一、神經(jīng)網(wǎng)絡(luò)技術(shù)在車內(nèi)噪聲預(yù)測上的應(yīng)用（論文文獻(xiàn)綜述）
孟豪[1]（2021）在《純電動汽車路噪主動控制方法研究》文中研究指明隨著我國汽車產(chǎn)品消費升級,NVH（Noise Vibration&Harshness）性能成為衡量汽車品質(zhì)和決定顧客購買意愿的重要因素之一。純電動汽車作為汽車未來發(fā)展的主要趨勢,在行駛過程中,低頻寬帶路噪對車內(nèi)噪聲的貢獻(xiàn)相較于傳統(tǒng)汽車顯著提升。傳統(tǒng)的被動降噪方法對低頻噪聲的降噪效果有限,主動噪聲控制技術(shù)通過發(fā)出與初級噪聲源相等幅值相反相位的次級聲源進行抵消衰減,能夠在指定的區(qū)域內(nèi)實現(xiàn)靜聲區(qū),對低頻噪聲有較好的降噪效果。純電動汽車車內(nèi)低頻噪聲主要來源于輪胎與路面相互作用產(chǎn)生的結(jié)構(gòu)路噪,因此降低車內(nèi)低頻噪聲的關(guān)鍵在于對車輛結(jié)構(gòu)（輪心、懸架、底盤和車身）傳遞噪聲的主動控制。本文基于以上分析,研究了主動噪聲控制系統(tǒng)的原理及實施方法。根據(jù)車內(nèi)結(jié)構(gòu)路噪的特性,開發(fā)了新的自適應(yīng)主動噪聲控制方法以降低純電動汽車車內(nèi)路噪。結(jié)構(gòu)路噪是由輪胎和路面接觸面壓縮、滾擠和釋放時產(chǎn)生的激勵力所引起,因此車內(nèi)路噪與車輛不同結(jié)構(gòu)部位的振動加速度信號具有一定相關(guān)性。純電動汽車車內(nèi)路噪的主動控制策略為:首先,利用神經(jīng)網(wǎng)絡(luò)通過相干度較高的振動加速度信號對車內(nèi)路噪信號進行辨識。然后,采用改進的前饋FXLMS算法對純電動汽車車內(nèi)路噪實施主動控制。根據(jù)研究的控制方法,完成以下工作:采用改進的BP（Back Propagation,反向傳播）神經(jīng)網(wǎng)絡(luò)算法辨識車內(nèi)路噪信號,將同時測得的車輛不同結(jié)構(gòu)部位的振動加速度信號和駕駛員頭枕部位的噪聲信號作為辨識模型的輸入和輸出,驗證改進BP神經(jīng)網(wǎng)絡(luò)的辨識效果。在主動噪聲控制算法研究的過程中,提出了對參考信號和誤差信號進行限幅的增強廣義自適應(yīng)權(quán)重限制EGMACFx LMS算法,此后又提出了基于PSO算法（Particle Swarm Optimization,粒子群優(yōu)化）且?guī)в袇⒖夹盘柶交瑸V波器的自適應(yīng)步長NASFSx LMS-PSO算法,進一步提高了降噪性能。基于提出車內(nèi)路噪主動控制方法,在MATLAB/Simulink中搭建了純電動汽車車內(nèi)路噪主動控制模型。模擬不同的噪聲信號,并作為EGMACFx LMS和NASFSx LMS-PSO算法的參考信號,仿真初步驗證了提出的主動降噪算法的有效性。在MATLAB/Simulink搭建的主動噪聲控制模型中,使用實車采集的不同行駛工況下的噪聲信號和振動加速度信號作為參考信號進行降噪仿真。當(dāng)以噪聲信號為參考信號時,降噪頻帶寬度可達(dá)300Hz,降噪量集中分布在5-12d B（A）。當(dāng)以振動加速度信號為參考信號時,最大降噪量可達(dá)20d B（A）。此后,基于提出的純電動汽車路噪主動方法進一步搭建了硬件在環(huán)試驗平臺,并利用采集的實車數(shù)據(jù)進行降噪試驗。當(dāng)車內(nèi)噪聲信號作為參考信號時,主動噪聲控制系統(tǒng)實現(xiàn)的降噪頻帶寬度可達(dá)120-260Hz,降噪量集中分布在3-8d B（A）,最大降噪量達(dá)17d B（A）。當(dāng)以振動加速度信號作為參考信號時,主動噪聲控制系統(tǒng)對噪聲信號60-300Hz頻段具有較好的控制效果,降噪量集中分布于2-7d B（A）,最大降噪量達(dá)13d B（A）。
任克琳[2]（2021）在《某特種車車內(nèi)噪聲聲品質(zhì)分析及優(yōu)化》文中提出由于特種車輛的用途特殊性,許多政府以及企業(yè)開始嚴(yán)格要求控制特種車輛的噪聲和振動方面的問題。特種車輛的使用環(huán)境往往比乘用車或商用車更惡劣,駕駛室的噪聲問題嚴(yán)重影響到駕駛?cè)藛T的身心健康。特種車輛車內(nèi)聲品質(zhì)預(yù)測的研究較少,本文針對某特種車車內(nèi)噪聲的聲品質(zhì)進行分析并建立預(yù)測模型后續(xù)進行優(yōu)化研究,主要研究內(nèi)容有:首先,進行了車內(nèi)噪聲的采集試驗并對試驗數(shù)據(jù)進行挑選,處理成68個可以進行主觀評價試驗的有效聲音樣本,確定了等級評分法為最終的主觀評價方法,通過25名評價人員進行評價后將獲取的評價結(jié)果進行相關(guān)性分析,最終保留并計算了20名人員的主觀評分值的算術(shù)平均值,用作后續(xù)預(yù)測模型的輸出值。分析計算了聲音樣本的A計權(quán)聲壓級、響度、尖銳度、粗糙度、清晰度指數(shù)并進行整理,用作后續(xù)預(yù)測模型的輸入值,最后分析了各參數(shù)隨工況的變化趨勢,為后續(xù)預(yù)測模型建立提供了理論支撐。其次,利用XGBoost算法構(gòu)建了特種車車內(nèi)噪聲聲品質(zhì)預(yù)測模型,對比分析表明XGBoost模型的預(yù)測精度優(yōu)于隨機森林模型和線性回歸模型,平均相對誤差為2.43%,判定系數(shù)達(dá)到0.943。并針對聲品質(zhì)客觀參數(shù)的特點分析得到A聲級、響度、尖銳度對預(yù)測主觀分?jǐn)?shù)的貢獻(xiàn)度較大。最后,通過吸隔聲性能試驗選定了PET、EVA、毛氈、針刺毯面四種材料,加裝在車內(nèi)對應(yīng)位置后再對特種車進行車內(nèi)噪聲采集并獲取心理聲學(xué)客觀參數(shù),通過分析并對比了特種車的發(fā)動機定轉(zhuǎn)速三種工況下的結(jié)果,A聲級最大降低了（）0.96d B A,響度最大降低了1.826sone,尖銳度最大降低了0.109acum,粗糙度最大降低了0.085asper,AI指數(shù)最大提高了4.051%。XGBoost模型預(yù)測結(jié)果顯示主觀評價分?jǐn)?shù)最大提高了0.73分,平均提高了0.35分,表明該特種車車內(nèi)聲品質(zhì)聲學(xué)包裝優(yōu)化方案有一定效果。
陳琪[3]（2020）在《基于智能算法的車內(nèi)路噪多通道主動控制技術(shù)研究》文中研究指明隨著汽車品質(zhì)的提升,汽車車內(nèi)噪聲成為用戶評價汽車乘坐舒適性的重要指標(biāo)。目前,隨著汽車振動噪聲技術(shù)的發(fā)展,發(fā)動機和傳動系統(tǒng)噪聲已經(jīng)得到有效控制,汽車行駛時輪胎與路面相互作用產(chǎn)生的噪聲（以下簡稱“路噪”）在整車噪聲的影響程度在擴大,降低車內(nèi)路噪,是汽車行業(yè)發(fā)展的重要趨勢。路噪主要是低頻率寬頻帶的隨機噪聲,目前主流的被動降噪技術(shù),如吸聲、隔聲等,難以對其進行抑制,因此能有效降低低頻噪聲的噪聲主動控制技術(shù)引發(fā)了廣大汽車科技工作者的關(guān)注。同時,為了滿足車內(nèi)多個位置的降噪需求就需要研究噪聲的多通道主動控制技術(shù)。本文通過研究噪聲多通道主動控制技術(shù)的基本原理、系統(tǒng)結(jié)構(gòu)和算法實現(xiàn),并對車內(nèi)路噪的噪聲特性進行分析,結(jié)合現(xiàn)有的車內(nèi)路噪主動控制方法提出了一種新的基于神經(jīng)網(wǎng)絡(luò)技術(shù)的車內(nèi)路噪多通道主動控制策略:采用對時間序列信號具有較好辨識能力的神經(jīng)網(wǎng)絡(luò)方法,經(jīng)過離線訓(xùn)練后通過懸架和車身連接點的振動加速度信號對車內(nèi)路噪信號進行辨識,然后利用多通道噪聲主動控制算法對車內(nèi)路噪進行主動降噪,并圍繞提出的控制策略,主要完成了以下研究工作:首先,通過比較各類算法特點后確定了車內(nèi)多通道噪聲主動控制系統(tǒng)的控制方案,采用基于隨機梯度的LMS算法及多通道FxLMS算法分別完成多通道噪聲主動控制系統(tǒng)的次級聲通道辨識和主動降噪。其次,基于試驗采集的汽車勻速行駛工況下懸架和車身連接點的振動加速度信號以及車內(nèi)駕駛員與后排乘員耳旁噪聲信號進行了低頻特性與多重相關(guān)性分析,建立了車內(nèi)路噪辨識的Elman神經(jīng)網(wǎng)絡(luò)模型。然后,建立了多通道噪聲主動控制系統(tǒng)模型,并將其與多參考LMS算法合成車內(nèi)路噪模型和Elman神經(jīng)網(wǎng)絡(luò)車內(nèi)路噪辨識模型分別整合,搭建了現(xiàn)有的車內(nèi)路噪主動控制模型與基于神經(jīng)網(wǎng)絡(luò)的車內(nèi)路噪多通道主動控制模型,對比驗證提出的車內(nèi)路噪多通道主動控制策略的有效性和可行性?；谠囼灢杉恼駝优c噪聲數(shù)據(jù)分別對兩組模型進行了仿真分析。結(jié)果表明,在路噪頻率范圍內(nèi),兩組模型均取得了良好的降噪效果,可以實現(xiàn)多點的同時降噪?，F(xiàn)有的車內(nèi)路噪主動控制模型降噪量主要分布在10dB以內(nèi),峰值的降噪量可以達(dá)到約20dB。基于神經(jīng)網(wǎng)絡(luò)辨識的車內(nèi)路噪主動控制系統(tǒng)降噪效果不遜于現(xiàn)有的車內(nèi)路噪多通道主動控制策略,甚至在0-50Hz范圍內(nèi)的峰值噪聲降噪效果更佳,可以達(dá)到約25dB。最后,基于所建立的車內(nèi)路噪多通道主動控制Simulink模型及其控制策略,搭建車內(nèi)路噪多通道主動控制系統(tǒng)的硬件在環(huán)仿真平臺,并以實車試驗采集的數(shù)據(jù)為基礎(chǔ)對所建系統(tǒng)進行硬件在環(huán)仿真試驗,結(jié)果表明基于神經(jīng)網(wǎng)絡(luò)的車內(nèi)路噪多通道主動控制系統(tǒng)在20-100Hz頻率范圍內(nèi)具有較好的降噪效果,并且可以實現(xiàn)多點的同時降噪,降噪量主要分布在2-8dB,噪聲峰值處的降噪效果更佳。
嚴(yán)倜凡[4]（2020）在《運動型多用途汽車聲學(xué)分析與設(shè)計研究》文中進行了進一步梳理隨著我國汽車工業(yè)水平的快速上升以及國民經(jīng)濟水平的提高,人們對汽車駕乘聲學(xué)舒適度的要求逐步提升。通過調(diào)研發(fā)現(xiàn),近幾年運動型多用途汽車（SUV,Sport Utility Vehicle）在國內(nèi)的市場份額提升顯著。與傳統(tǒng)轎車相比,其在驅(qū)動方式、造型、使用情景等方面有著較大的不同,目前國內(nèi)對SUV聲學(xué)研究及車內(nèi)聲品質(zhì)的研究較少。因此,如何從駕乘者實際感受出發(fā)改善SUV車內(nèi)聲學(xué)環(huán)境,提升行車舒適性是本課題的研究重點。為了更好地改善車內(nèi)聲學(xué)環(huán)境,本課題基于互聯(lián)網(wǎng)大數(shù)據(jù)對被試SUV相關(guān)車型目標(biāo)用戶進行信息提取分析,獲得用戶在行車過程中與噪聲相關(guān)的使用場景與需求。接著對車內(nèi)噪聲采集實驗進行設(shè)計,計算車內(nèi)聲品質(zhì)客觀參數(shù)并進行分析。設(shè)計并實施聲品質(zhì)主觀評價試驗,結(jié)合主客觀試驗評價結(jié)果通過多元線性回歸模型分析主客觀參量間的相關(guān)性。在分析主客觀評價自變量與因變量相關(guān)性的基礎(chǔ)上,采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型,建立聲品質(zhì)主觀評分預(yù)測模型對開啟音樂工況下的主觀評價分值進行預(yù)測?；谏鲜龇治?得到音樂作為掩蔽聲可提升車內(nèi)聲品質(zhì)音調(diào)度,降低用戶對噪聲的主觀不適感的結(jié)論,并由此設(shè)計車內(nèi)音樂交互系統(tǒng)方案。結(jié)合聲品質(zhì)實驗結(jié)果和用戶需求,為降低噪聲尖銳度與A計權(quán)聲級,基于統(tǒng)計能量法建立整車聲學(xué)模型,加載振動與噪聲激勵后進行仿真,結(jié)果表明整車聲學(xué)模型仿真吻合程度較好。通過分析SUV子系統(tǒng)對副駕駛頭部聲腔的能量貢獻(xiàn)程度,對防火墻處施加復(fù)合隔聲材料,使高頻噪聲得到一定程度上的降低。本論文將理論研究與工業(yè)設(shè)計實踐相結(jié)合,為SUV聲學(xué)環(huán)境優(yōu)化提供理論指導(dǎo)與參考。
陸怡[5]（2020）在《混合動力汽車車內(nèi)聲品質(zhì)評價預(yù)測與控制研究》文中研究表明混合動力汽車動力系統(tǒng)結(jié)構(gòu)相較于傳統(tǒng)燃油車而言復(fù)雜程度有所上升,導(dǎo)致整體的振動噪聲特性有明顯變化,驅(qū)動模式根據(jù)動力分配控制策略不停切換使得瞬態(tài)沖擊和高頻噪聲問題頻頻出現(xiàn),車內(nèi)聲品質(zhì)環(huán)境未有改善,特定工況下甚至有所惡化,基于以上諸多因素,本文開展了關(guān)于混合動力汽車車內(nèi)聲品質(zhì)評價與控制的研究工作。具體研究工作如下:首先,探討了混合動力汽車主要行駛工況下傳動系統(tǒng)的動力分配方式。在此基礎(chǔ)上,分析并挑選試驗工況,通過實車道路試驗采集穩(wěn)態(tài)和非穩(wěn)態(tài)工況的聲信號,利用分組成對比較法對聲樣本進行主觀評價試驗。利用ArtemiS軟件計算穩(wěn)態(tài)和非穩(wěn)態(tài)工況下聲樣本的客觀參量,分別與對應(yīng)煩惱度值作相關(guān)性分析,發(fā)現(xiàn)非穩(wěn)態(tài)下音調(diào)度與煩惱度值相關(guān)系數(shù)不大,將其從評價預(yù)測模型的訓(xùn)練輸入量中剔除。其次,搭建基于SVM、LSSVM、FM算法的聲品質(zhì)評價預(yù)測模型。分別以穩(wěn)態(tài)和非穩(wěn)態(tài)工況下所測前45組聲樣本的客觀參量和煩惱度值作為訓(xùn)練,進行主觀評價結(jié)果預(yù)測,發(fā)現(xiàn)穩(wěn)態(tài)和非穩(wěn)態(tài)工況下均是FM算法模型的預(yù)測精度較高,并且相較于穩(wěn)態(tài)而言非穩(wěn)態(tài)下模型的預(yù)測精度普遍較低,說明客觀參量無法全面反映非穩(wěn)態(tài)工況下聲樣本的變化特征。針對這一問題,提出了在非穩(wěn)態(tài)工況下利用CEEMD分解樣本聲信號,挑選與聲樣本相關(guān)程度較高的本征模態(tài)函數(shù)（IMF）,利用樣本熵從IMF中提取信號特征作為模型輸入量的解決辦法。經(jīng)過試驗表明與以客觀參量作為模型輸入量的方法相比,前者的模型預(yù)測精度更高,更能反映非穩(wěn)態(tài)下聲信號變化特征。然后,針對由電機組等部件引發(fā)的高頻噪聲問題,以仿真分析和實車試驗兩種方式進行被動控制研究。仿真研究通過在CATIA、Hypermesh、Virtual.Lab等軟件中搭建車身模型和進行有限元分析的方式來實現(xiàn)。從面密度和厚度兩個因素出發(fā),選用PET+PP纖維材料與丁基橡膠阻尼材料組成復(fù)合吸聲材料,實現(xiàn)對車內(nèi)聲品質(zhì)的被動控制。經(jīng)仿真分析和實車試驗檢驗,被動控制后各項客觀參量有明顯改善,且仿真結(jié)果的變化趨勢與實車試驗基本一致。最后,設(shè)計了以FELMS作為核心算法的聲品質(zhì)自適應(yīng)主動控制系統(tǒng)?；贛atlab/Simulink平臺搭建自適應(yīng)主動控制系統(tǒng),主要包含Elman結(jié)構(gòu)的動態(tài)神經(jīng)網(wǎng)絡(luò)、殘差濾波器、FIR濾波器、LMS函數(shù)包等模塊。聲品質(zhì)自適應(yīng)主動控制系統(tǒng)以響度和尖銳度作為控制量。主動控制后響度、尖銳度和粗糙度三者分別平均下降了9.68sone、0.22acum和0.38asper,可見以聲品質(zhì)控制為目標(biāo)的主動控制方案取得了良好的效果,具有實用性。
張喆[6]（2020）在《指向性揚聲器設(shè)計及其在車內(nèi)分區(qū)域聲管理中的應(yīng)用》文中提出為實現(xiàn)車內(nèi)分區(qū)域聲場控制,建設(shè)友好的車內(nèi)聲學(xué)環(huán)境,本文從指向性揚聲器入手,基于參量陣聲學(xué)原理和數(shù)字揚聲器原理,結(jié)合數(shù)字揚聲器和調(diào)制算法對自解調(diào)信號的諧波失真進行研究,并提出了閾值濾波算法。測試了數(shù)字式揚聲器的指向性,通過仿真分析了數(shù)字式揚聲器在車內(nèi)形成的可聽聲聲場,表明數(shù)字式指向性揚聲器能實現(xiàn)車內(nèi)分區(qū)域聲管理上,為駕駛員和乘客提供良好舒適的聲學(xué)環(huán)境。針對揚聲器的指向性問題,為實現(xiàn)車內(nèi)聲環(huán)境的分區(qū)域控制,本文根據(jù)非線性聲學(xué)原理,結(jié)合參量陣揚聲器理論,利用超聲波的高指向性,以數(shù)字揚聲器為載體將可聽聲信號調(diào)制到超聲載波信號上進行發(fā)聲;針對參量陣揚聲器存在的諧波失真問題,結(jié)合雙邊帶調(diào)制算法及位組控制方法提出了適用于數(shù)字式揚聲器的調(diào)制算法,并分析討論了算法中調(diào)制系數(shù)對諧波失真的和解析度的影響。針對由數(shù)字控制引入的噪聲問題,本文設(shè)計了濾除噪聲的算法并進行驗證,實驗結(jié)果表明降噪效果良好。本文設(shè)計了基于STM32的全數(shù)字式指向性揚聲器平臺,省去了A/D轉(zhuǎn)換和D/A轉(zhuǎn)換所需要的硬件設(shè)備和軟件處理模塊。針對揚聲器陣列的控制問題,本文設(shè)計了基于指數(shù)的換能器數(shù)量的位組控制方式,通過控制換能器的開啟數(shù)量來控制聲壓幅值的變化,以最少的資源實現(xiàn)揚聲器的發(fā)聲控制。基于Berktay遠(yuǎn)場解建立聲學(xué)傳遞模型,通過仿真探究了諧波失真與調(diào)制算法和換能器陣列數(shù)量之間的關(guān)系。選取ARM公司的STM32F103ZE6芯片為硬件開發(fā)平臺,自主完成了換能器陣列排布設(shè)計及驅(qū)動硬件電路設(shè)計,分別采用單頻聲信號窄帶及合成聲信號進行實驗,驗證了數(shù)字揚聲器換能器數(shù)量對聲音解析度的影響,測試了移植在數(shù)字式揚聲器上DSB調(diào)制算法調(diào)制系數(shù)的影響;對搭建好的數(shù)字式指向性揚聲器平臺進行了指向性檢驗,測試了揚聲器在近場環(huán)境下的聲場,實驗表明揚聲器在近場仍具有良好的指向性。建立了車內(nèi)聲場環(huán)境模型,對車內(nèi)聲場進行了區(qū)域劃分,并分別分析計算了數(shù)字式指向性揚聲器在明區(qū)和暗區(qū)的聲音信號,表明數(shù)字式指向性揚聲器能夠?qū)崿F(xiàn)車內(nèi)分區(qū)域聲學(xué)管理。
王智錳[7]（2019）在《多模式車內(nèi)聲品質(zhì)主動控制研究》文中進行了進一步梳理良好的車內(nèi)NVH（Noise,Vibration,Harshness）性能不僅能大幅改善駕乘人員的駕駛與乘坐體驗,也能提高汽車產(chǎn)品的辨識度,進而影響消費者的購車取向。目前國內(nèi)外針對車內(nèi)噪聲的控制大多以改善車內(nèi)舒適性聲品質(zhì)為目的,降低車內(nèi)噪聲聲壓級或是低頻段的響度值,沒有深入分析人耳聽覺特性以及聲品質(zhì)對乘員聽覺感受的影響,也忽略了乘員聽覺感受具有多維性的特點,無法滿足廣大消費者對于車內(nèi)聲品質(zhì)的需求。針對上述問題,本文基于舒適性和運動感2個維度對車內(nèi)噪聲進行聲品質(zhì)預(yù)測以及主動優(yōu)化控制,主要研究內(nèi)容如下:以某國產(chǎn)SUV為研究對象,采集車內(nèi)勻速和加速工況下車內(nèi)聲樣本,針對舒適性和運動感兩個維度分別進行聲品質(zhì)主、客觀評價,對多維度聲品質(zhì)主、客觀評價結(jié)果進行相關(guān)分析,以響度、尖銳度、粗糙度三個心理聲學(xué)參數(shù)作為輸入,聲品質(zhì)主觀評價結(jié)果作為輸出,利用GA-BP神經(jīng)網(wǎng)絡(luò)算法建立車內(nèi)聲品質(zhì)多維度非線性預(yù)測模型?；谥鲃釉肼暰馑惴ㄔO(shè)計階次噪聲主動控制系統(tǒng),利用SIMULINK建立了相應(yīng)仿真模型,通過仿真分析,確定自適應(yīng)濾波器最優(yōu)階數(shù)和收斂因子兩個關(guān)鍵參數(shù),并給出次級通路離線辨識方法;針對舒適性和運動感兩個聲品質(zhì)控制模式,對各階次噪聲進行聲壓級幅值調(diào)節(jié),分析各階次噪聲聲壓級變化對舒適性和運動感聲品質(zhì)的影響,確定兩個聲品質(zhì)控制模式下的系統(tǒng)控制階次;以不同剩余系數(shù)組合對車內(nèi)聲品質(zhì)進行仿真控制,利用仿真結(jié)果建立剩余系數(shù)與聲品質(zhì)得分的GA-BP神經(jīng)網(wǎng)絡(luò)模型,對一定范圍內(nèi)的剩余系數(shù)組合進行聲品質(zhì)得分尋優(yōu),確定兩個聲品質(zhì)控制模式下的最優(yōu)剩余系數(shù)。最后,分別基于仿真和實驗對本文提出的控制系統(tǒng)和參數(shù)進行驗證,結(jié)果均表明,本文所提出系統(tǒng)可以在一定程度上對車內(nèi)聲品質(zhì)進行多模式主動控制。
杜松澤[8]（2019）在《汽車發(fā)動機進氣系統(tǒng)聲品質(zhì)控制與優(yōu)化研究》文中提出汽車加速噪聲是汽車重要的性能評價指標(biāo)之一,隨著市場發(fā)展,車企和用戶對于車內(nèi)噪聲的要求從“安靜”逐步發(fā)展為“品質(zhì)”。“動力感”（Powerfulness Sound Quality）是加速噪聲的一種感受偏好,對于運動風(fēng)格汽車需要增強其加速工況“動力感”聲品質(zhì)。加速噪聲的主要貢獻(xiàn)源為進氣、排氣和發(fā)動機噪聲,在后兩種噪聲得到有效控制后,可通過對進氣系統(tǒng)優(yōu)化來提升車內(nèi)聲品質(zhì)。然而,由于加速噪聲評價方法和“動力感”聲品質(zhì)目標(biāo)不明確,以及通過進氣系統(tǒng)控制聲品質(zhì)方法的不完善,無法有效指導(dǎo)“動力感”聲品質(zhì)正向設(shè)計。本文結(jié)合關(guān)鍵科學(xué)問題和車企實際需求,以某自主品牌乘用車進氣噪聲為研究對象,以實現(xiàn)加速工況車內(nèi)“動力感”聲品質(zhì)正向設(shè)計為目標(biāo),從車內(nèi)聲品質(zhì)主、客觀分析和進氣系統(tǒng)結(jié)構(gòu)優(yōu)化兩個方向展開研究。完成了評價指標(biāo)、目標(biāo)限值、軟件開發(fā)、仿真模型、方案設(shè)計、測試方法、樣件驗證等一整套工作。具體包括:（1）研究并提出了適用于汽車加速噪聲的時變非穩(wěn)態(tài)噪聲評價方法。以反映加速噪聲聽覺感知內(nèi)涵為目標(biāo),建立了“動力感”語義細(xì)分空間。采用專家咨詢和主成分分析方法對語義細(xì)分空間進行降維,獲得了刺激性、豐富性和平穩(wěn)性三種維度的主觀評價指標(biāo);提出了預(yù)定義類別連續(xù)評估方法,能夠考慮評價人員差異和噪聲樣本時變非穩(wěn)態(tài)特征,以提高對于加速噪聲主觀評價的準(zhǔn)確性。建立包含研究車型和競品車型的加速噪聲樣本庫,進行三種主觀評價指標(biāo)下的主觀評價和數(shù)據(jù)檢驗,驗證了時變非穩(wěn)態(tài)噪聲主觀評價方法的有效性。（2）研究并提出了與“動力感”聲品質(zhì)關(guān)聯(lián)的客觀評價參量集。提出了“動力感”聲品質(zhì)客觀評價指標(biāo),包含聲音信號的時-頻特征、心理聲學(xué)及綜合參量三個方面。具體包括:階次分布、頻率均衡、線性度、響度、尖銳度、粗糙度、抖動度、轟鳴指數(shù)、調(diào)制指數(shù)以及階次衰減率;通過主觀試聽和理論分析對比,提出了“階次諧和度”和“主導(dǎo)階次貢獻(xiàn)量”兩種評價指標(biāo),用于揭示階次和頻率成分因素對于聲品質(zhì)的影響機理;編寫“心理聲學(xué)參量計算程序”以及其它參量計算代碼,計算24組聲音樣本的客觀參量值。采用相關(guān)性分析和聚類分析方法,明確各主觀指標(biāo)與不同客觀評價指標(biāo)相關(guān)性。研究結(jié)果表明,所有加速噪聲客觀評價指標(biāo)均可聚類為2、4、6階聲壓與總聲壓能量比以及各低頻Bark頻帶之間的聲壓能量比。（3）研究并提出了加速噪聲的區(qū)間直覺模糊綜合排序方法并確定了“動力感”聲品質(zhì)目標(biāo)值。采用模糊聚類方法確定對于加速噪聲主觀評價中的轉(zhuǎn)速和評價指標(biāo)權(quán)重分配;利用區(qū)間直覺模糊信息排序方法對加速聲音樣本進行綜合評價并排序,其方法較傳統(tǒng)的平均法更為精準(zhǔn);編寫了“階次分解-合成軟件”,實現(xiàn)對聲音樣本的階次分量和頻率分量的分解、調(diào)制及主觀評價,結(jié)合支持向量機模型制定了兩種“動力感”聲品質(zhì)頻譜特征目標(biāo):即“主導(dǎo)階次接力”和“特征頻率保留”。（4）研究并提出了通過進氣系統(tǒng)結(jié)構(gòu)設(shè)計提升“動力感”聲品質(zhì)的正向設(shè)計方法。采用四負(fù)載方法提取發(fā)動機聲源特征作為激勵,結(jié)合進氣系統(tǒng)聲學(xué)傳遞向量的瞬變工況仿真方法求取管口噪聲,對比了該仿真方法與試驗測試、傳統(tǒng)仿真方法之間的差異性;通過正交分析確定對管口噪聲及階次噪聲敏感的消聲元件結(jié)構(gòu)參數(shù),用以提高結(jié)構(gòu)設(shè)計效率;采用新型聲學(xué)單元,例如:微穿孔消聲結(jié)構(gòu),同截面并聯(lián)式共振腔以及進氣發(fā)聲單元進行聲品質(zhì)控制。（5）研究了進氣噪聲對于車內(nèi)噪聲的影響規(guī)律,發(fā)展了面向聲品質(zhì)的進氣噪聲測試方法。通過運行工況傳遞路徑方法測量并分析進氣噪聲對于車內(nèi)噪聲的貢獻(xiàn)水平;通過搭建整車進氣噪聲試驗測試臺架,并提出相應(yīng)的管口噪聲引出修正計算方法,獲得了相對純凈的進氣管口噪聲。通過研究表明,進氣噪聲與車內(nèi)噪聲特征強相關(guān),進氣噪聲是優(yōu)質(zhì)的汽車加速工況“動力感”聲品質(zhì)來源。本文設(shè)計開發(fā)了兩種進氣系統(tǒng)消聲方案,分別滿足兩種“動力感”聲品質(zhì)頻譜特征目標(biāo)值。通過整車半消聲室實車噪聲測試和現(xiàn)場主觀評價,其主觀評價從優(yōu)化前的5.1分分別提升至6.4分和6.6分,其結(jié)果表明本文所發(fā)展的進氣系統(tǒng)聲品質(zhì)相關(guān)理論和方法是合理的、有效的、正確的。
周龍龍[9]（2019）在《車內(nèi)結(jié)構(gòu)耦合噪聲的預(yù)測分析及多目標(biāo)優(yōu)化》文中指出隨著現(xiàn)代科技技術(shù)的發(fā)展,研發(fā)者更加注重車輛舒適性的研究,舒適性已成為消費者心中一個評價車輛的重要參數(shù),而車輛NVH性能則對車輛舒適性有著決定性作用。各大汽車制造商也加大對車輛NVH研發(fā)的投入,車室低頻噪聲是車輛NVH的重要組成成分且嚴(yán)重影響了乘坐舒適性,車身結(jié)構(gòu)受到激勵容易引發(fā)低頻輻射噪聲,嚴(yán)重破壞車室環(huán)境。因此,如何快速找到車內(nèi)低頻耦合噪聲的根源,對主要噪聲影響部件進行優(yōu)化設(shè)計,以及對車內(nèi)低頻噪聲特性分析,具有較強實際意義。本文以有限元法建立起車室聲固耦合有限元模型,對車內(nèi)結(jié)構(gòu)耦合噪聲進行預(yù)測分析,提出板件聲學(xué)綜合貢獻(xiàn)量系數(shù)找出需優(yōu)化板件,完成實驗設(shè)計與板件優(yōu)化設(shè)計,形成一套能預(yù)測分析車內(nèi)低頻噪聲特性和有效降低車室低頻噪聲的方法。論文主要工作如下:（1）建立起車身結(jié)構(gòu)、車室聲腔和聲-固耦合的有限元模型,基于模態(tài)理論依次進行車身結(jié)構(gòu)模態(tài)分析、聲腔聲學(xué)模態(tài)分析、聲-固耦合系統(tǒng)模態(tài)分析。分析得到車身結(jié)構(gòu)模態(tài)中存在較多局部模態(tài),且集中在前門板、頂棚和后門板處;聲腔模態(tài)的振型層次分明,振型較強烈出現(xiàn)在地板、頂棚和前圍板的周圍;耦合系統(tǒng)的模態(tài)分布密集,易與整車部件發(fā)生共振。（2）針對車室噪聲的形成機理進行分析,已知發(fā)動機激勵,基于聲學(xué)耦合有限元法對車內(nèi)結(jié)構(gòu)耦合噪聲進行預(yù)測,分析車內(nèi)低頻噪聲的特性。得到車內(nèi)目標(biāo)點的頻響曲線大體一致,主要聲壓峰值出現(xiàn)在頻率72Hz、134.1Hz和183.9Hz處,車內(nèi)聲壓分布與板件振動速度和耦合模態(tài)有很大相關(guān)性。（3）由分析得出的峰值頻段,結(jié)合部件劃分的20塊車身板件,對目標(biāo)點聲學(xué)響應(yīng)進行板件貢獻(xiàn)量計算分析。得出在同一頻率下兩目標(biāo)點較大正貢獻(xiàn)量的板件有很多是一樣的,其中在72Hz處,板件17號（車室右側(cè)門板）、7號（車室地板中部）、12號（車室左側(cè)門板）對兩目標(biāo)點聲壓正貢獻(xiàn)量都較大。同一板件在不同頻率下對目標(biāo)點既是最大正貢獻(xiàn)量也是最小負(fù)貢獻(xiàn)量。在此考慮到目標(biāo)點權(quán)重與噪聲水平系數(shù)提出板件聲學(xué)綜合貢獻(xiàn)量系數(shù),計算得到綜合貢獻(xiàn)量較大的板件有:車室地板中部、右前車門玻璃、車室地板前部、后門板、車室右側(cè)門板、車室后門玻璃、前圍板。這為后面試驗設(shè)計找到了設(shè)計因子。（4）利用最優(yōu)拉丁超立方設(shè)計法對上述七塊板件的厚度在設(shè)計空間內(nèi)抽取50組樣本點,在有限元軟件中相應(yīng)的計算出車身質(zhì)量、車身結(jié)構(gòu)第17階模態(tài)頻率、兩目標(biāo)點的聲壓均方根值并作為輸出響應(yīng),基于徑向基神經(jīng)網(wǎng)絡(luò)法建立起近似模型。抽取十組樣本點完成誤差分析,誤差值均較小,說明建立起的近似模型具有高精確度,滿足工程要求,可代替有限元模型進行優(yōu)化。（5）根據(jù)建立的近似模型,將車身質(zhì)量和兩目標(biāo)點聲壓均方根值最小作為優(yōu)化目標(biāo),以車身第17階模態(tài)頻率大于50Hz為約束條件,以板件綜合貢獻(xiàn)量較大的七塊板件厚度為設(shè)計變量。使用帶精英策略的非支配排序遺傳算法（NSGA-II）在設(shè)計空間內(nèi)進行多目標(biāo)優(yōu)化。將板件優(yōu)化參數(shù)帶入有限元中計算出響應(yīng)并進行誤差分析,得到近似模型與有限元模型的響應(yīng)誤差均小于2%,說明優(yōu)化結(jié)果具有可靠性。分析優(yōu)化結(jié)果得到,兩目標(biāo)點的聲壓均方根值分別下降3.57dB（A）和6.91dB（A）,在72Hz處,兩目標(biāo)點的聲壓峰值分別下降3.06dB（A）和4.83dB（A）,在聲壓峰值頻段134.1Hz與183.9Hz處的聲壓峰值均有下降,整體聲壓均方根值都有降低,車身質(zhì)量減輕了12.167Kg,車室低頻結(jié)構(gòu)耦合噪聲得到有效控制,同時也達(dá)到車身輕量化的要求。同時也證明建立徑向基神經(jīng)近似模型,運用NSGA-II算法實現(xiàn)板件厚度優(yōu)化降低車室結(jié)構(gòu)耦合噪聲方案的可靠性和有效性。
李燚勇[10]（2019）在《基于BP神經(jīng)網(wǎng)絡(luò)的車內(nèi)有源噪聲控制技術(shù)研究》文中研究指明隨著高速數(shù)字信號處理技術(shù)的發(fā)展,汽車內(nèi)主動降噪技術(shù)由理論轉(zhuǎn)化為現(xiàn)實,主動噪聲控制系統(tǒng)（Active Noise Control,ANC）逐漸被應(yīng)用到汽車上。目前主流的車內(nèi)ANC系統(tǒng)較多采用自適應(yīng)算法,對發(fā)動機噪聲進行抑制。但當(dāng)車速高于70km/h時,胎噪和風(fēng)噪在車內(nèi)噪聲中開始占據(jù)主導(dǎo)地位,進而導(dǎo)致車輛高速行駛時,車內(nèi)ANC系統(tǒng)噪聲抑制效果變差。此外,消費者普遍反映在周圍環(huán)境出現(xiàn)突發(fā)噪聲（鳴笛、急剎車等）時,車內(nèi)會出現(xiàn)短暫的噪聲增大現(xiàn)象。為此,本文主要針對上述兩點問題對車內(nèi)ANC系統(tǒng)中的控制算法進行研究與改進,旨在保證不同車速下ANC系統(tǒng)具有良好的噪聲抑制效果和抗干擾能力。首先,搭建音頻數(shù)據(jù)采集系統(tǒng)對某品牌小轎車在不同工況下的發(fā)動機噪聲信號、風(fēng)噪信號、胎噪信號及期望降噪位置的噪聲信號進行采集,分析各類噪聲信號的特征。針對搭建的BP神經(jīng)網(wǎng)絡(luò)模型,將發(fā)動機噪聲信號、風(fēng)噪信號、胎噪信號作為神經(jīng)網(wǎng)絡(luò)的輸入,期望降噪位置的噪聲信號作為輸出訓(xùn)練本文提出的BP神經(jīng)網(wǎng)絡(luò)模型,建立輸入輸出的非線性模型,描述不同工況下各類噪聲對期望降噪位置處噪聲的綜合影響,保證主動降噪自適應(yīng)算法輸入信號的準(zhǔn)確性。然后,對ANC系統(tǒng)中自適應(yīng)控制算法部分進行改進:以傳統(tǒng)歸一化最小均方算法（Least Mean Square,LMS）作為基礎(chǔ)控制算法。在此基礎(chǔ)上,引入Sigmoid函數(shù)（對標(biāo)準(zhǔn)的Sigmoid函數(shù)作一定的變換）來控制歸一化LMS算法的步長因子?,充分利用Sigmoid函數(shù)對較大輸入的不敏感性,來提高整個自適應(yīng)算法對環(huán)境中突發(fā)噪聲的抗干擾能力。接著,設(shè)計并搭建了基于DSP芯片的硬件實驗平臺,并對改進后算法進行了實驗驗證。最后,將BP神經(jīng)網(wǎng)絡(luò)模型與改進后的自適應(yīng)算法相結(jié)合,以發(fā)動機噪聲信號、風(fēng)噪信號、胎噪信號作為BP網(wǎng)絡(luò)的輸入,BP網(wǎng)絡(luò)的輸出作為自適應(yīng)控制算法的參考輸入信號。在MATLAB平臺上搭建仿真系統(tǒng)進行仿真,并分析仿真結(jié)果。綜合仿真和實驗結(jié)果得:改進后主動降噪算法的抗干擾能力得到了提高。而且在車輛高速（70km/h）行駛情況下,相較于目前主流的車內(nèi)ANC算法,改進后的主動降噪算法噪聲抑制效果提高5dB。
二、神經(jīng)網(wǎng)絡(luò)技術(shù)在車內(nèi)噪聲預(yù)測上的應(yīng)用（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認(rèn)識進一步精確化。
跨學(xué)科研究法：運用多學(xué)科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學(xué)用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、神經(jīng)網(wǎng)絡(luò)技術(shù)在車內(nèi)噪聲預(yù)測上的應(yīng)用（論文提綱范文）
（1）純電動汽車路噪主動控制方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 主動噪聲控制技術(shù)研究歷程及現(xiàn)狀 |
| 1.2.1 主動噪聲控制算法研究 |
| 1.2.2 主動噪聲控制技術(shù)應(yīng)用實例及拓展 |
| 1.3 車內(nèi)主動噪聲控制技術(shù)研究現(xiàn)狀 |
| 1.3.1 車內(nèi)發(fā)動機噪聲主動控制技術(shù)研究現(xiàn)狀 |
| 1.3.2 車內(nèi)路噪主動控制技術(shù)研究現(xiàn)狀 |
| 1.4 本文主要研究內(nèi)容 |
| 第2章 車內(nèi)路噪主動控制技術(shù)理論基礎(chǔ) |
| 2.1 主動噪聲控制技術(shù)聲學(xué)原理 |
| 2.2 主動噪聲控制系統(tǒng)基本結(jié)構(gòu) |
| 2.2.1 前饋控制 |
| 2.2.2 反饋控制 |
| 2.3 自適應(yīng)濾波器 |
| 2.3.1 有限脈沖響應(yīng)FIR濾波器 |
| 2.3.2 無限脈沖響應(yīng)IIR濾波器 |
| 2.4 自適應(yīng)算法 |
| 2.4.1 最小均方LMS算法 |
| 2.4.2 濾波-x最小均方FxLMS算法 |
| 2.5 次級聲通路建模 |
| 2.6 BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法 |
| 2.7 本章小結(jié) |
| 第3章 純電動汽車車內(nèi)路噪主動控制方法 |
| 3.1 純電動汽車車內(nèi)路噪特性分析 |
| 3.2 路噪主動控制算法 |
| 3.2.1 EGMACFxLMS算法 |
| 3.2.2 NASFSxLMS-PSO算法 |
| 3.2.3 算法的性能分析 |
| 3.3 基于改進 BP 神經(jīng)網(wǎng)絡(luò)的路噪辨識 |
| 3.3.1 BP神經(jīng)網(wǎng)絡(luò)的改進 |
| 3.3.2 改進BP神經(jīng)網(wǎng)絡(luò)路噪辨識應(yīng)用設(shè)置 |
| 3.4 本章小結(jié) |
| 第4章 車內(nèi)路噪主動控制系統(tǒng)性能仿真分析 |
| 4.1 基于模擬信號的主動噪聲控制算法降噪性能分析 |
| 4.2 純電動汽車路噪主動控制模型 |
| 4.3 純電動汽車車內(nèi)路噪主動控制仿真分析 |
| 4.3.1 基于采集的車內(nèi)噪聲數(shù)據(jù)仿真分析 |
| 4.3.2 基于改進BP神經(jīng)網(wǎng)絡(luò)辨識的噪聲數(shù)據(jù)仿真分析 |
| 4.4 本章小結(jié) |
| 第5章 純電動汽車路噪主動控制平臺搭建及試驗 |
| 5.1 純電動汽車路噪主動控制平臺搭建 |
| 5.2 純電動汽車路噪主動控制硬件在環(huán)試驗 |
| 5.2.1 基于實際采集的噪聲數(shù)據(jù)的硬件在環(huán)試驗 |
| 5.2.2 基于振動加速度信號數(shù)據(jù)的硬件在環(huán)試驗 |
| 5.3 本章小結(jié) |
| 第6章 全文總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.2 全文展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間取得的成果 |
| 致謝 |
（2）某特種車車內(nèi)噪聲聲品質(zhì)分析及優(yōu)化（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景及意義 |
| 1.2 車內(nèi)聲品質(zhì)國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 車內(nèi)聲品質(zhì)國外研究現(xiàn)狀 |
| 1.2.2 車內(nèi)聲品質(zhì)國內(nèi)研究現(xiàn)狀 |
| 1.3 聲品質(zhì)預(yù)測技術(shù)國內(nèi)外研究現(xiàn)狀 |
| 1.4 本文技術(shù)路線與主要研究內(nèi)容 |
| 2 車內(nèi)噪聲樣本采集及主觀評價試驗 |
| 2.1 車內(nèi)噪聲樣本采集 |
| 2.1.1 主要試驗設(shè)備 |
| 2.1.2 噪聲數(shù)據(jù)樣本采集 |
| 2.2 主觀評價試驗 |
| 2.2.1 主觀評價方法 |
| 2.2.2 主觀評價試驗 |
| 2.2.3 數(shù)據(jù)相關(guān)性分析 |
| 2.3 本章小結(jié) |
| 3 心理聲學(xué)參數(shù) |
| 3.1 人耳的聽覺感知特性 |
| 3.1.1 聽覺系統(tǒng) |
| 3.1.2 聽閾和痛閾 |
| 3.1.3 掩蔽效應(yīng) |
| 3.1.4 臨界頻帶 |
| 3.2 主要心理聲學(xué)客觀參數(shù) |
| 3.2.1 聲壓級 |
| 3.2.2 響度 |
| 3.2.3 尖銳度 |
| 3.2.4 粗糙度 |
| 3.2.5 清晰度指數(shù) |
| 3.3 心理聲學(xué)參數(shù)計算 |
| 3.4 本章小結(jié) |
| 4 聲品質(zhì)預(yù)測模型 |
| 4.1 XGBoost相關(guān)原理介紹 |
| 4.1.1 決策樹原理 |
| 4.1.2 CART原理 |
| 4.1.3 GDBT原理 |
| 4.1.4 XGBoost原理 |
| 4.2 XGBoost模型的建立與調(diào)優(yōu) |
| 4.3 預(yù)測模型的效果驗證 |
| 4.4 本章小結(jié) |
| 5 聲學(xué)包材料試驗及優(yōu)化方案驗證 |
| 5.1 聲學(xué)材料選擇 |
| 5.1.1 聲學(xué)材料吸聲性能 |
| 5.1.2 聲學(xué)材料隔聲性能 |
| 5.1.3 聲學(xué)材料確定 |
| 5.2 聲學(xué)包材料吸隔聲性能參數(shù)試驗 |
| 5.3 優(yōu)化方案實車驗證及主觀分?jǐn)?shù)預(yù)測 |
| 5.4 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果 |
（3）基于智能算法的車內(nèi)路噪多通道主動控制技術(shù)研究（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究背景 |
| 1.2 車內(nèi)噪聲特性分析 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 車內(nèi)噪聲控制技術(shù) |
| 1.3.2 車內(nèi)噪聲主動控制研究概況 |
| 1.3.3 車內(nèi)路噪主動控制技術(shù)研究現(xiàn)狀 |
| 1.4 本文主要研究內(nèi)容 |
| 第2章 多通道噪聲主動控制系統(tǒng)結(jié)構(gòu)與算法 |
| 2.1 噪聲主動控制理論基礎(chǔ) |
| 2.1.1 噪聲主動控制聲學(xué)機理 |
| 2.1.2 噪聲主動控制系統(tǒng)結(jié)構(gòu) |
| 2.2 噪聲主動控制算法 |
| 2.2.1 自適應(yīng)濾波器 |
| 2.2.2 最小均方(LMS)算法 |
| 2.2.3 LMS算法性能分析 |
| 2.2.4 濾波-X LMS(FXLMS)算法 |
| 2.3 多通道噪聲主動控制算法 |
| 2.3.1 多通道系統(tǒng)次級聲通道辨識 |
| 2.3.2 多通道FXLMS算法推導(dǎo) |
| 2.4 本章小結(jié) |
| 第3章 基于試驗的車內(nèi)路噪特性分析 |
| 3.1 車內(nèi)路噪測試試驗 |
| 3.1.1 測試內(nèi)容 |
| 3.1.2 測試設(shè)備及試驗條件 |
| 3.1.3 傳感器測點布置 |
| 3.1.4 測試步驟 |
| 3.2 試驗數(shù)據(jù)分析與處理 |
| 3.2.1 數(shù)據(jù)預(yù)處理 |
| 3.2.2 車內(nèi)路噪特性分析 |
| 3.3 多重相干分析 |
| 3.3.1 多重相干法基本理論 |
| 3.3.2 多重相干分析 |
| 3.4 車內(nèi)路噪多通道主動控制策略 |
| 3.5 基于神經(jīng)網(wǎng)絡(luò)的車內(nèi)路噪辨識 |
| 3.5.1 Elman神經(jīng)網(wǎng)絡(luò)模型的建立 |
| 3.5.2 訓(xùn)練Elman神經(jīng)網(wǎng)絡(luò) |
| 3.6 本章小結(jié) |
| 第4章 車內(nèi)路噪多通道主動控制系統(tǒng)建模與仿真 |
| 4.1 多通道控制系統(tǒng)次級聲通道建模與仿真 |
| 4.1.1 次級聲通道辨識模型的搭建 |
| 4.1.2 控制系統(tǒng)參數(shù)優(yōu)化仿真 |
| 4.1.3 次級聲通道辨識的仿真分析 |
| 4.2 多通道噪聲主動控制系統(tǒng)建模與仿真 |
| 4.2.1 多通道噪聲主動控制系統(tǒng)建模 |
| 4.2.2 多通道噪聲主動控制系統(tǒng)仿真分析 |
| 4.3 車內(nèi)路噪多通道主動控制系統(tǒng)建模與仿真 |
| 4.3.1 車內(nèi)路噪信號辨識 |
| 4.3.2 車內(nèi)路噪多通道主動控制系統(tǒng)建模 |
| 4.3.3 車內(nèi)路噪多通道主動控制系統(tǒng)仿真分析 |
| 4.4 本章小結(jié) |
| 第5章 車內(nèi)路噪多通道主動控制試驗 |
| 5.1 硬件在環(huán)仿真平臺設(shè)計與搭建 |
| 5.1.1 試驗平臺設(shè)計 |
| 5.1.2 試驗儀器與設(shè)備 |
| 5.2 車內(nèi)路噪主動控制系統(tǒng)建模與仿真試驗 |
| 5.3 本章小結(jié) |
| 第6章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
（4）運動型多用途汽車聲學(xué)分析與設(shè)計研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題背景及研究目的和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 國內(nèi)運動型多用途汽車市場發(fā)展現(xiàn)狀 |
| 1.2.2 聲品質(zhì)研究現(xiàn)狀 |
| 1.2.3 汽車噪聲優(yōu)化研究現(xiàn)狀 |
| 1.2.4 國內(nèi)外研究現(xiàn)狀小結(jié) |
| 1.3 論文主要研究內(nèi)容及意義 |
| 1.4 論文創(chuàng)新點 |
| 1.5 課題技術(shù)路線 |
| 第二章 運動型多用途汽車用戶聲學(xué)需求分析 |
| 2.1 車內(nèi)聲品質(zhì)與車輛人機工程學(xué) |
| 2.2 車內(nèi)噪聲源分析 |
| 2.2.1 驅(qū)動原理 |
| 2.2.2 車輛噪聲源識別 |
| 2.3 聽覺系統(tǒng) |
| 2.3.1 人耳聽覺系統(tǒng)機理 |
| 2.3.2 人耳聽覺特性 |
| 2.3.3 掩蔽效應(yīng)與臨界頻帶 |
| 2.4 車輛聲學(xué)需求調(diào)研與分析 |
| 2.4.1 基于互聯(lián)網(wǎng)的目標(biāo)用戶信息特征提取 |
| 2.4.2 用戶評論信息調(diào)研分析 |
| 2.5 本章小結(jié) |
| 第三章 車內(nèi)聲品質(zhì)客觀評價實驗設(shè)計與分析 |
| 3.1 車內(nèi)噪聲樣本采集 |
| 3.1.1 樣本采集實驗因素設(shè)計 |
| 3.1.2 聲樣本采集 |
| 3.2 車內(nèi)聲品質(zhì)客觀參數(shù)分析 |
| 3.2.1 A計權(quán)聲級的計算與分析 |
| 3.2.2 響度的計算與分析 |
| 3.2.3 尖銳度的計算與分析 |
| 3.2.4 音調(diào)度的計算與分析 |
| 3.2.5 抖動度的計算與分析 |
| 3.2.6 粗糙度的計算與分析 |
| 3.2.7 AI語義清晰度的計算與分析 |
| 3.3 本章小結(jié) |
| 第四章 車內(nèi)聲品質(zhì)主觀評價實驗設(shè)計及主觀評分分析 |
| 4.1 車內(nèi)聲品質(zhì)主觀評價試驗設(shè)計 |
| 4.1.1 主觀評價方法 |
| 4.1.2 聲品質(zhì)主觀評價試驗設(shè)計 |
| 4.1.3 聲品質(zhì)主觀評價試驗的實施 |
| 4.2 主觀評價結(jié)果分析 |
| 4.2.1 主觀評分結(jié)果篩選 |
| 4.2.2 主觀評價結(jié)果分析 |
| 4.3 聲品質(zhì)主觀評分與客觀參量相關(guān)性分析 |
| 4.3.1 主客觀評價相關(guān)關(guān)系 |
| 4.3.2 主客觀參數(shù)多元線性回歸相關(guān)性分析 |
| 4.4 基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的聲品質(zhì)主觀評價預(yù)測模型 |
| 4.4.1 BP神經(jīng)網(wǎng)絡(luò)原理 |
| 4.4.2 遺傳算法原理 |
| 4.4.3 預(yù)測模型建立 |
| 4.5 音樂交互設(shè)計 |
| 4.6 本章小結(jié) |
| 第五章 基于統(tǒng)計能量法的車內(nèi)噪聲優(yōu)化研究及設(shè)計 |
| 5.1 聲學(xué)優(yōu)化分析 |
| 5.2 統(tǒng)計能量法基本理論 |
| 5.3 整車聲學(xué)模型建立 |
| 5.4 激勵輸入施加 |
| 5.5 車內(nèi)中高頻仿真結(jié)果及分析 |
| 5.5.1 車內(nèi)噪聲仿真預(yù)測驗證 |
| 5.5.2 車內(nèi)中高頻噪聲優(yōu)化設(shè)計 |
| 5.6 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄:運動型多用途汽車聲品質(zhì)主觀評價實驗問卷 |
| 作者簡介 |
（5）混合動力汽車車內(nèi)聲品質(zhì)評價預(yù)測與控制研究（論文提綱范文）
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 聲品質(zhì)評價方法研究現(xiàn)狀 |
| 1.2.2 聲品質(zhì)評價預(yù)測模型研究現(xiàn)狀 |
| 1.2.3 聲品質(zhì)控制研究現(xiàn)狀 |
| 1.3 本文的主要研究內(nèi)容 |
| 第二章 混合動力汽車運行工況與噪聲信號采集 |
| 2.1 動力傳動系統(tǒng)結(jié)構(gòu) |
| 2.2 行駛工況分析 |
| 2.3 HEV振動噪聲試驗 |
| 2.4 本章小結(jié) |
| 第三章 混合動力汽車車內(nèi)聲品質(zhì)主客觀評價研究 |
| 3.1 聲品質(zhì)主觀評價 |
| 3.1.1 聲信號預(yù)處理 |
| 3.1.2 聲品質(zhì)主觀評價方法 |
| 3.1.3 主觀評價試驗數(shù)據(jù)處理 |
| 3.1.4 主觀評價結(jié)果及分析 |
| 3.2 聲品質(zhì)客觀評價 |
| 3.2.1 聲品質(zhì)客觀參量 |
| 3.2.2 客觀評價結(jié)果及分析 |
| 3.3 客觀參量與主觀評價相關(guān)性分析 |
| 3.4 本章小結(jié) |
| 第四章 聲品質(zhì)評價預(yù)測模型研究 |
| 4.1 基于SVM算法的評價預(yù)測模型 |
| 4.1.1 SVM算法 |
| 4.1.2 基于SVM算法的聲品質(zhì)評價預(yù)測模型 |
| 4.2 基于LSSVM算法的評價預(yù)測模型 |
| 4.2.1 LSSVM算法 |
| 4.2.2 基于LSSVM算法的聲品質(zhì)評價預(yù)測模型 |
| 4.3 基于FM算法的評價預(yù)測模型 |
| 4.3.1 FM算法 |
| 4.3.2 基于FM算法的聲品質(zhì)評價預(yù)測模型 |
| 4.4 三種評價預(yù)測模型效果對比 |
| 4.5 非穩(wěn)態(tài)工況聲信號特征提取 |
| 4.5.1 經(jīng)驗?zāi)B(tài)分解原理 |
| 4.5.2 聲信號特征提取原理 |
| 4.5.3 特征提取方法應(yīng)用 |
| 4.6 非穩(wěn)態(tài)工況下改進后三種評價預(yù)測模型效果對比 |
| 4.7 本章小結(jié) |
| 第五章 車內(nèi)聲品質(zhì)的被動控制研究 |
| 5.1 仿真分析 |
| 5.1.1 建立車身模型 |
| 5.1.2 車身結(jié)構(gòu)模態(tài)分析 |
| 5.1.3 激勵導(dǎo)入 |
| 5.1.4 建立聲腔模型與聲學(xué)模態(tài)分析 |
| 5.1.5 聲學(xué)響應(yīng)分析 |
| 5.2 聲品質(zhì)被動控制 |
| 5.2.1 被動控制技術(shù)簡述 |
| 5.2.2 吸聲材料選取 |
| 5.2.3 吸聲材料安裝 |
| 5.2.4 被動控制效果對比 |
| 5.3 車內(nèi)聲品質(zhì)控制效果檢驗 |
| 5.3.1 聲品質(zhì)控制效果模型檢驗 |
| 5.3.2 二次主觀評價檢驗 |
| 5.4 本章小結(jié) |
| 第六章 車內(nèi)聲品質(zhì)的主動控制研究 |
| 6.1 控制系統(tǒng)各部分模塊選取 |
| 6.1.1 控制系統(tǒng)類型 |
| 6.1.2 非聲信號選取 |
| 6.1.3 構(gòu)建動態(tài)神經(jīng)網(wǎng)絡(luò) |
| 6.2 自適應(yīng)主動控制系統(tǒng)算法 |
| 6.2.1 最小均方誤差算法 |
| 6.2.2 濾波-X最小均方誤差算法 |
| 6.3 次級通道建立 |
| 6.4 自適應(yīng)主動控制系統(tǒng) |
| 6.4.1 基于FELMS算法的自適應(yīng)主動控制系統(tǒng) |
| 6.4.2 搭建控制系統(tǒng)模型 |
| 6.4.3 確定自適應(yīng)濾波器階數(shù)及收斂因子 |
| 6.5 聲品質(zhì)主動控制效果檢驗 |
| 6.6 二次主觀評價檢驗 |
| 6.7 本章小結(jié) |
| 第七章 總結(jié)與展望 |
| 7.1 全文總結(jié) |
| 7.2 研究展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 攻讀碩士研究生期間的學(xué)術(shù)成果 |
| 附錄A |
（6）指向性揚聲器設(shè)計及其在車內(nèi)分區(qū)域聲管理中的應(yīng)用（論文提綱范文）
| 摘要 |
| abstract |
| 主要符號對照表 |
| 第一章 緒論 |
| 1.1 研究背景及研究意義 |
| 1.2 國內(nèi)外研究發(fā)展及研究現(xiàn)狀 |
| 1.2.1 車內(nèi)分區(qū)域聲場控制研究現(xiàn)狀 |
| 1.2.2 參量陣揚聲器研究發(fā)展及現(xiàn)狀 |
| 1.2.3 數(shù)字揚聲器研究現(xiàn)狀 |
| 1.3 研究現(xiàn)狀總結(jié) |
| 1.4 本文主要研究內(nèi)容 |
| 第二章 指向性揚聲器理論基礎(chǔ) |
| 2.1 參量陣揚聲器理論基礎(chǔ) |
| 2.1.1 非線性效應(yīng) |
| 2.1.2 Westvelt方程 |
| 2.1.3 Berktay遠(yuǎn)場解 |
| 2.2 數(shù)字式揚聲器原理 |
| 2.3 本章小結(jié) |
| 第三章 數(shù)字信號調(diào)制及算法仿真 |
| 3.1 調(diào)制算法及計算分析 |
| 3.1.1 雙邊帶調(diào)制算法 |
| 3.1.2 平方根調(diào)制算法 |
| 3.2 調(diào)制算法在數(shù)字揚聲器上的移植 |
| 3.2.1 開關(guān)控制方式 |
| 3.2.2 雙邊帶調(diào)制算法的數(shù)字化及仿真分析 |
| 3.2.3 單邊帶調(diào)制算法與均方根算法移植討論 |
| 3.2.4 數(shù)字式揚聲器引入的問題及解決方法 |
| 3.3 本章小結(jié) |
| 第四章 數(shù)字式指向性揚聲器系統(tǒng)設(shè)計 |
| 4.1 揚聲器硬件系統(tǒng)設(shè)計 |
| 4.1.1 換能器陣列設(shè)計方案 |
| 4.1.2 換能器陣列布置 |
| 4.1.3 控制系統(tǒng)及功放 |
| 4.1.4 信號源及功放器件的選取 |
| 4.2 指向性揚聲器軟件設(shè)計 |
| 4.2.1 軟件開發(fā)環(huán)境概述 |
| 4.2.2 STM32固件庫 |
| 4.2.3 系統(tǒng)主程序設(shè)計 |
| 4.3 本章小結(jié) |
| 第五章 數(shù)字式指向性揚聲器系統(tǒng)測試及車內(nèi)應(yīng)用仿真 |
| 5.1 指向性揚聲器測試系統(tǒng)組成及布置 |
| 5.2 指向性揚聲器失真度及指向性實驗 |
| 5.2.1 數(shù)據(jù)處理與分析 |
| 5.2.2 閾值濾波法驗證 |
| 5.2.3 指向性測試 |
| 5.3 數(shù)字式指向性揚聲器在車內(nèi)聲管理上的應(yīng)用 |
| 5.3.1 非近軸模型介紹 |
| 5.3.2 車內(nèi)聲場物理模型建立 |
| 5.4 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 研究總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
（7）多模式車內(nèi)聲品質(zhì)主動控制研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 聲品質(zhì)研究現(xiàn)狀 |
| 1.2.1 國內(nèi)聲品質(zhì)研究現(xiàn)狀 |
| 1.2.2 國外聲品質(zhì)研究現(xiàn)狀 |
| 1.3 聲品質(zhì)主動控制技術(shù)研究現(xiàn)狀與發(fā)展 |
| 1.3.1 主動噪聲控制技術(shù)發(fā)展 |
| 1.3.2 聲品質(zhì)主動控制技術(shù)研究現(xiàn)狀 |
| 1.4 論文主要研究內(nèi)容及框架 |
| 第二章 車內(nèi)聲品質(zhì)多維度評價 |
| 2.1 人耳聽覺特性 |
| 2.1.1 人耳結(jié)構(gòu) |
| 2.1.2 聽閾和痛閾 |
| 2.1.3 掩蔽效應(yīng) |
| 2.1.4 臨界頻帶 |
| 2.2 心理聲學(xué)參數(shù) |
| 2.2.1 響度 |
| 2.2.2 尖銳度 |
| 2.2.3 粗糙度 |
| 2.2.4 抖動度 |
| 2.2.5 語言清晰度 |
| 2.3 聲品質(zhì)主觀評價方法 |
| 2.3.1 語義細(xì)分法 |
| 2.3.2 等級評分法 |
| 2.3.3 成對比較法 |
| 2.4 車內(nèi)聲品質(zhì)多維度主觀評價實驗 |
| 2.4.1 車內(nèi)聲音樣本采集和處理 |
| 2.4.2 主觀評價試驗準(zhǔn)備 |
| 2.4.3 評價方法及流程 |
| 2.5 聲品質(zhì)多維度主觀評價結(jié)果 |
| 2.5.1 主觀評價結(jié)果校驗 |
| 2.5.2 主觀評價結(jié)果 |
| 2.6 多維度聲品質(zhì)多元線性回歸分析 |
| 2.6.1 心理聲學(xué)參數(shù)計算 |
| 2.6.2 主客觀評價結(jié)果相關(guān)分析 |
| 2.6.3 多維度聲品質(zhì)多元線性回歸模型 |
| 2.7 車內(nèi)聲品質(zhì)多維度GA-BP神經(jīng)網(wǎng)絡(luò)評價模型 |
| 2.7.1 GA-BP算法結(jié)構(gòu) |
| 2.7.2 模型關(guān)鍵參數(shù) |
| 2.7.3 多維度聲品質(zhì)評價模型分析 |
| 2.8 本章小結(jié) |
| 第三章 車內(nèi)聲品質(zhì)主動控制系統(tǒng)建模 |
| 3.1 主動噪聲控制原理 |
| 3.1.1 聲學(xué)原理 |
| 3.1.2 聲波的干涉 |
| 3.1.3 主動噪聲控制系統(tǒng)及結(jié)構(gòu) |
| 3.2 自適應(yīng)控制系統(tǒng)算法 |
| 3.2.1 LMS與 FXLMS算法 |
| 3.2.2 主動噪聲均衡系統(tǒng) |
| 3.3 參考信號建模 |
| 3.3.1 車內(nèi)噪聲分析 |
| 3.3.2 發(fā)動機噪聲分析 |
| 3.3.3 發(fā)動機噪聲信號建模 |
| 3.4 階次噪聲主動控制系統(tǒng) |
| 3.5 濾波器關(guān)鍵參數(shù)確定 |
| 3.6 次級通路辨識 |
| 3.7 本章小結(jié) |
| 第四章 控制階次分析與剩余系數(shù)優(yōu)化 |
| 4.1 控制階次分析 |
| 4.2 剩余系數(shù)工作模式 |
| 4.3 多模式聲品質(zhì)剩余系數(shù)優(yōu)化 |
| 4.3.1 多模式剩余系數(shù)優(yōu)化策略 |
| 4.3.2 多模式剩余系數(shù)GA-BP神經(jīng)網(wǎng)絡(luò)模型 |
| 4.3.3 階次噪聲權(quán)重分析 |
| 4.3.4 多模式聲品質(zhì)剩余系數(shù)尋優(yōu) |
| 4.4 本章小結(jié) |
| 第五章 控制結(jié)果與分析 |
| 5.1 多模式聲品質(zhì)主動優(yōu)化控制結(jié)果及分析 |
| 5.1.1 聲壓級分析 |
| 5.1.2 響度分析 |
| 5.1.3 尖銳度分析 |
| 5.1.4 粗糙度分析 |
| 5.2 多模式車內(nèi)聲品質(zhì)主動控制實驗 |
| 5.2.1 實驗平臺搭建 |
| 5.2.2 聲品質(zhì)主動控制實驗 |
| 5.2.3 實驗結(jié)果分析 |
| 5.2.4 實驗結(jié)果主觀評價 |
| 5.3 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 在學(xué)期間發(fā)表的學(xué)術(shù)論文及其他科研成果 |
（8）汽車發(fā)動機進氣系統(tǒng)聲品質(zhì)控制與優(yōu)化研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究目的和意義 |
| 1.2 汽車加速聲品質(zhì)研究現(xiàn)狀綜述 |
| 1.2.1 加速聲品質(zhì)主觀評價 |
| 1.2.2 加速聲品質(zhì)客觀評價 |
| 1.2.3 加速聲品質(zhì)主客觀一致性模型 |
| 1.3 進氣噪聲控制研究現(xiàn)狀綜述 |
| 1.3.1 管路聲學(xué)仿真與試驗 |
| 1.3.2 進氣系統(tǒng)聲學(xué)設(shè)計 |
| 1.4 文獻(xiàn)綜述小結(jié) |
| 1.5 本文研究內(nèi)容 |
| 第2章 時變非穩(wěn)態(tài)噪聲主觀評價方法研究 |
| 2.1 聲品質(zhì)聽覺感知關(guān)鍵影響因素 |
| 2.1.1 掩蔽效應(yīng) |
| 2.1.2 臨界頻帶 |
| 2.1.3 音調(diào)和音調(diào)強度 |
| 2.1.4 最小可分辨聲變化 |
| 2.2 動力感聲品質(zhì)評價指標(biāo)體系的建立 |
| 2.2.1 主觀評價指標(biāo)空間的提出和篩選 |
| 2.2.2 主觀評價參量的主成分分析 |
| 2.3 非穩(wěn)態(tài)噪聲的探究性主觀評價方法 |
| 2.3.1 聲音知覺想象的探索性評價 |
| 2.3.2 預(yù)定義類別的連續(xù)評估 |
| 2.4 乘用車加速工況噪聲主觀評價試驗 |
| 2.4.1 聲音樣本庫的建立 |
| 2.4.2 主觀評價團的建立 |
| 2.4.3 主觀評價試驗的實施 |
| 2.4.4 主觀評價結(jié)果檢驗 |
| 2.5 本章小結(jié) |
| 第3章 動力感聲品質(zhì)客觀參量集分析 |
| 3.1 動力感聲品質(zhì)評價模型 |
| 3.2 時-頻特征參量 |
| 3.2.1 階次分布 |
| 3.2.2 頻率均衡 |
| 3.2.3 聲音跟隨性 |
| 3.3 綜合評價參量 |
| 3.3.1 轟鳴指數(shù) |
| 3.3.2 調(diào)制指數(shù) |
| 3.3.3 階次衰減率 |
| 3.4 基于頻譜特征推導(dǎo)的客觀參量 |
| 3.4.1 虛擬合成聲音樣本及評價 |
| 3.4.2 階次配比產(chǎn)生的“諧和與不諧和”感 |
| 3.4.3 主導(dǎo)階次貢獻(xiàn)量 |
| 3.5 客觀評價指標(biāo)的統(tǒng)計學(xué)分析 |
| 3.5.1 客觀參量編程計算 |
| 3.5.2 客觀參量相關(guān)性分析 |
| 3.5.3 客觀參量聚類分析 |
| 3.6 本章小結(jié) |
| 第4章 區(qū)間直覺模糊信息聲品質(zhì)綜合評價研究 |
| 4.1 動力感聲品質(zhì)的模型綜合評價 |
| 4.2 加速聲品質(zhì)區(qū)間直覺模糊信息綜合評價 |
| 4.2.1 模糊集及賦權(quán)問題 |
| 4.2.2 基于直覺模糊熵的評價參量權(quán)重確定 |
| 4.2.3 區(qū)間直覺模糊信息聲品質(zhì)多屬性評價方法 |
| 4.3 加速聲品質(zhì)支持向量機模型建立與驗證 |
| 4.3.1 支持向量機模型 |
| 4.3.2 聲品質(zhì)模型的建立及驗證 |
| 4.4 動力感聲品質(zhì)目標(biāo)值的設(shè)定 |
| 4.4.1 階次分量的調(diào)制 |
| 4.4.2 頻率分量的調(diào)制 |
| 4.4.3 基于階次分布的動力感聲品質(zhì)目標(biāo)值 |
| 4.5 本章小結(jié) |
| 第5章 滿足聲品質(zhì)目標(biāo)的進氣系統(tǒng)仿真方法研究 |
| 5.1 汽車發(fā)動機進氣系統(tǒng)結(jié)構(gòu) |
| 5.2 進氣系統(tǒng)聲學(xué)性能仿真方法 |
| 5.2.1 傳遞矩陣方法計算消聲元件聲學(xué)性能 |
| 5.2.2 一維有限體積法求解管口噪聲 |
| 5.2.3 聲學(xué)有限元方法求解傳遞損失 |
| 5.3 滿足聲品質(zhì)目標(biāo)的消聲器聲學(xué)聯(lián)合仿真方法 |
| 5.3.1 進氣聲源特性提取試驗和仿真 |
| 5.3.2 瞬變工況進氣系統(tǒng)聲學(xué)性能仿真 |
| 5.4 進氣系統(tǒng)結(jié)構(gòu)參數(shù)正交分析 |
| 5.4.1 消聲元件結(jié)構(gòu)參數(shù)對管口噪聲的影響 |
| 5.4.2 消聲元件結(jié)構(gòu)參數(shù)對階次分布的影響 |
| 5.5 本章小結(jié) |
| 第6章 進氣系統(tǒng)聲品質(zhì)控制結(jié)構(gòu)和設(shè)計方法 |
| 6.1 微穿孔消聲結(jié)構(gòu) |
| 6.1.1 雙層串聯(lián)微穿孔結(jié)構(gòu) |
| 6.1.2 雙層串聯(lián)微穿孔板消聲結(jié)構(gòu)仿真計算 |
| 6.1.3 進氣系統(tǒng)中的寬頻微穿孔消聲器設(shè)計 |
| 6.2 同截面并聯(lián)共振腔 |
| 6.2.1 多腔并聯(lián)共振消聲原理 |
| 6.2.2 多腔共振式消聲器結(jié)構(gòu)設(shè)計 |
| 6.2.3 傳遞損失計算與分析 |
| 6.2.4 并聯(lián)式共振腔消聲結(jié)構(gòu)在進氣系統(tǒng)中的應(yīng)用 |
| 6.3 進氣發(fā)聲單元 |
| 6.3.1 駐波效應(yīng)驅(qū)動的進氣發(fā)聲原理 |
| 6.3.2 聲學(xué)增強裝置 |
| 6.4 進氣噪聲傳遞路徑的控制 |
| 6.4.1 整車統(tǒng)計能量模型的建立 |
| 6.4.2 進氣噪聲對于車內(nèi)噪聲貢獻(xiàn)特征 |
| 6.5 本章小結(jié) |
| 第7章 進氣系統(tǒng)聲學(xué)特性測試與聲品質(zhì)優(yōu)化驗證 |
| 7.1 基于工況傳遞路徑方法的車內(nèi)加速噪聲分析 |
| 7.1.1 試驗測試方法 |
| 7.1.2 測試數(shù)據(jù)分析 |
| 7.2 進氣系統(tǒng)聲學(xué)特性測試及分析 |
| 7.2.1 進氣管口噪聲的隔離測量方法 |
| 7.2.2 整車進氣噪聲試驗測試臺架 |
| 7.2.3 進氣噪聲引出的逆修正 |
| 7.2.4 測試數(shù)據(jù)分析 |
| 7.3 進氣系統(tǒng)聲品質(zhì)優(yōu)化方案的設(shè)計和驗證 |
| 7.4 本章小結(jié) |
| 第8章 結(jié)論 |
| 8.1 研究總結(jié) |
| 8.2 主要創(chuàng)新點 |
| 8.3 研究展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 攻讀博士學(xué)位期間發(fā)表的論文和專利 |
| 博士期間參與的科研項目 |
| 附錄 A 客觀參量計算結(jié)果 |
| 附錄 B 客觀參量間的相關(guān)性矩陣 |
（9）車內(nèi)結(jié)構(gòu)耦合噪聲的預(yù)測分析及多目標(biāo)優(yōu)化（論文提綱范文）
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 車內(nèi)結(jié)構(gòu)低頻耦合噪聲研究現(xiàn)狀 |
| 1.2.1 國內(nèi)研究現(xiàn)狀 |
| 1.2.2 國外研究現(xiàn)狀 |
| 1.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型于工程中應(yīng)用 |
| 1.4 論文主要研究內(nèi)容與思路 |
| 第二章 車身聲-固耦合模型的建立與模態(tài)分析 |
| 2.1 模態(tài)理論的推導(dǎo) |
| 2.1.1 結(jié)構(gòu)模態(tài)理論 |
| 2.1.2 聲腔模態(tài)理論 |
| 2.1.3 聲-固耦合模態(tài)理論 |
| 2.2 車身結(jié)構(gòu)有限元模型的創(chuàng)建與模態(tài)分析 |
| 2.2.1 整車車身結(jié)構(gòu)有限元模型建立 |
| 2.2.2 車身結(jié)構(gòu)模態(tài)分析 |
| 2.3 車室聲腔有限元模型創(chuàng)建與模態(tài)分析 |
| 2.3.1 車室聲腔有限元模型的建立 |
| 2.3.2 聲腔模態(tài)計算與分析 |
| 2.4 整車聲-固耦合有限元建模與模態(tài)分析 |
| 2.4.1 整車聲固耦合有限元模型的建立 |
| 2.4.2 整車聲固耦合模型模態(tài)分析 |
| 2.5 本章小結(jié) |
| 第三章 車室結(jié)構(gòu)低頻噪聲預(yù)測分析與板件聲學(xué)貢獻(xiàn)量分析 |
| 3.1 車室噪聲產(chǎn)生機理 |
| 3.1.1 車內(nèi)噪聲傳遞路徑分析 |
| 3.1.2 板件振動輻射聲理論 |
| 3.1.3 車身結(jié)構(gòu)板件內(nèi)部聲壓計算 |
| 3.2 車室結(jié)構(gòu)耦合噪聲響應(yīng)預(yù)測分析 |
| 3.2.1 耦合聲學(xué)有限元法 |
| 3.2.2 車內(nèi)目標(biāo)點的聲學(xué)響應(yīng)計算 |
| 3.2.3 車內(nèi)聲場分布分析 |
| 3.3 車身板件聲學(xué)響應(yīng)貢獻(xiàn)量分析 |
| 3.3.1 板件聲學(xué)貢獻(xiàn)量原理 |
| 3.3.2 車室板件的劃分 |
| 3.3.3 板件聲學(xué)貢獻(xiàn)量計算 |
| 3.3.4 板件綜合聲學(xué)貢獻(xiàn)量 |
| 3.4 本章小結(jié) |
| 第四章 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)近似模型建立 |
| 4.1 基本原理概述 |
| 4.1.1 近似模型 |
| 4.1.2 試驗設(shè)計方法 |
| 4.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建 |
| 4.2.1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) |
| 4.2.2 徑向基神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 |
| 4.2.3 徑向基神經(jīng)網(wǎng)絡(luò)模型的優(yōu)點 |
| 4.3 樣本點數(shù)據(jù)采集 |
| 4.3.1 空間內(nèi)設(shè)計變量因子 |
| 4.3.2 目標(biāo)響應(yīng)計算 |
| 4.4 基于徑向基神經(jīng)網(wǎng)絡(luò)算法近似模型構(gòu)建 |
| 4.4.1 近似模型的建立 |
| 4.4.2 輸入因子對響應(yīng)的三維模型 |
| 4.4.3 誤差分析 |
| 4.5 本章小結(jié) |
| 第五章 基于NSGA-II算法的車身結(jié)構(gòu)多目標(biāo)優(yōu)化 |
| 5.1 NSGA-II算法 |
| 5.1.1 Pareto最優(yōu)解與Pareto支配關(guān)系 |
| 5.1.2 NSGA-II算法尋優(yōu)流程 |
| 5.1.3 快速非支配排序與擁擠度 |
| 5.2 車身板件厚度優(yōu)化 |
| 5.2.1 問題描述 |
| 5.2.2 板件厚度的優(yōu)化計算 |
| 5.2.3 優(yōu)化結(jié)果 |
| 5.2.4 優(yōu)化響應(yīng)的誤差分析 |
| 5.3 分析優(yōu)化前后結(jié)果 |
| 5.4 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 論文總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄A 發(fā)動機激勵載荷數(shù)據(jù) |
| 攻讀學(xué)位期間取得的研究成果 |
（10）基于BP神經(jīng)網(wǎng)絡(luò)的車內(nèi)有源噪聲控制技術(shù)研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究工作的背景與意義 |
| 1.2 國內(nèi)外研究歷史與現(xiàn)狀 |
| 1.3 本論文的主要研究內(nèi)容及結(jié)構(gòu)安排 |
| 1.3.1 本文主要研究內(nèi)容 |
| 1.3.2 本文結(jié)構(gòu)安排 |
| 第二章 主動降噪技術(shù)及BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論 |
| 2.1 車內(nèi)主動降噪技術(shù)理論及相關(guān)算法 |
| 2.1.1 前饋ANC系統(tǒng)與反饋ANC系統(tǒng) |
| 2.1.2 自適應(yīng)濾波器方法 |
| 2.3 BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論 |
| 2.3.1 人工神經(jīng)單元 |
| 2.3.2 感知機 |
| 2.3.3 BP神經(jīng)網(wǎng)絡(luò) |
| 2.4 本章小結(jié) |
| 第三章 主動降噪算法的設(shè)計 |
| 3.1 車內(nèi)噪聲分析 |
| 3.1.1 噪聲數(shù)據(jù)采集平臺搭建 |
| 3.1.2 車內(nèi)噪聲各成分噪聲數(shù)據(jù)分析 |
| 3.2 主動降噪算法結(jié)構(gòu)設(shè)計 |
| 3.3 BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)設(shè)計 |
| 3.3.1 車內(nèi)密閉空間聲學(xué)環(huán)境分析 |
| 3.3.2 BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計 |
| 3.4 自適應(yīng)算法的設(shè)計與改進 |
| 3.4.1 基于Sigmoid函數(shù)對LMS算法進行改進 |
| 3.4.2 改進LMS算法與常見LMS算法仿真結(jié)果對比分析 |
| 3.5 本章小結(jié) |
| 第四章 主動降噪算法的性能分析 |
| 4.1 神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)及結(jié)果分析 |
| 4.1.1 訓(xùn)練數(shù)據(jù)集制作 |
| 4.1.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程 |
| 4.1.3 BP神經(jīng)網(wǎng)絡(luò)部分預(yù)測結(jié)果 |
| 4.2 改進后的LMS算法仿真結(jié)果分析 |
| 4.3 算法仿真分析 |
| 4.4 本章小結(jié) |
| 第五章 主動降噪系統(tǒng)平臺搭建與實驗測試 |
| 5.1 實驗平臺搭建 |
| 5.2 改進后LMS算法的硬件平臺具體實現(xiàn) |
| 5.2.1 帶通濾波器的必要性及實現(xiàn) |
| 5.2.2 步長因子的計算以及權(quán)向量更新部分的實現(xiàn) |
| 5.2.3 卷積核的實現(xiàn)及計算速度優(yōu)化 |
| 5.3 改進后自適應(yīng)算法的硬件平臺實驗結(jié)果分析 |
| 5.4 本章小結(jié) |
| 第六章 全文總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間取得的成果 |
四、神經(jīng)網(wǎng)絡(luò)技術(shù)在車內(nèi)噪聲預(yù)測上的應(yīng)用（論文參考文獻(xiàn)）
- [1]純電動汽車路噪主動控制方法研究[D]. 孟豪. 吉林大學(xué), 2021(01)
- [2]某特種車車內(nèi)噪聲聲品質(zhì)分析及優(yōu)化[D]. 任克琳. 重慶理工大學(xué), 2021(02)
- [3]基于智能算法的車內(nèi)路噪多通道主動控制技術(shù)研究[D]. 陳琪. 吉林大學(xué), 2020(01)
- [4]運動型多用途汽車聲學(xué)分析與設(shè)計研究[D]. 嚴(yán)倜凡. 東南大學(xué), 2020(01)
- [5]混合動力汽車車內(nèi)聲品質(zhì)評價預(yù)測與控制研究[D]. 陸怡. 江蘇大學(xué), 2020(02)
- [6]指向性揚聲器設(shè)計及其在車內(nèi)分區(qū)域聲管理中的應(yīng)用[D]. 張喆. 吉林大學(xué), 2020(01)
- [7]多模式車內(nèi)聲品質(zhì)主動控制研究[D]. 王智錳. 江蘇大學(xué), 2019(02)
- [8]汽車發(fā)動機進氣系統(tǒng)聲品質(zhì)控制與優(yōu)化研究[D]. 杜松澤. 武漢理工大學(xué), 2019(07)
- [9]車內(nèi)結(jié)構(gòu)耦合噪聲的預(yù)測分析及多目標(biāo)優(yōu)化[D]. 周龍龍. 重慶交通大學(xué), 2019(06)
- [10]基于BP神經(jīng)網(wǎng)絡(luò)的車內(nèi)有源噪聲控制技術(shù)研究[D]. 李燚勇. 電子科技大學(xué), 2019(01)
標(biāo)簽：主動降噪論文; 預(yù)測模型論文; 系統(tǒng)仿真論文; 系統(tǒng)辨識論文; 預(yù)測控制論文;