CN112131662A - 一种乘用车风噪主观评价客观量化方法 - Google Patents
一种乘用车风噪主观评价客观量化方法 Download PDFInfo
- Publication number
- CN112131662A CN112131662A CN202010980107.2A CN202010980107A CN112131662A CN 112131662 A CN112131662 A CN 112131662A CN 202010980107 A CN202010980107 A CN 202010980107A CN 112131662 A CN112131662 A CN 112131662A
- Authority
- CN
- China
- Prior art keywords
- objective
- wind noise
- subjective evaluation
- evaluation
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011002 quantification Methods 0.000 title claims abstract description 13
- 238000010219 correlation analysis Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000000611 regression analysis Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000000717 retained effect Effects 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 5
- 238000013077 scoring method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种乘用车风噪主观评价客观量化方法,包括以下步骤:获取风噪数据,风噪数据包括恒定风速和缓慢升速风速;对风噪数据进行回放主观评价,并剔除不合理数据,生成最终主观评价分数,主观评价包括评价人员结果自相关分析和评价人员结果互相关分析;对风噪数据进行客观计算,获取客观量化数据,客观量化数据包括恒定风速客观量、缓慢升速变化率和缓慢升速突变值;对最终主观评价分数和客观量化数据进行统计学回归分析,建立风噪主观评价客观量化模型;根据风噪主观评价客观量化模型,计算得出抱怨因子α和β,其中α+β=1。本发明减少了车辆的反复试错评价,省时省力,还可用于风噪数据库建设,快速计算排序多车型的风噪主观感受水平。
Description
技术领域
本发明属于汽车评估技术领域,具体涉及一种乘用车风噪主观评价客观量化方法。
背景技术
风噪声是汽车高速行驶时的主要噪声源,也是特别容易被用户抱怨的噪声类型。随着消费升级,人们对汽车风噪水平的要求越发苛刻,各主机厂对风噪性能的重视和投入使得高速车内声音各频率成分能量的总级Overall(以下简称OA)声压级逐步降低至新水平,然而由于风噪声频率分布特性以及人耳听觉感受过程的复杂性,人们的主观听觉感受却时常无法达标。
以风噪为代表的汽车噪声是最容易被人感知到的性能之一,其性能开发始终围绕人们的主观感受。目前汽车噪声的评估方法主要是通过主观驾驶车辆进行评估,一般采用10分制的绝对打分法或者两两对比的成对比较法,评价过程人力物力耗费大,同时评估结果手诸多影响因素作用导致偏差较大。此外,主观打分评价无法描述噪声听觉感受的特征,也无法进行客观量化评价、无法指导工程师的量化调教。
发明内容
本发明的目的在于,提供一种乘用车高速行驶时的风噪主观评价量化方法,有效指导工程师的方案设计,同时减少了技术方案的反复试错评价,避免了主观路试驾评的人力物力等资源浪费;基于本技术方案给出的量化模型,还可以用于风噪数据库的建设,快速的计算和排序多个车型的风噪主观感受水平。
为解决上述技术问题,本发明的技术方案为:一种乘用车风噪主观评价客观量化方法,包括以下步骤:
S1、获取风噪数据,所述风噪数据包括恒定风速和缓慢升速风速;
S2、对风噪数据进行回放主观评价,并剔除不合理数据,生成最终主观评价分数,所述主观评价包括评价人员结果自相关分析和评价人员结果互相关分析;
S3、对风噪数据进行客观计算,获取客观量化数据,所述客观量化数据包括恒定风速客观量、缓慢升速变化率和缓慢升速突变值;
S4、对最终主观评价分数和客观量化数据进行统计学回归分析,建立风噪主观评价客观量化模型;
S5、根据风噪主观评价客观量化模型,计算得出抱怨因子α和β,其中α+β=1。
进一步地,本方法中所述S2具体为:
S2.1、对风噪数据采用高保真回放***进行回放主观评价,并采用10分制绝对打分法进行打分,获得主观评价分数原始数据,其中,进行主观评价的评价人员数量应大于或等于被评车辆数量;每位评价人员对各车辆评价两次且分时段进行;
S2.2、评价人员结果自相关分析,即每位评价人员对各车辆的两次评价分数分别记作两个列向量并进行相关性分析,若相关系数R>0.9,则保留该评价人员的评价分数并输出两个列向量的平均列向量作为个人最终评价结果,否则需重新评价直至相关系数达标或者直接剔除该评价结果;
S2.3、评价人员结果互相关分析,即将S2.1所述保留下来的评价人员的输出向量分别与其他人员的评价输出向量进行两两相关性分析,判断评价人员与其他人员结果的一致性,若一致性R2>0.8则保留,否则剔除;
S2.4、将经S2.2和S2.3剔除处理后的不同评价人员对同一车辆的评价分数进行归一化后平均,形成最终主观评价分数。
进一步地,本方法中所述S3具体为:
S3.1、在恒定风速工况下,计算得到客观量,所述客观量包括语音清晰度指数,响度,声音各频率成分能量的总级以及尖锐度;
S3.2、在缓慢升速工况下,根据S3.1中的客观量,形成随时间变化的散点,采用最小二乘法对散点进行线性拟合,获得的拟合直线的斜率记作各客观量的变化率;
S3.3、计算S3.2中散点的交流分量,所述交流分量等于实际值减去拟合值,根据交流分量计算各相邻峰谷差值及速度差值,然后计算得到固定车速间隔的最大突变值,最大突变值=车速间隔*max(峰谷差/速度差)。
进一步地,本方法中所述S4具体为:
S4.1、在恒定风速工况下,对最终主观评价分数和客观量化数据进行统计学回归分析,找到一组相关系数R>0.9且客观量数量最少的组合,并生成拟合方程,根据该拟合方程建立恒定风速工况下的风噪主观评价客观量化模型;
S4.2、在缓慢升速工况下,对最终主观评价分数和客观量化数据进行统计学回归分析,找到一组相关系数R>0.9且客观量数量最少的组合,并生成拟合方程,根据该拟合方程建立缓慢升速工况下的风噪主观评价客观量化模型。
进一步地,本方法中所述S5中抱怨因子α和β的推荐值为:普通型乘用车的推荐值为α=0.7,β=0.3;运动型乘用车的推荐值为α=0.5,β=0.5。
与现有技术相比,本发明的有益效果为:
本发明给出了一种乘用车风噪主观评价客观量化的方法,其中主观评价分数的筛选剔除方法能有效提高主观评价的准确性,避免了主观评价因人员、环境等诸多因素造成的偏差。通过统计学回归分析,建立主客观对应量化模型,确定了乘用车风噪的客观量化指标,综合考虑了恒定风速和缓慢升速风速下的风噪表现,可有效指导工程师的方案设计(例如风噪虚拟设计,通过技术方案调整车内风噪后可直接预估出人的主观感受),同时减少了技术方案的反复试错评价,避免了主观路试驾评的人力物力等资源浪费。基于本技术方案给出的量化模型,还可以用于风噪数据库的建设,快速的计算和排序多个车型的风噪主观感受水平。
附图说明
图1为本发明实施例的流程结构示意图;
图2为本发明实施例中某评价人员结果自相关分析的散点图;
图3为本发明实施例中各评价人员结果互相关分析的示意图;
图4为本发明实施例中某车型缓慢升速过程中车内驾驶员人耳处的车内噪声AI(即语言清晰度指数)值随车速的变化曲线示意图;
图5为本发明实施例中恒定风速工况下回归分析模型的示意图;
图6为本发明实施例中缓慢升速工况下回归分析模型的示意图。
具体实施方式
下面对本发明实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明的技术方案为:一种乘用车风噪主观评价客观量化方法,如图1所示包括以下步骤:
S1、在声学风洞中或者专用跑道上测试获得多款车内噪声值。如在声学风洞中测试,分别记录恒定风速和缓慢升速风速下车内评价点(如驾驶员位置、后排乘客位置)的双耳噪声数据,挑选一组误差最小数据。例如,恒定风速为120km/h的风速;缓慢升速可以从60km/h缓慢提高至140km/h,时间持续60s,加速度约0.04g,中高端车型建议升速至200km/h。测试多次并检查数据的一致性、保证至少三次数据一致,挑选一组误差最小数据。无声学风洞测试条件的,可在专用跑道上测试,车速等同前述风洞里测试的风速,需挑选合适气象条件、保证无雨且风速小于3m/s,跑道双向各进行多次测试并检查数据的一致性、每个方向保证至少三次数据一致,并进行平均处理。
S2.1、将S1中测试获得的恒定风速和缓慢升速风速工况数据分别采用高保真回放***进行回放主观评价,并采用10分制绝对打分法进行打分,获得主观评价分数原始数据。评价人员数量应大于被评车辆数量。每位评价人员对各车辆评价两次且分时段进行。
S2.2、评价人员结果自相关分析。每位评价人员的各车辆的两次评价分数分别记作两个列向量并进行相关性分析,若相关系数R较好(例如R>0.9),则保留该评价人员的评价分数并输出两各列向量的平均列向量作为个人最终评价结果,否则需重新评价直至相关系数达标或者直接剔除该评价人员。如图2,评价人员A对12量车型的120km/h恒定风速风噪数据进行了两次评价,且两次评分的一致性较好(一般要求R2>0.8,实际过程中可将R2>0.7作为下限),一致性R2=0.9414,说明评价人员A在不同时间评价的自身一致性是满足评价需求的,可以保留A的数据。
S2.3、评价人员结果互相关分析。将S2.2所述保留下来的评价人员的输出向量分别于其他人员的评价输出向量进行两两相关性分析。例如,评价人员A与A之间的相关系数为RAA,A与B之间的相关系数为RAB,以此此类推。
相关系数的定义为:
其中Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。X,Y在本例中即为评价人员的评分列向量。
根据相关数学公式可知互相关系数RAB=RBA,RAA=1。判断评价人员与其他人员结果的一致性,若一致性较好则保留,否则则剔除。例如评价人员A与其他人员的互相关系数中,有超过二分之一的值小于所有相关系数平均值,则剔除评价人员A,否则则保留A。如图3,评价人员A到评价人员K共11人分别通过了S2.1的筛选,各人员间的相关系数如图列出所示,所有人员的相关系数平均值为0.71。可以发现,评价人员C和K与其他所有人员的相关性较差,需要剔除;评价人员I与其他10人中的7人相关性低于平均值、评价人员H与其他10人中的5人相关性低于平均值、同样需要剔除;评价人员A、D、J与其他10人中的4人相关性低于平均值,可保留数据;其他人员评价结果较好,可保留数据。
S2.4、经过S2.2、S2.3的数据剔除,剩下人员的评价结果具有可信度,将不同人员对同一车辆的评价分数进行归一化后平均,形成最终的主观评价分数。归一化是指将所有评价人员的输出向量的模长通过乘以比例系数的方式调整成一致的状态,从而可以避免不同评价人员打分尺度不一致噪声的统计误差。
S3、分析计算各车辆恒定风速和缓慢升速工况风噪的客观量化数据。
S3.1、对于恒定风速工况,推荐技术的客观量化数据为AI(即语音清晰度指数),响度,OA以及尖锐度等。计算方法按照各个客观量的定义进行。
S3.2、对于缓慢升速风速工况,计算S3.1所述客观量的变化率,即随时间变化的斜率。将60km/h至140km/h缓慢升速过程的数据按照固定车速间隔(如1km/h)计算S3.1中的各客观量化数据,形成一组随时间的散点,采用最小二乘法进行线性拟合,获得的拟合直线的斜率记作各客观量的变化率。图4给出了某车型缓慢升速过程中车内驾驶员人耳处的车内噪声AI值随车速的变化曲线,其中虚线为拟合线,其斜率即AI变化率。
S3.3,计算S3.2中所述随时间的散点的交流分量,即将各散点值减去S3.2所述最小二乘线性拟合方程计算值。在这组散点的交流分量(交流分量等于实际值减去拟合值)中,首先计算各相邻峰谷差值及速度差值,如图4下面的曲线所示为某车型缓慢升速过程中车内驾驶员人耳处的车内噪声AI值交流分量,然后计算固定车速间隔(如10km/h)的最大突变值=车速间隔*max(峰谷差/速度差)。
S4、将S2获得的最终主观评价分数与S3计算得到的客观量化数据进行统计学回归分析,建立风噪主观评价客观量化模型。
S4.1、将恒定风速工况下前述S2获得的最终主观评价分数与S3计算得到的客观量化数据进行统计学回归分析,找到一组相关系数R>0.9且客观量数量最少的组合,并生成拟合方程:主观评价分数=F1(客观量1,客观量2,…)。图5所示为恒定风速工况下回归分析模型,主观评价分数=F1(AI),图中拟合方程(虚线)与实际12量车型的风噪AI值相关性较好,R2=0.9356,本模型可用于恒定工况风噪的主观评价预测。
S4.2、将缓慢升速风速工况下前述S2获得的最终主观评价分数与S3计算得到的客观量化数据进行统计学回归分析,找到一组相关系数R>0.9且客观量数量最少的组合,并生成拟合方程:主观评价分数=F2(客观量1,客观量2,…)。如果无法实现相关系数R>0.9,则重新寻找并调整S3中的客观量。图6所示为缓慢升速工况下回归分析模型,主观评价分数=F2(AI斜率S,最大突变值),模型预测分数与实际12个车型的风噪主观评价值相关性较好,R2=0.7951,R=0.8917十分接近0,9,本模型可接受,可用于缓慢升速工况风噪的主观评价预测。
S5、根据对恒定风速工况和缓慢升速风速工况的重视程度设定抱怨影响因子α、β,α+β=1,建立最终的风噪主观评价客观量化模型:主观感受分数=α*F1+β*F2。抱怨影响因子α、β的推荐值为:普通型乘用车α=0.7,β=0.3;运动型乘用车α=0.5,β=0.5。
以上的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的范围做出限定,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (5)
1.一种乘用车风噪主观评价客观量化方法,其特征在于,包括以下步骤:
S1、获取风噪数据,所述风噪数据包括恒定风速和缓慢升速风速;
S2、对风噪数据进行回放主观评价,并剔除不合理数据,生成最终主观评价分数,所述主观评价包括评价人员结果自相关分析和评价人员结果互相关分析;
S3、对风噪数据进行客观计算,获取客观量化数据,所述客观量化数据包括恒定风速客观量、缓慢升速变化率和缓慢升速突变值;
S4、对最终主观评价分数和客观量化数据进行统计学回归分析,建立风噪主观评价客观量化模型;
S5、根据风噪主观评价客观量化模型,计算得出抱怨因子α和β,其中α+β=1。
2.根据权利要求1所述的乘用车风噪主观评价客观量化方法,其特征在于,所述S2具体为:
S2.1、对风噪数据采用高保真回放***进行回放主观评价,并采用10分制绝对打分法进行打分,获得主观评价分数原始数据,其中,进行主观评价的评价人员数量应大于或等于被评车辆数量;每位评价人员对各车辆评价两次且分时段进行;
S2.2、评价人员结果自相关分析,即每位评价人员对各车辆的两次评价分数分别记作两个列向量并进行相关性分析,若相关系数R>0.9,则保留该评价人员的评价分数并输出两个列向量的平均列向量作为个人最终评价结果,否则需重新评价直至相关系数达标或者直接剔除该评价结果;
S2.3、评价人员结果互相关分析,即将S2.1所述保留下来的评价人员的输出向量分别与其他人员的评价输出向量进行两两相关性分析,判断评价人员与其他人员结果的一致性,若一致性R2>0.8则保留,否则剔除;
S2.4、将经S2.2和S2.3剔除处理后的不同评价人员对同一车辆的评价分数进行归一化后平均,形成最终主观评价分数。
3.根据权利要求1所述的乘用车风噪主观评价客观量化方法,其特征在于,所述S3具体为:
S3.1、在恒定风速工况下,计算得到客观量,所述客观量包括语音清晰度指数,响度,声音各频率成分能量的总级以及尖锐度;
S3.2、在缓慢升速工况下,根据S3.1中的客观量,形成随时间变化的散点,采用最小二乘法对散点进行线性拟合,获得的拟合直线的斜率记作各客观量的变化率;
S3.3、计算S3.2中散点的交流分量,所述交流分量等于实际值减去拟合值,根据交流分量计算各相邻峰谷差值及速度差值,然后计算得到固定车速间隔的最大突变值,最大突变值=车速间隔*max(峰谷差/速度差)。
4.根据权利要求1所述的乘用车风噪主观评价客观量化方法,其特征在于,所述S4具体为:
S4.1、在恒定风速工况下,对最终主观评价分数和客观量化数据进行统计学回归分析,找到一组相关系数R>0.9且客观量数量最少的组合,并生成拟合方程,根据该拟合方程建立恒定风速工况下的风噪主观评价客观量化模型;
S4.2、在缓慢升速工况下,对最终主观评价分数和客观量化数据进行统计学回归分析,找到一组相关系数R>0.9且客观量数量最少的组合,并生成拟合方程,根据该拟合方程建立缓慢升速工况下的风噪主观评价客观量化模型。
5.根据权利要求1所述的乘用车风噪主观评价客观量化方法,其特征在于,所述S5中抱怨因子α和β的推荐值为:普通型乘用车的推荐值为α=0.7,β=0.3;运动型乘用车的推荐值为α=0.5,β=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010980107.2A CN112131662A (zh) | 2020-09-17 | 2020-09-17 | 一种乘用车风噪主观评价客观量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010980107.2A CN112131662A (zh) | 2020-09-17 | 2020-09-17 | 一种乘用车风噪主观评价客观量化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112131662A true CN112131662A (zh) | 2020-12-25 |
Family
ID=73846993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010980107.2A Pending CN112131662A (zh) | 2020-09-17 | 2020-09-17 | 一种乘用车风噪主观评价客观量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131662A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112992182A (zh) * | 2021-02-10 | 2021-06-18 | 东风汽车集团股份有限公司 | 车辆风噪水平测试***及其测试方法 |
CN113984567A (zh) * | 2021-10-21 | 2022-01-28 | 重庆长安汽车股份有限公司 | 一种车用橡胶材料耐刮擦性能测试方法 |
CN114544194A (zh) * | 2022-01-25 | 2022-05-27 | 东风汽车集团股份有限公司 | 一种基于频谱分析的车辆路噪评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001324409A (ja) * | 2000-05-17 | 2001-11-22 | Mitsubishi Heavy Ind Ltd | 車両の風洞試験方法及び装置 |
JP2018096741A (ja) * | 2016-12-09 | 2018-06-21 | 大成建設株式会社 | 建築物風騒音評価方法 |
CN108663115A (zh) * | 2017-03-31 | 2018-10-16 | 华晨汽车集团控股有限公司 | 一种汽车车内怠速噪声客观量化评价方法 |
CN111521406A (zh) * | 2020-04-10 | 2020-08-11 | 东风汽车集团有限公司 | 一种乘用车道路测试高速风噪分离方法 |
-
2020
- 2020-09-17 CN CN202010980107.2A patent/CN112131662A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001324409A (ja) * | 2000-05-17 | 2001-11-22 | Mitsubishi Heavy Ind Ltd | 車両の風洞試験方法及び装置 |
JP2018096741A (ja) * | 2016-12-09 | 2018-06-21 | 大成建設株式会社 | 建築物風騒音評価方法 |
CN108663115A (zh) * | 2017-03-31 | 2018-10-16 | 华晨汽车集团控股有限公司 | 一种汽车车内怠速噪声客观量化评价方法 |
CN111521406A (zh) * | 2020-04-10 | 2020-08-11 | 东风汽车集团有限公司 | 一种乘用车道路测试高速风噪分离方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112992182A (zh) * | 2021-02-10 | 2021-06-18 | 东风汽车集团股份有限公司 | 车辆风噪水平测试***及其测试方法 |
CN113984567A (zh) * | 2021-10-21 | 2022-01-28 | 重庆长安汽车股份有限公司 | 一种车用橡胶材料耐刮擦性能测试方法 |
CN114544194A (zh) * | 2022-01-25 | 2022-05-27 | 东风汽车集团股份有限公司 | 一种基于频谱分析的车辆路噪评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112131662A (zh) | 一种乘用车风噪主观评价客观量化方法 | |
CN105021275B (zh) | 基于时域动态特性分析的车内声品质预测方法 | |
CN110688712A (zh) | 汽车风振噪声声品质客观烦恼度评价指标及其计算方法 | |
CN109141623B (zh) | 一种列车车内声品质的评价方法及装置 | |
CN103471709A (zh) | 乘用车车内噪声声品质预测方法 | |
CN111751119B (zh) | 一种基于声音阶次频率特性的汽车加速声品质评价方法 | |
CN111949942A (zh) | 一种加速车内噪声线性度的评价方法 | |
CN101672690A (zh) | 基于听觉模型的车内噪声烦躁度客观量化评价方法 | |
CN109902441B (zh) | 一种基于kano模型原理的车辆性能指标权重分配***及方法 | |
KR101330923B1 (ko) | 감마톤 필터를 이용한 차량 소음의 음질 평가 방법 및 그 장치 | |
US20060200346A1 (en) | Speech quality measurement based on classification estimation | |
CN110567575B (zh) | 一种汽车门锁闭合声品质评价方法 | |
Liang et al. | The evaluation of vehicle interior impact noise inducing by speed bumps based on multi-features combination and support vector machine | |
CN112067117A (zh) | 一种汽车风噪声性能评价方法 | |
CN113343384B (zh) | 一种变速器变转速工况下声品质主客观评价方法 | |
CN111798109B (zh) | 一种材料摩擦异响匹配方法 | |
CN116985741A (zh) | 基于听觉与嗅觉的多模态驾驶员愤怒情绪调节方法 | |
Bergeron et al. | Sound quality assessment of internal automotive road noise using sensory science | |
Jiang et al. | Subjective and objective quantificational description of vehicle interior noise during acceleration | |
Kužnar et al. | Improving vehicle aeroacoustics using machine learning | |
CN113486448A (zh) | 一种基于掩蔽效应评价变速器啸叫的方法 | |
CN113313397A (zh) | 一种声品质满意度分级以及限值确定方法 | |
CN113567146A (zh) | 一种基于掩蔽效应评价路噪的方法 | |
CN113125000A (zh) | 一种车内空调***异响等级评判方法 | |
CN114544194B (zh) | 一种基于频谱分析的车辆路噪评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201225 |
|
RJ01 | Rejection of invention patent application after publication |