光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2013年
2期
462-468
,共7页
高印寒%唐荣江%梁杰%赵彤航%张澧桐
高印寒%唐榮江%樑傑%趙彤航%張澧桐
고인한%당영강%량걸%조동항%장례동
车内噪声%声品质预测%GA-BP神经网络%权重分析
車內譟聲%聲品質預測%GA-BP神經網絡%權重分析
차내조성%성품질예측%GA-BP신경망락%권중분석
为了高效而准确地评价与控制车内噪声品质,以B级车稳态工况下副驾位置的车内噪声为研究对象,采用等级评分法对采集到的声音样本进行了主观评价试验,同时计算了7个客观参数.以客观参量为输入,声品质主观结果为输出,引入基于遗传算法的BP神经网络建立了声品质预测模型.实验显示该模型输出结果与实际评分的相关系数达到0.928,检验组的预测最大误差为±8％.以所建模型的连接权值,分析了客观参数对主观评价结果的贡献度,并以影响系数较大的参数为输入重新构建了预测模型.研究结果表明:稳态工况下,车内声品质主要受响度、粗糙度和尖锐度的影响,其预测模型可由这3个参数来描述.
為瞭高效而準確地評價與控製車內譟聲品質,以B級車穩態工況下副駕位置的車內譟聲為研究對象,採用等級評分法對採集到的聲音樣本進行瞭主觀評價試驗,同時計算瞭7箇客觀參數.以客觀參量為輸入,聲品質主觀結果為輸齣,引入基于遺傳算法的BP神經網絡建立瞭聲品質預測模型.實驗顯示該模型輸齣結果與實際評分的相關繫數達到0.928,檢驗組的預測最大誤差為±8％.以所建模型的連接權值,分析瞭客觀參數對主觀評價結果的貢獻度,併以影響繫數較大的參數為輸入重新構建瞭預測模型.研究結果錶明:穩態工況下,車內聲品質主要受響度、粗糙度和尖銳度的影響,其預測模型可由這3箇參數來描述.
위료고효이준학지평개여공제차내조성품질,이B급차은태공황하부가위치적차내조성위연구대상,채용등급평분법대채집도적성음양본진행료주관평개시험,동시계산료7개객관삼수.이객관삼량위수입,성품질주관결과위수출,인입기우유전산법적BP신경망락건립료성품질예측모형.실험현시해모형수출결과여실제평분적상관계수체도0.928,검험조적예측최대오차위±8％.이소건모형적련접권치,분석료객관삼수대주관평개결과적공헌도,병이영향계수교대적삼수위수입중신구건료예측모형.연구결과표명:은태공황하,차내성품질주요수향도、조조도화첨예도적영향,기예측모형가유저3개삼수래묘술.
