数理统计论文打印.docx
- 文档编号:17288229
- 上传时间:2023-07-23
- 格式:DOCX
- 页数:24
- 大小:685.03KB
数理统计论文打印.docx
《数理统计论文打印.docx》由会员分享,可在线阅读,更多相关《数理统计论文打印.docx(24页珍藏版)》请在冰点文库上搜索。
数理统计论文打印
研究生课程考核试卷
(适用于课程论文、提交报告)
科目:
数理统计教师:
姓名:
学号:
专业:
汽车工程类别:
(专业)
上课时间:
2015年2月至2015年5月
考生成绩:
卷面成绩
平时成绩
课程综合成绩
阅卷评语:
阅卷教师(签名)
汽车声品质评价与应用研究
摘要
汽车声品质设计理念的提出,将汽车声学设计与消费者的需求紧密联系在一起,使之融入汽车整车及各零部件的声学设计中,体现了“以人为本”的设计理念。
将声品质作为噪声的评价标准,建立一个良好的、舒适的、另消费者满意的车内声学环境,是当今汽车噪声研究的重要内容,也是未来的发展方向。
目前,国内外对汽车声品质的研究并不成熟,还存还在很多亟待解决的问题,如:
声品质主观评价试验耗时、耗财,工作量大;评价者易受疲劳及外界因素的影响,导致评价结果不准确;以往的多元线性回归模型推广能力差、预测精度低;声品质评价模型缺乏对改善车内声品质方面的实践应用和指导意义。
本文旨在研究汽车声品质的预测模型及其在实践中的应用,使该模型能够真实反映我国消费者对国产轿车声品质的主观感觉,并得出有效的、准确的评价结果,而无须进行主观评价试验及复杂的建模和计算。
关键词:
声品质,心理声学,主观评价
第1章绪论
1.1研究背景及意义
随着汽车噪声研究领域的发展以及人们对汽车舒适性要求的不断提高,对汽车噪声的研究已经由车外噪声对环境的污染转为车内噪声对驾驶员及乘客产生的影响。
研究人员发现,较高的车内噪声会使车内乘员感觉烦躁、焦虑,如果长时间处于这种噪声环境下,容易产生头痛、失眠、心悸、耳鸣、注意力分散、记忆力衰退、反应迟钝等不良症状,在影响身体健康的同时也容易出现意外事故。
因此,各国对车内噪声都制定了相应的控制标准,如美国针对城市客车车内噪声制定的EPA标准、针对载货汽车驾驶室制定的SAEJ336标准等。
我国最早在GB1496-1979中提出了匀速行驶时车内噪声的测试方法,但没有给出限值,直到1998年1月1日实施的《机动车运行安全技术条件》(GB7258-1997)中才提出了客车车内噪声级不大于82dB(A),汽车驾驶员耳旁噪声声级不大于90dB(A)的要求。
除政府法规对车内噪声的要求越来越高外,消费者对车内噪声的要求也在不断提高,并成为影响消费者购买汽车主要考虑的因素之一。
1994年德国人Blauort和Bodden提出的声品质定义在国际上得到广泛认同。
其指出,声品质中的“声”并不是指单纯的声波,而是指人耳对声音事件的听觉感知过程;“品质”是指人对这种声音事件感知过程做出的主观判断。
声品质概念的出现,为现代噪声控制提出了全新理念,即噪声控制的最终目的不只要降低噪声的声压级,而是要以消费者对产品声音主观感受的要求为最高目标,通过调节产品的声音特性,实现选择性的噪声控制。
本文旨在研究汽车声品质的预测模型及其在实践中的应用,尝试采用人工神经网络技术建立国产轿车的声品质预测模型,并将该模型应用于改善汽车车内声品质的实践中,同时对适合于汽车声品质改善的声源识别方法也进行了探索。
这一研究对于提高国产轿车的车内声学舒适性、实现以“以人为本”的设计理念、增强我国汽车产品的质量和国际竞争力有着重要的意义和实用价值。
第2章B级轿车车内声品质主观评价试验
2.1引言
声品质的主观评价是人根据对声音的主观感受做出的判断,其最终的评判标准是人的听觉感受,而这种主观感受是没有办法通过任何的仪器设备、软件等进行物理测量的,但可以通过主观评价试验用某些物理声学和心理声学的客观参量来进行描述。
目前,我国在汽车声品质研究中主要存在两方面问题。
其一是所建立的声品质评价模型大多以普通A级轿车为主,而对于中、高档轿车的声品质研究鲜有涉及。
随着我国汽车工业的迅速崛起和人民生活水平的提高,中、高档轿车已走入普通家庭,成为汽车销售市场的主力军。
因此,建立中、高档轿车的声品质评价模型,为改善和提高车内声环境提供依据,是目前我国汽车声品质研究急需解决的问题。
其二是对加速工况下声品质的评价研究鲜有涉及。
汽车加速行驶时的车内声品质研究是汽车声品质研究的重要内容,它反映了整车的动力性、安全性等重要信息,其声品质的好坏将直接影响顾客对汽车的主观印象。
为了研究中、高档轿车在匀速和加速工况下的车内声品质,为建立声品质神经网络预测模型提供先验知识和样本数据,本研究对中、高档轿车在匀速工况下的声品质偏好性指标和加速工况下的声品质烦躁度指标进行了主观评价试验。
本章详细介绍了声品质主观评价试验的过程及结果,包括声音样本的采集与处理、评价结果的数据检验与统计等步骤,并对主、客观评价结果进行了相关分析和多元线性回归分析。
2.2声音样本的采集与处理
在进行主观评价试验前高质量的采集声音样本、真实的反映样本的声学特性在很大程度上决定了主观评价试验结果的准确性与真实性。
本文采用德国郎德(HeadAcoustics)公司的数字式仿真人工头HMSIII以及多通道数采系统SQlabII进行声音样本的采集工作。
该人工头的外形设计模仿了人体的几何尺寸以及人外耳的声学结构,可以准确、实时的对声音事件进行双耳记录。
为了最大限度保证声音样本高质量的回放效果,采用HAIII型高保真耳机,该耳机配有功率放大器而且充分考虑了人耳的掩蔽效应和双耳特性。
除此之外,声音样本的采集试验还配有:
小野精密声级计、B&K声级校准器、DRS3/1aa雷达测速仪、气象测试仪器(风速仪、气压表、湿度表、温度表)、发动机转速测量装置。
试验地点选为郊区平整的柏油马路,来往车辆少。
声音样本的采集参照GBT18697-2002《声学汽车车内噪声测量方法》进行,人工头布置在副驾驶位置,车内噪声测量的测点距座椅纵中心线200mm,距座位表面垂直高度700mm,测点布置如图3.1所示
图2.1车内声音测量的人工头、声级计传声器测点分布
在对匀速工况下的声音样本的采集试验中,共记录了6种B级轿车以最高档位在不同速度下(50km/h、60km/h、80km/h、100km/h、120km/h)匀速行驶时副驾驶员耳旁位置处的声音信号,每种工况均记录4次,记录时间超过30秒。
经过筛选,挑选出每种轿车在不同速度下的最佳采样,共得到30个声音样本。
根据国际通用样本的时间长度,将样本截取为5秒,并对样本进行了等响处理。
在采集加速工况下的声音样本时,对9种B级轿车分别以3档和最高档位,从稳定车速的初始工作状况开始缓加速行驶并记录副驾驶员耳旁位置处的声音信号,到90%额定转速对应的车速或120km/h车速为止,每个档位记录4次。
挑选出每种轿车在不同档位的最佳采样,对采集的声音样本从50km/h开始120km/h为止进行截取,共得到18个声音样本。
第三章匀速工况下车内声品质的主观评价试验
3.1声音样本的聚类分析
本文对匀速工况下车内声品质采用成对比较法进行主观评价试验。
然而,在声音样本数目比较多的情况下,直接进行成对比较法,工作量非常大,且评价者容易疲劳,在很大程度上影响评价结果的一致性和准确性。
对于这种情况,可采用分组成对比较法减少工作量,但由于相似性的评价数据不存在传递性,限制了其使用范围。
本文采用聚类分析,从30个声音样本中选择有代表性的样本进行主观评价试验,大大降低了主观评价试验的工作量。
聚类分析是一种在没有先验知识的情况下根据样本或变量的诸多特征按照其在性质上的亲疏程度进行自动分类的多元统计学分析方法。
在聚类分析中,为了衡量样本间的亲疏程度,常用距离、匹配系数和相似系数作为度量标准。
不同性质的样本有着不同的计算距离公式,本文的样本中变量均为定量变量,常用的定量变量距离计算公式有:
(1)闵可夫斯基(Minkowski)距离
(3-1)
式中:
dij代表样本i与样本j之间的距离;p为样本中的变量个数;q为某一常数。
式(3-1)中,当q=1时,dij
(1)称为绝对值距离;当q=2时,dij
(2)称为欧氏距离;当q=∞时,dij(∞)称为切比雪夫距离。
(2)兰氏(Lance和Wiliiams)距离
(3)马氏(Mahalanobis)距离
式中:
xi=(xi1,xi2,···,xip)´,xj=(xj1,xj2,···,xjp);S为样本的协方差矩阵。
(4)斜交空间距离
式中:
rkl是变量xk与变量xl之间的相关系数。
距离越小,说明样本越亲密,越有可能聚成一类;距离越大,说明样本越疏远,越有可能分属不同的类。
匹配系数与距离一样是用来度量样本间的相似性,匹配系数的定义为:
从上式中可以看出,匹配系数大,样本越相似。
相似系数常用于衡量变量之间的相似性,相似系数越大,相似程度就越高,反之亦然。
常用的相似系数有:
(1)夹角余弦
(2)相关系数
式中:
层次聚类也称系统聚类,是聚类分析中一种常用的分类方法。
本文将声音样本的客观参数值作为观测量,使用SPSS(StatisticalPackagefortheSocialScience)应用统计学软件采用最近邻法对样本进行分层聚类,图3.2为聚类分析后的树形图。
图3.1聚类分析后的声音样本分类树形图
图3.1中的下方数字代表声音样本编号,从图中可以看出,在树形图的最后一层中声音样本已被分成了若干类,其中,编号为26、3、5的样本为一类,编号为19、8的样本为一类,以此列推。
考虑到成对比较法的样本数量最多为12~16个,最终决定从30个样本中选择12个(带圈样本)进行主观评价实验。
3.2心理声学客观参数的计算
在获得主观评价试验数据后,为建立主、客观评价结果之间的联系需要计算每个声音样本的心理声学客观参数。
本文使用德国HeadAcoustics公司的ArtemiS软件对12个声音样本的6种主要心理声学客观参数(响度、尖锐度、粗糙度、抖动度、AI指数、音调度)和两种声压级(线性声压级和A计权声压级)进行了计算与分析。
该软件功能强大,不仅可以对声音信号进行截取和等响处理,还可以精确计算出各种心理声学参数值,为后续分析在准确度上提供了保证。
由于目前国内、外对汽车车内声品质的评价都是以副驾驶左耳旁位置的声音信号为研究对象,因此,本试验针对副驾驶位置人工头左耳的声音信号进行计算、评价和分析。
图3.2为匀速工况下某声音样本的6种心理声学客观参数的时域图。
(a)响度(b)尖锐度
(c)粗糙度(d)抖动
(e)AI指数(f)音调度
图3.2匀速工况下声音样本心理声学客观参数的时域图
从图3.2中可以看出,在相同的时间范围内,除抖动度参数外,其它5个心理声学参数随时间的变化量较小。
由于心理声学参数可描述人对于声音特征属性的听觉感受,稳定的心理声学参数值也说明汽车匀速行驶时,人对于车内声音的主观感受在一段时间内基本保持不变,使得评价者在进行主观评价试验时便于判断。
12个声音样本的客观参数值如表3-1所示。
表3-1匀速工况下声音样本的客观参数值
第四章相关分析与回归分析
4.1主观评价结果与客观参数间的相关分析
为了研究声品质偏好性与客观参数之间的关系,找出在本文试验条件下有哪些声响客观参数对车内声品质偏好性指标的影响显著。
使用SPSS软件对表3-3中的偏好性绩效值与相应的6种心理声学客观参数值及两种声压级进行线性相关分析,绘制了相关性散点图并计算了相关系数,如图4.1所示。
从图4.1中可以清楚的看出,6个心理声学参数中,响度、尖锐度、粗糙度和AI指数与偏好性的主观评价结果(绩效值)有着明显的线性相关性,而抖动度和音调度的相关性较低。
表4-1为声品质偏好性的主观评价结果与各客观参数之间的具体相关系数。
(a)响度与偏好性绩效值的相关性(b)尖锐度与偏好性绩效值的相关性
(c)粗糙度与偏好性绩效值的相关性(d)抖动度与偏好性绩效值的相关性
(e)音调度与偏好性绩效值的相关性(f)AI指数与偏好性绩效值的相关性
图4.1种心理声学参数与声品质偏好性绩效值的相关性散点图
表4-1偏好性绩效值与客观参数间的相关系数
注:
**表示双尾检验等级≤0.01;*表示双尾检验等级≤0.05
从表4-1中可以看出:
①6种心理声学客观参数中,除抖动度和音调度与偏好性绩效值的相关系数较小外,响度、尖锐度、粗糙度和AI指数的相关系数均较高,其绝对值都在0.8以上。
考虑到本文对声音样本的采样试验是在郊区进行的,路面为平整柏油马路,来往车辆少,所以抖动度对车内噪声影响较小的结果是合理的。
另外,由于匀速工况下车内声音信号的带宽较大,也直接导致了偏好性的主观评价结果与音调度的相关性较差。
②两种声压级与声品质主观评价结果的相关系数较小,明显低于其它心理声学参数,且双尾检验等级较低,说明在衡量匀速工况下车内的声品质偏好性时,采用心理声学客观参数要比国标所要求的A声级和线性声压级更加合适。
4.2多元线性回归分析
多元线性回归分析是一种用于解释因变量与多个独立变量之间关系的方法。
本节采用多元线性回归分析的方法建立声品质偏好性与客观参数间的关系。
回归分析中的因变量(用y表示)为声品质主观评价值(偏好性绩效值),自变量为声学客观参数。
根据相关分析结果,由于抖动度、音调度及两种声压级与主观评价值的相关性较差,因此将这4个参数剔除,选择响度、尖锐度、粗糙度和AI指数作为回归方程的自变量,分别用x1、x2、x3、x4表示,则声品质偏好性的多元线性回归方程为:
式(4-1)
式中:
yc为因变量y的估计值;a为常数项;b1、b2、b3、b4为回归系数。
根据最小二乘法原理,应使
为最小值,则可确定5个规范方程式:
式(4-2)
式中:
i代表声音样本数,共有12个样本用于偏好性回归分析,所以n等于12。
在回归方程中,有些变量对因变量的影响显著,有些不显著,我们期望保存那些影响显著的变量,而剔除影响不显著的变量,即寻求“最优”回归方程。
本文采用逐步法以获得“最优”回归方程,再次使用SPSS软件对式(4-2)求解,回归分析结果如表4-2所示。
表4-2回归结果分析
由表4-2可知,最终进入回归方程的是响度和尖锐度参数,而粗糙度和AI指数参数被剔除,这说明相对于其它参数而言,响度和尖锐度对声品质偏好性的影响更为显著。
表4-2中的B为偏回归系数,即回归方程的常数项和回归系数值,由于粗糙度和AI指数参数被剔除,其对应的回归系数应为0,将这些系数带入式子中,就得到了声品质偏好性的多元线性回归方程,如下式所示。
式(4-3)
将式上式写为:
式(4-4)
式中:
SQ代表声品质偏好性;Ld代表响度;Sp代表尖锐度。
式(4-4)即为匀速工况下车内声品质偏好性主观评价的客观量化数学模型。
式(4-4)表明,B级轿车在匀速工况下行驶时,车内声品质偏好性指标可以用响度和尖锐度参数进行客观量化描述。
式中响度和尖锐度与偏好性的相关关系为负,说明提高B级轿车车内声品质偏好性,应该注意对车内噪声的响度和尖锐度进行控制。
第五章加速工况下车内声品质主观评价试验
5.1等级评分法试验及其数据检验
5.1.1等级评分法试验
对加速工况下声品质的主观评价以烦躁度为评价指标,采用等级评分法进行主观评价试验[88],为了得到满意的评价结果需要确定适宜的评分刻度。
研究表明,大部分评价者的等级评分法结果都集中在国际通用的10等级刻度中的5~10级区域,有的研究也针对这一区域进行细化。
由于加速工况下噪声品质特性的变化特点,考虑到减少评价者间的离散度、提高评价结果的准确性,本文并没有对这一区域进行细化。
等级评分法试验也是利用Square软件完成的,试验前向评价者详细介绍了试验方法和操作规范,具体如下:
(1)在本试验中,将声品质烦躁度分为11个等级,如表5-1所示。
表5-1烦躁度等级
试验过程中,您会依次听到不同的声音样本,根据自己的主观感受分别在打分器上点击相应的数字按钮。
例如,在一个声音样本播放完毕后,如果您认为该声音样本令您满意,您就可以在打分器上点击按钮7,如果您想重新选择请点击C键返回。
对您选择的结果确定后请点击Enter键,此时结果即被保存(注意:
如果您已经点击了Enter键就不能修改结果了)。
(2)在试验过程中,当样本播放后,如果您认为没有听清而不能做出选择,请向操作员示意重新播放,直到得出您认为准确满意的结果为止。
最终,由24名评价者采用等级评分法对18个加速工况下声音样本的声品质烦躁度进行了主观评价。
5.1.2等级评分法试验结果的数据检验
对等级评分法的结果采用Spearman系数作为数据检验指标。
使用SPSS软件计算出24名评价者两两之间的相关系数,得到一个24×24的系数矩阵,前8名评价者之间的相关系数如表5-2所示。
再将每个评价者与其他评价者间的相关系数取算术均值,求得平均相关系数,如表5-3所示。
表5-2等级评分试验中部分评价者之间的相关系数
表5-3评价者的平均相关系数
从表5-3中可以看到,第2、5、13、16、21位评价者的Spearman相关系数低于0.7,表明其主观评价结果不稳定,与其他评价者的线性相关程度较弱,将其结果剔除。
剩余19人的评价结果将用于下一步的分析和计算。
5.2相关分析与回归分析
5.2.1主观评价结果与客观参数间的相关分析
使用SPSS软件对两组烦躁度主观评价等级值与客观参数分别进行相关分析,相关系数如表5-4所示。
表5-4两组烦躁度主观评价等级与客观参数间的相关性
注:
**表示双尾检验等级≤0.01;*表示双尾检验等级≤0.05
从表5-4中可以看出,由第二类评价者所得到的声品质烦躁度等级值(第二组)与客观参数的相关性明显低于第一组,且各参数与主观评价结果的相关性均较低,不适合用于建立评价模型。
因此,选择第一组的评价结果作为加速工况下声品质烦躁度的主观评价等级值。
由第一类评价者所得到的声品质烦躁度主观评价结果与客观参数的相关性可以看出,响度、尖锐度、粗糙度和AI指数与烦躁度的主观评价等级值存在明显的相关性,相关系数都在0.6以上,而抖动度、音调度的相关系数较小,这一点与匀速工况下的分析结果相同,说明在同样的试验条件下,虽然两种工况下声音样本的心理声学客观参数性质不同,但与声品质的主观评价结果都呈现同样的相关性。
另外,两种声压级中A声级与烦躁度评价结果的相关性也比较大,这说明传统的A计权声压级和心理声学客观参数都可用于衡量加速工况下汽车车内的声音品质。
散点图4.1更直观地表现出表5-4中响度、尖锐度、粗糙度、AI指数和A声级与烦躁度主观评价结果的线性相关性。
(a)响度与烦躁度主观评价结果的相关性(b)尖锐度与烦躁度主观评价结果的相关性
(c)粗糙度与烦躁度主观评价结果的相关性(d)AI指数与烦躁度主观评价结果的相关性
(e)A声级与烦躁度主观评价结果的相关性
图5.1种声学参数与烦躁度主观评价结果的相关性散点图
5.2.2多元线性回归分析
采用多元线性回归分析建立加速工况下声品质烦躁度与客观参数之间的关系。
根据相关分析结果,由于抖动度、音调度和线性声压级与主观评价值的相关性较差,因此将这3个参数剔除,选择响度、尖锐度、粗糙度、AI指数和A声级作为回归方程的自变量,分别用x1
、x2、x3、x4、x5表示,因变量为声品质主观评价值(烦躁度等级值),用y表示,则加速工况下声品质烦躁度的多元线性回归方程为:
(5-1)
式中:
yc为因变量y的估计值;a为常数项;b1、b2、b3、b4、b5为回归系数。
根据最小二乘法原理,应使
为最小值,则可确定6个规范方程式:
(5-2)
式中:
i代表声音样本数,共有18个样本用于烦躁度回归分析,所以n等于18。
使用SPSS软件对式(5-2)求解,采用逐步法以获得“最优”回归方程,结果如下。
表5-5回归分析结果
由表5-5可知,最终进入回归方程的是响度、粗糙度和A声级参数,而尖锐度和AI指数参数被剔除,这说明相对于其它参数而言,响度、粗糙度和A声级对声品质烦躁度的影响更为显著。
将表5-5中各参数所对应的回归系数值和常数项带入式中,就得到了声品质烦躁度的多元线性回归方程,如下式所示。
(5-3)
将式(3-15)写为:
(5-4)
式中:
SQ代表声品质烦躁度;Ld代表响度;Rh代表粗糙度;A代表A计权声压级。
式(5-4)即为加速工况下车内声品质烦躁度主观评价的客观量化数学模型。
式(5-4)表明,B级轿车在加速工况下的车内声品质烦躁度指标可以用响度、粗糙度和A声级参数进行客观量化描述。
5.3本章小结
本章对中、高档轿车在匀速和加速工况下的车内声品质进行了主观评价试验,为建立声品质神经网络预测模型提供了先验知识和样本数据。
完成的主要研究工作及所获结论如下:
(1)采集并选取了6种不同类型的B级轿车以5种车速匀速行驶时的30车内声音样本作为声品质偏好性的评价对象。
通过聚类分析,从30个声音样本中选择12个有代表性的样本以成对比较法进行了主观评价试验。
(2)采集并选取了9种不同类型的B级轿车以3档和最高档位从50km/h开始缓加速到120km/h的18个声音样本作为声品质烦躁度的评价对象。
采用等级评分法进行了主观评价试验。
(3)分别对声品质偏好性和烦躁度的主观评价结果进行了数据检验,剔除其中检验不合格的评价者的评价结果,并根据剩余评价者的主观评价结果得到了声品质偏好性绩效和声品质烦躁度的等级值。
(4)将声品质偏好性和声品质烦躁度的主观评价结果与6个心理声学参数和两种声压级进行相关分析,结果表明与声品质偏好性的主观评价结果存在强相关性的是响度、尖锐度、粗糙度和AI指数;与声品质烦躁度的主观评价结果存在强相关性的是响度、尖锐度、粗糙度、AI指数和A声级。
(5)通过多元线性回归分析,建立了声品质偏好性和声品质烦躁度的客观量化模型。
分析表明,匀速工况下的车内声品质主要受响度和尖锐度两个心理声学参数影响;加速工况下的车内声品质主要受响度、粗糙度和A声级3个参数影响。
第6章总结与展望
6.1研究工作总结
本文在分析了汽车声品质研究发展历程的基础上,对目前汽车声品质研究中存在的问题进行了深入的研究和探讨,确立了本文的研究内容。
针对以往基于多元线性回归分析的声品质预测模型的局限性,通过试验分析验证了该方法的可行性和有效性。
完成的主要研究工作及所获结论如下:
(1)车内声品质主观评价试验
①匀速工况下车内声品质偏好性的主观评价试验
采用分层聚类法,从30个匀速工况下的车内声音样本中选择12个有代表性的样本以成对比较法进行了主观评价试验。
通过对偏好性绩效值与客观参数值的相关分析和多元线性回归分析,找出影响声品质偏好性的主要心理声学参数为响度和尖锐度。
②速加工况下车内声品质烦躁度的主观评价试验
采用等级评分法对加速工况下的车内声品质烦躁度进行了主观评价试验,应用K均值聚类法对评价者分类,分别计
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数理统计 论文 打印