曾發(fā)林，胡 楓

（1.江蘇大學(xué)汽車工程研究院，鎮(zhèn)江 212013； 2.江蘇大學(xué)汽車與交通工程學(xué)院，鎮(zhèn)江 212013）

前言

隨著時代的發(fā)展，汽車乘坐舒適性已成為人們購車的重要考量指標(biāo)，這對車輛NVH性能提出了更高的要求。由于傳統(tǒng)的以聲壓級為指標(biāo)的噪聲評價標(biāo)準(zhǔn)無法準(zhǔn)確反映乘坐者對車內(nèi)聲音的主觀感受，聲品質(zhì)的概念應(yīng)運而生。

聲品質(zhì)的研究主要包括客觀聲學(xué)參量計算、主觀評價試驗以及在此基礎(chǔ)上進行的聲品質(zhì)客觀預(yù)測。目前，聲品質(zhì)的評價尚未有統(tǒng)一的評價標(biāo)準(zhǔn)，奧地利AVL公司提出了聲壓級、綜合級參數(shù)、周期性測量、響度、尖銳度、粗糙度、脈沖度和聲壓分布等8類客觀聲學(xué)參量［1］；日本學(xué)者Noumura等提出了響亮（loud）、轟鳴（booming）、強勁有力（powerful）、豪華（luxury）、動感（sporty）等12個描述聲品質(zhì)的詞匯［2］；吉林大學(xué)蘇麗俐在此基礎(chǔ)上建立了基于多元線性回歸、BP神經(jīng)網(wǎng)絡(luò)、廣義回歸神經(jīng)網(wǎng)絡(luò)和支持向量機的聲品質(zhì)評價和預(yù)測模型并分析其優(yōu)劣性［3］。

車內(nèi)噪聲是多個振動噪聲源傳遞的噪聲在車內(nèi)共同作用的結(jié)果，為研究這類振動噪聲路徑問題，常采用傳遞路徑分析（TPA）方法。吉林大學(xué)趙彤航通過分析整車系統(tǒng)與子結(jié)構(gòu)的傳遞函數(shù)關(guān)系建立了以車內(nèi)噪聲聲壓級為控制目標(biāo)、基于傳遞路徑分析的噪聲評價模型［4］。

目前，TPA更多應(yīng)用于以車內(nèi)噪聲聲壓級為評價指標(biāo)的研究中，而以車內(nèi)聲品質(zhì)為改善目標(biāo)的TPA研究尚處于初步探索階段。

針對上述問題，本文中開展了相關(guān)研究，基本分析流程如下：

（1）通過動靜態(tài)試驗獲取相關(guān)路徑傳遞函數(shù)和不同工況下的車內(nèi)與各激勵源振動噪聲信號；

（2）選擇較易實現(xiàn)非線性分析的BP神經(jīng)網(wǎng)絡(luò)模型并引入遺傳算法（genetic algorithm，GA）進行優(yōu)化，建立了基于 GA-BP神經(jīng)網(wǎng)絡(luò)的聲品質(zhì)預(yù)測模型；

（3）由于發(fā)動機振動為車輛結(jié)構(gòu)輻射噪聲最大的激勵源，故本文中選其作為研究對象，引入聲品質(zhì)貢獻因子（SQCF），建立了以煩躁度為目標(biāo)的發(fā)動機振動傳遞路徑分析模型，并確定各路徑貢獻情況；

（4）以發(fā)動機懸置為優(yōu)化重點，利用GA算法搜索符合目標(biāo)煩躁度值的發(fā)動機懸置傳遞函數(shù)，在此基礎(chǔ)上進行懸置特征參數(shù)的優(yōu)化匹配和驗證，結(jié)果表明，懸置參量優(yōu)化后的振動傳遞路徑，可有效降低煩躁度，提高車內(nèi)聲音品質(zhì)。

1 車內(nèi)噪聲TPA分析

車內(nèi)噪聲主要來源有空氣和結(jié)構(gòu)兩種傳遞路徑，路徑傳遞函數(shù)是TPA分析的重點，由于研究空氣路徑時所用白噪聲抗干擾能力較差，在室外背景噪聲干擾下所測傳遞函數(shù)會產(chǎn)生較大誤差［5］，為更精確地確定結(jié)構(gòu)路徑對應(yīng)的車內(nèi)噪聲情況，本文中相關(guān)試驗均在整車半消聲室內(nèi)進行。

1.1 空氣路徑傳遞函數(shù)

空氣路徑主要有發(fā)動機表面輻射噪聲、進排氣噪聲、輪胎噪聲和風(fēng)噪，在半消聲室內(nèi)進行空氣路徑研究，可最大程度降低風(fēng)噪的影響?？紤]到噪聲源較多，本文中根據(jù)互易原理，在樣車上按圖1所示的形式進行信號發(fā)生器和傳聲器的布置。

利用LMS Test.lab軟件對信號進行采集和處理，得到各空氣路徑的傳遞函數(shù)，圖2為所測發(fā)動機上表面輻射噪聲傳遞函數(shù)。

1.2 結(jié)構(gòu)路徑傳遞函數(shù)

圖1 空氣路徑信號發(fā)生器和傳聲器布置形式

圖2 發(fā)動機上表面輻射噪聲傳遞函數(shù)

車輛結(jié)構(gòu)件的振動作為車內(nèi)噪聲的重要來源，主要包括發(fā)動機振動和路面激勵。為使車內(nèi)噪聲合成結(jié)果更加精確，對這兩種路徑的傳遞函數(shù)均進行了測試。

發(fā)動機振動傳遞路徑主要包括振動激勵通過發(fā)動機懸置系統(tǒng)傳遞至車身和車身板件振動向車內(nèi)輻射噪聲兩段，根據(jù)樣車所用三點式懸置，將每一個懸置件的傳遞路徑分為X、Y、Z 3個方向，確定發(fā)動機振動傳遞路徑為9條，傳遞函數(shù)為

式中：ai，engine為懸置結(jié)構(gòu)與發(fā)動機連接端的振動加速度信號；ai，body為懸置結(jié)構(gòu)與車身連接端的振動加速度信號；Pi，ear為車內(nèi)參考點的噪聲信號。

根據(jù)式（1），在每個懸置的兩端（連接發(fā)動機的主動端和連接車身的被動端）和車內(nèi)參考點分別布置三向加速度傳感器和傳聲器，通過力錘敲擊相應(yīng)位置，獲得兩段頻率響應(yīng)函數(shù)，結(jié)合為發(fā)動機振動路徑傳遞函數(shù)。圖3和圖4分別為右懸置傳遞函數(shù)和右懸置與車身連接處到車內(nèi)參考點的傳遞函數(shù)。

圖3 右懸置X、Y、Z方向傳遞函數(shù)

圖4 右懸置與車身連接點至車內(nèi)參考點傳遞函數(shù)

按此測試方法，同時獲取了路面激勵的各路徑傳遞函數(shù)。

1.3 路徑傳遞函數(shù)檢驗

為檢驗傳遞函數(shù)的準(zhǔn)確性和滿足后續(xù)研究的需求，在整車半消聲室轉(zhuǎn)鼓試驗臺上模擬車輛平直路面行駛狀態(tài)。考慮到發(fā)動機噪聲在車速100 km／h以下時才是車內(nèi)噪聲的最主要來源［6］，根據(jù) GB／T 18697—2002《聲學(xué)—汽車車內(nèi)噪聲測量方法》［7］，本文中模擬了怠速、20、40、60和80 km／h行駛工況，通過各工況2次15 s的采集，記錄相應(yīng)的各激勵源信號和駕駛員右耳旁噪聲信號。

在TPA模塊中將各激勵源信號與所測對應(yīng)路徑傳遞函數(shù)相結(jié)合，合成出車內(nèi)噪聲信號，并與實測信號進行對比。圖5和圖6分別為整車轉(zhuǎn)鼓試驗和怠速工況下車內(nèi)噪聲合成與實測信號對比。

由圖6可見，合成信號的頻譜分布和變化趨勢與實測信號基本吻合，最大誤差4 dB（A），出現(xiàn)在25 Hz處，這主要是由于頻響函數(shù)測試時力錘低頻特性較弱和未考慮部分次要路徑的影響所致。綜合分析，合成信號具有較好的擬合精度，所測傳遞函數(shù)可應(yīng)用于后續(xù)研究中。

圖5 整車轉(zhuǎn)鼓試驗

圖6 怠速工況車內(nèi)合成噪聲與實測信號對比

2 車內(nèi)聲品質(zhì)預(yù)測

車內(nèi)聲品質(zhì)的研究須對試驗采集的噪聲信號進行客觀聲學(xué)參量計算和主觀評價。為獲得更多的數(shù)據(jù)樣本，又挑選了2輛與前面樣車同級別車輛，進行上述動態(tài)工況試驗，共獲取30個車內(nèi)噪聲樣本。

2.1 客觀聲學(xué)參數(shù)與主觀評價

為使聲品質(zhì)與TPA的結(jié)合更具參考性，對噪聲樣本進行通常的聲學(xué)參量響度、粗糙度和尖銳度的計算，將其作為預(yù)測模型的輸入，并以煩躁度作為評分指標(biāo)，采用等級評分法進行主觀評價試驗。

共有30位高校相關(guān)專業(yè)碩士和博士研究生對30個聲音樣本進行聽音打分，其中男性18人，女性12人，年齡在23～30歲之間?？紤]到部分人員聽音經(jīng)驗較少，對評價等級進行簡化，評價表如表1所示，表2為樣本聲學(xué)參數(shù)計算和主觀評價結(jié)果統(tǒng)計。

2.2 一致性與相關(guān)性檢驗

由于評價樣本較多，且部分人員聽音經(jīng)驗較少，須對評價數(shù)據(jù)進行一致性檢驗以剔除部分不穩(wěn)定結(jié)果。采用一致性和相關(guān)性檢驗常用的spearmam秩相關(guān)系數(shù)法：

表1 主觀試驗評價表

表2 客觀聲學(xué)參數(shù)及主觀評價結(jié)果

式中：Ui和 Vi為兩個不同變量的秩；r為秩相關(guān)系數(shù)。

通過計算得到一致性結(jié)果，如圖7所示。剔除其中與他人相關(guān)系數(shù)小于0.7的3個評價結(jié)果，將剩余27人的煩躁值評價結(jié)果用于和聲品質(zhì)客觀參數(shù)的相關(guān)性分析，結(jié)果如圖8所示，可見響度、尖銳度、粗糙度與煩躁度之間均有超過0.75的正相關(guān)系數(shù)。

圖7 一致性檢驗

圖8 相關(guān)性檢驗

2.3 聲品質(zhì)預(yù)測模型的建立

相關(guān)性分析結(jié)果表明，客觀參量與煩躁度之間有著較強的關(guān)聯(lián)性，為準(zhǔn)確建立它們之間的關(guān)系并實現(xiàn)聲品質(zhì)的客觀預(yù)測，本文中引入了一個3層BP神經(jīng)網(wǎng)絡(luò)，根據(jù)輸入層節(jié)點數(shù)（3，響度，尖銳度，粗糙度）和輸出層節(jié)點數(shù)（1，煩躁度），參考經(jīng)驗公式［8］，確定隱含層節(jié)點數(shù)為6，建立拓?fù)浣Y(jié)構(gòu)為3-6-1的神經(jīng)網(wǎng)絡(luò)模型：

式中：n和l分別為輸入、輸出層節(jié)點個數(shù)；a為1～10的常數(shù)。

為解決神經(jīng)網(wǎng)絡(luò)收斂慢和易出現(xiàn)局部極小的問題，引入輪盤賭選擇法，采用種群規(guī)模20、交叉概率0.3、變異概率0.1和最大遺傳代數(shù)100的GA算法優(yōu)化其初始權(quán)值和閾值。

為保證訓(xùn)練精度和驗證結(jié)果的可靠性，隨機選擇25個樣本作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，剩余5個樣本作為驗證數(shù)據(jù)。通過學(xué)習(xí)效率0.1、訓(xùn)練目標(biāo)10-5的100次迭代，獲得結(jié)果如圖9所示。5個驗證樣本的預(yù)測值與實測值誤差分別為1.47%、0.48%、5.64%、0.66%和9.69%，平均誤差為3.59%，證明聲品質(zhì)預(yù)測模型具有較高的準(zhǔn)確性，可作為噪聲聲品質(zhì)的客觀評價依據(jù)。

圖9 聲品質(zhì)預(yù)測模型檢驗

3 車內(nèi)聲品質(zhì)貢獻分析

頻變Zwicker法計算響度的公式為

式中：EQ為安靜聽閾激勵；E0為參考聲強在10-12W／m2下的激勵。

由式（4）和式（5）可知，總響度為噪聲頻域信號在24 Bark尺度下的特征響度積分所得，說明噪聲信號是計算客觀聲學(xué)參量的基礎(chǔ)，而前面的TPA分析已證明傳遞函數(shù)影響著車內(nèi)噪聲，故各路徑傳遞函數(shù)與聲品質(zhì)具有一定的相關(guān)性。在此基礎(chǔ)上結(jié)合GA-BP聲品質(zhì)預(yù)測模型，完成了車內(nèi)噪聲結(jié)構(gòu)傳遞路徑對煩躁度的貢獻分析。

3.1 發(fā)動機振動路徑聲品質(zhì)客觀參量計算

由于前面已驗證通過傳遞函數(shù)合成的車內(nèi)噪聲與實測噪聲基本一致，故將由發(fā)動機各振動路徑及其相應(yīng)傳遞函數(shù)合成的噪聲信號應(yīng)用于貢獻量分析。由于Sound Diagnosis模塊計算聲品質(zhì)客觀參量采用時變Zwicker法，本文中通過傅里葉逆變換（inverse Fouriertransform，IFT）將合成的噪聲頻域信號轉(zhuǎn)換為時域信號。IFT基本原理如式（6）所示。

作為初始輸入通過計算得到的9條傳遞路徑相應(yīng)的客觀參量值及其與總噪聲客觀參量的對比結(jié)果如表3所示。

表3 右懸置路徑噪聲客觀參量與總噪聲客觀參量對比

由表可見，與總噪聲等于各路徑貢獻噪聲的線性疊加不同，各路徑與總的聲品質(zhì)客觀參量存在非線性的關(guān)系。如右懸置3條路徑貢獻的響度疊加大于總響度，總粗糙度小于右懸置X方向路徑的粗糙度，本文中通過分析比較各路徑對應(yīng)噪聲的頻譜分布，確定其為頻域掩蔽效應(yīng)作用的結(jié)果。

掩蔽效應(yīng)分為頻域掩蔽和時域掩蔽，頻域掩蔽效應(yīng)是指一個強純音會掩蔽在其附近同時發(fā)聲的弱純音，由于聲音頻率與掩蔽曲線的非線性關(guān)系，為從感知上來統(tǒng)一度量聲音頻率，引入了臨界頻帶的概念［9］。各個路徑合成的噪聲在不同頻帶上存在著相互的干擾，因而在基于臨界頻帶進行聲品質(zhì)客觀參量的計算時出現(xiàn)了這種非線性的結(jié)果。

3.2 聲品質(zhì)貢獻因子

由于各路徑聲學(xué)參量與總聲學(xué)參量的關(guān)系無法明確描述，且數(shù)據(jù)較多，分析較為繁瑣，為更清晰地反映各路徑聲品質(zhì)貢獻情況，引入聲品質(zhì)貢獻因子（sound quality contribution factor）的概念，其計算公式為

式中：Yi為第i工況下的總煩躁度；Yij為第i工況下j路徑對應(yīng)的煩躁度。

將各工況下各路徑合成的響度、粗糙度和尖銳度值輸入到前面所建GA-BP聲品質(zhì)預(yù)測模型中，獲得相應(yīng)的煩躁度值，進而求得聲品質(zhì)貢獻因子，結(jié)果如表4所示。

由表可見：左右懸置的Z方向貢獻因子均明顯大于其他2個方向，而后懸置3個方向較為均衡；同時，在一些工況下，總煩躁度小于部分結(jié)構(gòu)路徑噪聲所引起的煩躁度，說明在實驗室模擬的平滑路面上，由于聲音的掩蔽效應(yīng)，部分工況下的進排氣和發(fā)動機表面輻射等路徑噪聲削弱了發(fā)動機振動路徑噪聲的煩躁度。

考慮到右懸置Z向的聲品質(zhì)貢獻因子在各工況下均較為突出，且明顯大于X、Y向，可進行有針對性的優(yōu)化，因此確定右懸置Z方向作為最主要的煩躁度貢獻路徑，而對右懸置參數(shù)進行優(yōu)化。

表4 各工況下各路徑聲品質(zhì)貢獻因子

4 發(fā)動機懸置優(yōu)化

由于優(yōu)化目標(biāo)為降低煩躁度而非噪聲聲壓級，不能簡單地通過調(diào)整懸置參數(shù)來降低傳遞函數(shù)某一頻段的幅值來實現(xiàn)。為明確優(yōu)化方向，本文中制定了確定目標(biāo)煩躁度、搜索目標(biāo)傳遞函數(shù)、匹配懸置元件參數(shù)達到優(yōu)化目的的兩級優(yōu)化策略，具體操作流程如圖10所示。

圖10 優(yōu)化方案

4.1 遺傳算法

遺傳算法是模擬生物遺傳和進化過程而建立起來的一種全局尋優(yōu)算法。由于其不依賴于梯度問題，因而具有較強的魯棒性，適用于解決傳統(tǒng)搜索方法難以解決的復(fù)雜非線性問題［10］。本文中基于遺傳算法對非線性問題的全局搜索能力，對懸置參數(shù)和傳遞函數(shù)進行優(yōu)化，以改善車內(nèi)聲品質(zhì)。

4.2 懸置路徑傳遞函數(shù)優(yōu)化

考慮到右懸置Z向路徑的煩躁度值在較高車速時數(shù)值較大，制定了階梯型的優(yōu)化目標(biāo)，即：怠速工況煩躁度值降低1；20和40 km／h煩躁度值降低2；60和80 km／h煩躁度值降低3。根據(jù)此目標(biāo)，以合成的路徑噪聲信號的時域信號幅值為變量，變化量為-0.1～0.1 Pa，將其輸入編寫的聲品質(zhì)客觀參量計算和聲品質(zhì)預(yù)測模型，獲得相應(yīng)的煩躁度值，挑選出與優(yōu)化目標(biāo)煩躁度值對應(yīng)的噪聲信號。

由于噪聲信號與客觀參量和客觀參量與煩躁度均為非線性關(guān)系，須對計算所得多個符合優(yōu)化目標(biāo)的噪聲信號進行篩選?？紤]到結(jié)構(gòu)噪聲的影響范圍主要集中在中低頻段，故以頻域信號中低頻段（50～500 Hz）RMS值最小為目標(biāo)，利用遺傳算法對符合優(yōu)化目標(biāo)的噪聲信號進行篩選，確定優(yōu)化后的路徑噪聲頻域信號，進而得到相應(yīng)的右懸置Z方向傳遞函數(shù)的優(yōu)化目標(biāo)。圖11和圖12分別為怠速和60 km／h工況下優(yōu)化前后右懸置Z方向所貢獻的車內(nèi)噪聲，圖13為兩工況下所確定的右懸置Z向目標(biāo)傳遞函數(shù)。

圖11 怠速工況優(yōu)化前后右懸置Z向貢獻噪聲

圖12 60 km／h工況優(yōu)化前后右懸置Z向貢獻噪聲

圖13 怠速工況（左）和60 km／h工況（右）傳遞函數(shù)優(yōu)化目標(biāo)

由圖可見，由于每個工況的優(yōu)化目標(biāo)不同，導(dǎo)致優(yōu)化的傳遞函數(shù)也不相同，而實際上傳遞函數(shù)作為懸置結(jié)構(gòu)的固有屬性，不隨激勵變化而改變，因此下面將在各工況的目標(biāo)傳遞函數(shù)的基礎(chǔ)上進行權(quán)重分析，通過懸置參數(shù)的優(yōu)化來獲得改善車內(nèi)聲品質(zhì)最有效的傳遞函數(shù)。

4.3 懸置參數(shù)優(yōu)化

發(fā)動機懸置系統(tǒng)的運動可看作一個由質(zhì)量、彈簧和阻尼構(gòu)成的6自由度振動模型［11］，其運動微分方程為

式中：質(zhì)量矩陣M包括發(fā)動機質(zhì)量m、發(fā)動機繞X、Y、Z軸的轉(zhuǎn)動慣量和慣性積；剛度矩陣K包括各懸置元件的靜剛度、扭轉(zhuǎn)剛度和相互之間的耦合剛度；阻尼矩陣C為各懸置元件的阻尼值。

由式（8）可知，以懸置系統(tǒng)為研究對象時須考慮各懸置元件間的耦合作用，考慮到本文中以改善右懸置Z向傳遞函數(shù)為目標(biāo)，因此將右懸置元件單獨分析，獲得無耦合的懸置元件運動方程，同時忽略對傳遞函數(shù)的影響較小的懸置元件扭轉(zhuǎn)運動和阻尼的調(diào)節(jié)，以懸置元件的靜剛度作為優(yōu)化控制對象，簡化后的右懸置元件運動方程為

式中：m1為發(fā)動機質(zhì)量，m1＝181 kg；m2為整備質(zhì)量（1 480 kg）與 m1的差值；kx、ky、kz分別為右懸置 3個方向的靜剛度；x1、y1、z1和 x2、y2、z2分別為懸置主被動側(cè)位移。

求解式（9），得到被動端Z向加速度a2的通解為

式中：c1、c2均為常數(shù)；t為采樣時間。

為便于后續(xù)計算，取c2為0，將試驗采集的a2時域信號代入式（10），可得各采樣時刻對應(yīng)的c1值，進而確定Z向時域傳遞函數(shù)：

基于式（11），在Matlab中編寫遺傳算法優(yōu)化程序，其核心適應(yīng)度函數(shù)如圖14所示，包括時域傳遞函數(shù)FFT變換，定義變量為右懸置Z向的靜剛度kz，定義適應(yīng)度目標(biāo)為Z向傳遞函數(shù)0～1 000 Hz的RMS值與目標(biāo)傳遞函數(shù)的RMS值的相對誤差最小。考慮到樣車內(nèi)部布置空間的限制和對懸置系統(tǒng)固有頻率的控制，對優(yōu)化變量的范圍進行了約束，如表5所示。

圖14 遺傳算法適應(yīng)度函數(shù)

由于每個工況的目標(biāo)傳遞函數(shù)并不相同，通過仿真計算，獲得了5個優(yōu)化kz值及其對應(yīng)的傳遞函數(shù)，如表6所示。圖15為60 km／h工況下優(yōu)化結(jié)果與目標(biāo)傳遞函數(shù)和原始傳遞函數(shù)的對比。由圖可見，優(yōu)化結(jié)果在200 Hz以下要優(yōu)于目標(biāo)傳遞函數(shù)，在200～1 000 Hz兩者基本一致，優(yōu)化結(jié)果略高，RMS值相對誤差為2.1%，說明優(yōu)化程序具有較高的準(zhǔn)確性和有效性。

表5 優(yōu)化變量約束

表6 優(yōu)化kz值及其對應(yīng)的傳遞函數(shù)

圖15 60 km／h工況優(yōu)化傳遞函數(shù)

在傳遞函數(shù)的最終選擇上，首先排除誤差較大的40 km／h工況kz值，同時考慮到右懸置Z向聲品質(zhì)貢獻因子最大的怠速工況在實際生活中持續(xù)的時間較短，而與80 km／h工況相比，較常用的60 km／h的聲品質(zhì)貢獻因子較大，且優(yōu)化后的傳遞函數(shù)優(yōu)于80 km／h，故選取60 km／h工況優(yōu)化所得的kz值和傳遞函數(shù)作為最終的優(yōu)化結(jié)果。

4.4 優(yōu)化效果檢驗

為檢驗優(yōu)化效果，將優(yōu)化后的傳遞函數(shù)代入右懸置Z向路徑對應(yīng)的車內(nèi)噪聲和響度、尖銳度、粗糙度的計算中，將結(jié)果輸入GA-BP煩躁度預(yù)測模型，得到新的總煩躁度值和右懸置Z向路徑聲品質(zhì)貢獻因子，如表7所示。

由表可見：通過優(yōu)化控制聲品質(zhì)貢獻因子較大的右懸置Z向路徑傳遞函數(shù)，有效地降低了車內(nèi)總噪聲所引起的煩躁度；同時，右懸置Z向的貢獻因子也有所降低，說明傳遞函數(shù)的優(yōu)化減弱了該路徑對總煩躁度的影響。通過檢驗，證明優(yōu)化方案取得了較好的效果。

表7 優(yōu)化前后右懸置Z向路徑聲品質(zhì)貢獻因子

5 結(jié)論

（1）通過傳遞函數(shù)測試和TPA合成計算，確定了發(fā)動機3個懸置X、Y、Z方向共9條具有較高精度的結(jié)構(gòu)噪聲傳遞路徑，可用于聲品質(zhì)貢獻分析；

（2）基于聲品質(zhì)客觀參量計算和主觀評價，利用遺傳算法和神經(jīng)網(wǎng)絡(luò)建立了聲品質(zhì)預(yù)測模型，通過聲品質(zhì)貢獻因子計算，直觀地反映了結(jié)構(gòu)噪聲傳遞路徑對煩躁度的貢獻情況和聲音掩蔽效應(yīng)對聲品質(zhì)的作用，得出右懸置Z向路徑對煩躁度影響較大，并確定了對該路徑對應(yīng)煩躁度的優(yōu)化目標(biāo)；

（3）制定兩級優(yōu)化方案，先通過遺傳算法搜索與目標(biāo)煩躁度相對應(yīng)的右懸置Z向傳遞函數(shù)，再通過遺傳算法匹配右懸置Z向靜剛度并加以檢驗。結(jié)果表明，通過兩級優(yōu)化獲得的右懸置Z向靜剛度及其傳遞函數(shù)有效地降低了車內(nèi)總噪聲所引起的煩躁度，提高了車內(nèi)聲品質(zhì)，證明本文中所制定的研究內(nèi)容和優(yōu)化方案對提高車輛乘坐舒適性有著重要的意義，為懸置參數(shù)優(yōu)化提供了新的參考思路。