)象，試驗(yàn)過程中將柴油機(jī)的進(jìn)排氣噪聲引出室外，記錄不同轉(zhuǎn)速時(shí)的32個(gè)噪聲樣本，對(duì)噪聲信號(hào)進(jìn)行前處理，即篩選、截取和響度調(diào)節(jié)[8]，最終得到32個(gè)長(zhǎng)度為5 s的有效噪聲樣本，其中建模組1～22噪聲用來建立噪聲聲品質(zhì)預(yù)測(cè)模型，檢驗(yàn)組23～32噪聲用來驗(yàn)證預(yù)測(cè)模型。

3 噪聲聲品質(zhì)主、客觀評(píng)價(jià)測(cè)試

3.1 噪聲聲品質(zhì)主觀評(píng)價(jià)測(cè)試

聲品質(zhì)主觀評(píng)價(jià)[9]是通過人們對(duì)聲音的主觀感受，按照一定的評(píng)價(jià)要求和評(píng)價(jià)規(guī)則對(duì)聲音進(jìn)行評(píng)價(jià)的一種評(píng)價(jià)方法。考慮到柴油機(jī)輻射噪聲的復(fù)雜性、重復(fù)性、煩惱性，選擇具有乘用車聲學(xué)相關(guān)專業(yè)人士為評(píng)審團(tuán)成員，應(yīng)用成對(duì)比較法進(jìn)行噪聲聲品質(zhì)的主觀評(píng)價(jià)測(cè)試，以滿意度指標(biāo)（根據(jù)不同的評(píng)審對(duì)象主觀打分累積結(jié)果而得出）作為主觀評(píng)價(jià)試驗(yàn)量化指標(biāo)，采用數(shù)據(jù)重合度和數(shù)據(jù)一致性指標(biāo)[10]來校核成對(duì)比較法。整個(gè)測(cè)試過程中32個(gè)噪聲樣本數(shù)據(jù)平均重合度系數(shù)為0.88，平均一致性系數(shù)為0.92，表明主觀評(píng)價(jià)測(cè)試結(jié)果準(zhǔn)確有效。

3.2 噪聲聲品質(zhì)客觀評(píng)價(jià)分析

心理聲學(xué)是研究人耳和大腦如何處理進(jìn)入人耳的聲音事件的學(xué)科，其可以定量反映聽覺感受的差別，消除個(gè)體影響。Zwicker響度、尖銳度、粗糙度、波動(dòng)度、峭度等作為最主要的心理聲學(xué)特征已被廣泛應(yīng)用在柴油機(jī)噪聲的評(píng)價(jià)與預(yù)測(cè)中[11～13]，其可以定量反映顧客對(duì)柴油機(jī)輻射噪聲某一特征的聽覺感受。響度是反映人耳對(duì)聲音強(qiáng)弱主觀感受程度的心理聲學(xué)參數(shù)，響度的計(jì)算過程考慮了聲音特征頻帶分布和人耳的掩蔽效應(yīng)。尖銳度描述了高頻成分在聲音頻譜中的比例，反映了聲音信號(hào)的刺耳程度。粗糙度反映了聲音信號(hào)的調(diào)制程度、調(diào)制幅度大小以及調(diào)制頻率分布等特征，適用于評(píng)價(jià)20～200 Hz調(diào)制頻率的聲音。波動(dòng)度用于描述人耳對(duì)緩慢移動(dòng)調(diào)制聲音的感受程度，反映了人耳主觀感受到的聲音響亮起伏程度，適用于評(píng)價(jià)20 Hz以下低頻調(diào)制的聲音信號(hào)。柴油機(jī)輻射噪聲聲品質(zhì)主、客觀評(píng)價(jià)結(jié)果如表1所列。

表1 柴油機(jī)輻射噪聲聲品質(zhì)主、客觀評(píng)價(jià)結(jié)果

4 基于MLPNN的聲品質(zhì)預(yù)測(cè)技術(shù)

由于人耳聽覺系統(tǒng)的復(fù)雜性，導(dǎo)致噪聲聲品質(zhì)客觀特征參數(shù)與主觀評(píng)價(jià)結(jié)果之間存在著復(fù)雜的非線性關(guān)系，這些非線性關(guān)系難以通過線性回歸方法得到準(zhǔn)確的函數(shù)關(guān)系；同時(shí)，由于聽審試驗(yàn)方法不能在保證其它特征參數(shù)不變的同時(shí)只改變某一特征參數(shù)，因此這一規(guī)律也無法通過試驗(yàn)方法直接得到?；贛LPNN方法的噪聲聲品質(zhì)預(yù)測(cè)模型可以分析在單一客觀特征參數(shù)變化條件下滿意度的變化規(guī)律，從而分析客觀特征參數(shù)對(duì)聲品質(zhì)的影響規(guī)律。

MLPNN[14]是一種多層前反饋網(wǎng)絡(luò)，用來模擬人類大腦結(jié)構(gòu)。在柴油機(jī)聲品質(zhì)預(yù)測(cè)模型建立過程中，心理聲學(xué)變量作為模型的輸入層，主觀評(píng)價(jià)結(jié)果作為輸出層，隱層神經(jīng)元個(gè)數(shù)至少為1，通過對(duì)神經(jīng)網(wǎng)絡(luò)模型的逐級(jí)訓(xùn)練和網(wǎng)絡(luò)自學(xué)習(xí)確立噪聲聲品質(zhì)預(yù)測(cè)模型。計(jì)算結(jié)果表明，隱含層神經(jīng)元個(gè)數(shù)為4時(shí)，預(yù)測(cè)值趨于穩(wěn)定，圖2為基于MLPNN的柴油機(jī)噪聲聲品質(zhì)預(yù)測(cè)模型結(jié)構(gòu)圖。

圖2 MLPNN模型網(wǎng)絡(luò)結(jié)構(gòu)

假設(shè)輸入層神經(jīng)元有r個(gè)，輸入層為X；隱層為h，隱層內(nèi)包含有m個(gè)神經(jīng)元，激活函數(shù)為fh；輸出層為Y，輸出層內(nèi)有k個(gè)神經(jīng)元，對(duì)應(yīng)的激活函數(shù)為fY。則隱層中第j個(gè)神經(jīng)元的輸出和輸出層第k個(gè)神經(jīng)元的輸出分別為：

式中，v、w代表權(quán)值；a、b代表隱層與輸出層閾值。

隱層激活函數(shù)為：

輸出層激活函數(shù)為：

網(wǎng)絡(luò)總誤差函數(shù)為：

式中，l為訓(xùn)練樣本個(gè)數(shù)；Tk為實(shí)際測(cè)試結(jié)果。

基于MLPNN算法是以網(wǎng)絡(luò)連接權(quán)（v、w）為變量，初始權(quán)值v、w取值區(qū)間為（-1，1）之間的隨機(jī)數(shù)，網(wǎng)絡(luò)總誤差E小于允許值為目標(biāo)的多元極小值問題。正向傳播過程中，輸入層（心理聲學(xué)特征）經(jīng)隱含層處理綜合4個(gè)節(jié)點(diǎn)的實(shí)際輸出傳向輸出層。如網(wǎng)絡(luò)總誤差E過大，則轉(zhuǎn)入反向傳播，逐層遞歸地計(jì)算期望輸出與實(shí)際輸出的方差，采用梯度下降法來調(diào)節(jié)連接權(quán)值，其中η′、η為學(xué)習(xí)率）與節(jié)點(diǎn)閾值aj、bk，使誤差減小，當(dāng)網(wǎng)絡(luò)總誤差小于允許值0.000 1時(shí)，訓(xùn)練過程結(jié)束。

利用基于MLPNN的柴油機(jī)輻射噪聲聲品質(zhì)預(yù)測(cè)模型對(duì)檢驗(yàn)組23～32噪聲進(jìn)行滿意度預(yù)測(cè)，并與主觀評(píng)價(jià)實(shí)測(cè)值進(jìn)行對(duì)比。結(jié)果發(fā)現(xiàn)，預(yù)測(cè)結(jié)果與主觀評(píng)價(jià)實(shí)測(cè)結(jié)果吻合較好，相對(duì)誤差控制在11%誤差范圍內(nèi)，說明基于MLPNN的噪聲聲品質(zhì)預(yù)測(cè)方法準(zhǔn)確描述了心理聲學(xué)變量與主觀評(píng)價(jià)結(jié)果之間的映射關(guān)系，同時(shí)得到心理聲學(xué)變量響度、尖銳度等參數(shù)選擇的合理性。

圖3為基于MLPNN的柴油機(jī)輻射噪聲聲品質(zhì)預(yù)測(cè)分析流程圖。

依據(jù)多層感知器參數(shù)靈敏度方法[15]分析各心理聲學(xué)參量對(duì)滿意度的貢獻(xiàn)度，圖4為MLPNN模型中心理聲學(xué)變量對(duì)主觀評(píng)價(jià)結(jié)果重要性指數(shù)的非線性關(guān)系權(quán)值。

圖3 基于MLPNN的噪聲聲品質(zhì)預(yù)測(cè)分析流程

圖4 心理聲學(xué)參數(shù)貢獻(xiàn)度分析

由圖4可知，響度特征對(duì)柴油機(jī)噪聲聲品質(zhì)貢獻(xiàn)度為0.375，是柴油機(jī)噪聲聲品質(zhì)最重要的影響因子；粗糙度貢獻(xiàn)度為0.192；尖銳度重要性影響因子為0.170；波動(dòng)度和峭度貢獻(xiàn)度分別為0.133和0.147，重要性相對(duì)較小。響度、粗糙度和尖銳度3個(gè)客觀特征參量對(duì)柴油機(jī)的聲品質(zhì)累積貢獻(xiàn)度為0.719，該重要性排序可作為高聲品質(zhì)柴油機(jī)設(shè)計(jì)的重要指標(biāo)。

5 結(jié)束語

a.采用心理聲學(xué)特征參數(shù)響度、尖銳度、粗糙度等來描述柴油機(jī)噪聲聲品質(zhì)變化規(guī)律，較全面地考慮了噪聲給人帶來的主觀感受，優(yōu)于以聲級(jí)大小為指標(biāo)的評(píng)價(jià)標(biāo)準(zhǔn)。

b.運(yùn)用MLPNN方法進(jìn)行柴油機(jī)輻射噪聲聲品質(zhì)預(yù)測(cè)研究，預(yù)測(cè)值與主觀評(píng)價(jià)實(shí)測(cè)值相對(duì)誤差控制在11%以內(nèi)，證明了柴油機(jī)噪聲聲品質(zhì)預(yù)測(cè)模型的準(zhǔn)確及可靠性，該模型可用來評(píng)價(jià)柴油機(jī)噪聲滿意度大小。

c.利用多層感知器靈敏度分析方法計(jì)算影響柴油機(jī)噪聲聲品質(zhì)客觀參量貢獻(xiàn)度大小，其中響度貢獻(xiàn)度為0.375，粗糙度為0.192，尖銳度為0.170，前3者累積貢獻(xiàn)度為0.719。

1 Sheela K G,Deepa S N.Neural network based hybrid computing model for wind speed prediction.Neurocomputing, 2013，122:425～429.

2 Florido J P,Pomares H,Rojas I,et al.An effective,practical and low computational cost framework for the integration of heterogeneous data to predict functional associations between proteins by means of Artificial Neural Networks.Neurocomputing,2013，121：64～78.

3 張文輝，馬靜，高九州.基于多層感知器數(shù)據(jù)元的空間柔性機(jī)器人位置跟蹤控制.空間控制技術(shù)與應(yīng)用，2011，37（1）：59～62.

4 段敏，王巖松，石晶.基于神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)噪聲的預(yù)測(cè).汽車工程，2002，24（6）：507～509.

5 楊慶佛.內(nèi)燃機(jī)噪聲控制.太原：山西人民出版社，1985.

6 Schiffb?nker H,Brandl F K,Thien G E.Development and application of an evaluation technique to assess the subjective character of engine noise.SAE paper 911081.

7 Hussain M,G?lles J,Ronacher A,et al.Statistical evaluation of an annoyance index for engine noise recording.SAE paper 911080.

8 Otto N,Amman S,Eaton C,et al.Guidelines for jury evaluations of automotive sounds.SAE Paper 1999-01-1822.

9 孟子厚.音質(zhì)主觀評(píng)價(jià)的試驗(yàn)心理學(xué)方法.北京:國防工業(yè)出版社，2008.

10 石巖，舒歌群，畢鳳榮.車輛排氣噪聲聲音品質(zhì)的主觀評(píng)價(jià)與模型預(yù)測(cè).天津大學(xué)學(xué)報(bào)，2011，44（6）：511～515.

11 Zwicker E,Fastl H.Psychoacoustic：Facts and Models.Berlin:Springer Verlag,1999.

12 Roland Sottek.Modeling Engine Roughness.SAE Paper 2009-01-2153.

13 Hastings A L.Sound Quality of Diesel Engines.Purdue University,2004.

14 Gardner M,Dorling S.Artificial neural networks(the multilayer perceptron)a review of applications in the atmospheric sciences.Atmospheric Environment,1998,32:2627～2636.

15 孫雪全，馮英俊.多層感知器的靈敏度分析.計(jì)算機(jī)學(xué)報(bào)，2001，24（9）：951～958.

（責(zé)任編輯 晨 曦）

修改稿收到日期為2016年2月30日。

Prediction of Passenger Car Diesel Engine Noise Quality

Liu Hai1,2,Li Hongliang2,Wu Yimin1,Wang Haiyang2
（1.Hebei University of Technology,Tianjin 300130;2.China Automotive Technology and Research Center, Tianjin 300300）

With a four-cylinder inline passenger car diesel engine as a research object,we choose five psychoacoustic parameters(loudness,sharpness,etc)for objective evaluation and analysis.Taking the Sensory Pleasantness Index(SPI)as the criterion for subjective evaluation,the paired comparison is applied in the subjective evaluation and test research.The nonlinear relation between psychoacoustic parameters and SPI is established by using Multilayer Perceptron Neural Networks(MLPNN).Based on the MLPNN prediction model,the contribution of psychoacoustic parameters to engine noise is analyzed,and the importance ranking of psychoacoustic parameters(loudness＞roughness＞sharpness)is obtained.

Passenger car,Diesel engine,Noise,Acoustic quality,Prediction model

U464.12+2

A

1000-3703（2016）11-0013-03

河北省高等學(xué)校自然科學(xué)青年基金（QN2016197）。