基于GRNN的车内噪声品质预测

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (增刊2): 82-86.

基于GRNN的车内噪声品质预测

苏丽俐¹, 王登峰¹, 王倩²

1. 吉林大学汽车仿真与控制国家重点实验室, 长春130022;
2. 吉林大学汽车工程学院, 长春130022

收稿日期:2011-03-12 出版日期:2011-09-30 发布日期:2011-09-30
通讯作者: 王登峰(1963),男,教授,博士生导师。研究方向:汽车NVH分析与控制。E-mail:caewdf@jlu.edu.cn E-mail:caewdf@jlu.edu.cn
作者简介:苏丽俐(1981),女,博士研究生。研究方向:汽车NVH分析与控制。E-mail:sull09@mails.jlu.edu.cn
基金资助:
国家自然科学基金项目(50975119)

Sound quality prediction of vehicle interior noise based on GRNN

SU Li-li¹, WANG Deng-feng¹, WANG Qian²

1. State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China;
2. College of Automotive Engineering, Jilin University, Changchun 130022, China

Received:2011-03-12 Online:2011-09-30 Published:2011-09-30

摘要/Abstract

摘要：

以8辆不同类型轿车的4种不同车速匀速行驶时采集到的32个车内噪声样本为研究对象,以响度、尖锐度、粗糙度和抖动度4项心理声学客观参量作为输入,以主观评价团对车内噪声的舒适度打分作为输出,分别使用广义回归神经网络、BP神经网络和多元线性回归分析建立车内噪声品质预测模型并对声品质进行预测。三种方法的预测结果表明:广义回归神经网络相对于其他两种方法具有更高的准确度,相对预测误差为-7%～7%,较多元线性回归分析能更准确地描述客观评价参量与主观舒适度之间的非线性关系,并且较BP神经网络具有更高的准确度及稳定性。

关键词: 车辆工程, 车内噪声, 声品质, 神经网络, 预测模型

Abstract:

Taking 32 interior noise samples acquired from 8 types of car under different conditions as evaluation objects,loudness,sharpness,roughness and fluctuation strength,these sound metrics in psychoacoustics,were used as the input,and sensory comfortable evaluation obtained by 7 points of category scaling method as the output.The sound quality prediction model of vehicle interior noise was established based on generalized regression neutral network.Sensory comfortable of interior noise samples were obtained through the prediction model and the results were compared with obtained through back-propagation neural network and multiple linear regression prediction model.The results showed the generalized regression neutral network was more effective than back-propagation neural network and multiple linear regression prediction model,the range of relative prediction error is -7%~7%.The generalized regression neural network prediction model represented better performance on nonlinear relation between sensory comfortable and objective parameters exactly than multiple linear regression prediction model,and higher precise and stability than back-propagation neural network.

Key words: vehicle engineering, interior noise, sound quality, neural network, prediction model

中图分类号:

U467.4

苏丽俐, 王登峰, 王倩. 基于GRNN的车内噪声品质预测[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 82-86.

SU Li-li, WANG Deng-feng, WANG Qian. Sound quality prediction of vehicle interior noise based on GRNN[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 82-86.

参考文献

[1] 石岩,左曙光,毕凤荣,等.基于神经网络的车辆排气噪声声品质预测技术
[J].农业机械学报,2010,41(8) 16-19. Shi Yan,Zuo Shu-guang,Bi Feng-rong,et al.Soundq uality prediction of vehicle exhaust noise based on neu- ral network
[J].Transactions of the Chinese Society forA griculture Machiner,2010,41(8):16-19

[2] 郭斌,孟令启,杜勇,等.基于GRNN神经网络的中厚板轧机厚度预测
[J].中南大学学报:自然科学版, 2011,42(4):960-965 Guo Bin,Meng Ling-qi,Du Yong,et al.Thicknessp rediction of medium plate mill based on GRNN neuraln etwork
[J].Journal of Central South University(Science and Technology),2011,42(4):960-965

[3] Chen Tien-chi,Yu Chih-Hsien.Motion control withd eadzone estimation and compensation using GRNN forT WUSM drive system
[J]Expert Systems with Applications,2009,36(8):10931-10941

[4] ÖvünçPolat,Tülay Y1ld1r1m.FPGA implementationo f a general regression neural network:an embeddedp attern classification system
[J].Digital Signal Processing,2010,20(3):881-886

[5] 王登峰,刘宗巍,梁杰,等.车内噪声品质的主观评价试验与客观量化描述研究
[J].吉林大学学报:工学版,2006(增刊2):41-45. Wang Deng-feng,Liu Zong-wei,Liang Jie,et al.Subjective evaluation test and objective quantificational description of vehicle interior noise quality
[J].Journal of Jilin University(Engineering and Technology Edition),2 006(Sup.2):41-45.

相关文章 15

[1]	常成,宋传学,张雅歌,邵玉龙,周放. 双馈电机驱动电动汽车变频器容量最小化[J]. 吉林大学学报(工学版), 2018, 48(6): 1629-1635.
[2]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[3]	何仁,杨柳,胡东海. 冷藏运输车太阳能辅助供电制冷系统设计及分析[J]. 吉林大学学报(工学版), 2018, 48(6): 1645-1652.
[4]	那景新,慕文龙,范以撒,谭伟,杨佳宙. 车身钢-铝粘接接头湿热老化性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1653-1660.
[5]	刘玉梅,刘丽,曹晓宁,熊明烨,庄娇娇. 转向架动态模拟试验台避撞模型的构建[J]. 吉林大学学报(工学版), 2018, 48(6): 1661-1668.
[6]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[7]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[8]	赵伟强, 高恪, 王文彬. 基于电液耦合转向系统的商用车防失稳控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1305-1312.
[9]	宋大凤, 吴西涛, 曾小华, 杨南南, 李文远. 基于理论油耗模型的轻混重卡全生命周期成本分析[J]. 吉林大学学报(工学版), 2018, 48(5): 1313-1323.
[10]	朱剑峰, 张君媛, 陈潇凯, 洪光辉, 宋正超, 曹杰. 基于座椅拉拽安全性能的车身结构改进设计[J]. 吉林大学学报(工学版), 2018, 48(5): 1324-1330.
[11]	那景新, 浦磊鑫, 范以撒, 沈传亮. 湿热环境对Sikaflex-265铝合金粘接接头失效强度的影响[J]. 吉林大学学报(工学版), 2018, 48(5): 1331-1338.
[12]	王炎, 高青, 王国华, 张天时, 苑盟. 混流集成式电池组热管理温均特性增效仿真[J]. 吉林大学学报(工学版), 2018, 48(5): 1339-1348.
[13]	金立生, 谢宪毅, 高琳琳, 郭柏苍. 基于二次规划的分布式电动汽车稳定性控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1349-1359.
[14]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[15]	王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed