某型變速箱箱體共振時的聲品質評價

胡溧　楊航　楊啟梁　王博

摘要：為對變速箱箱體共振時的噪聲聲品質進行評價，通過參考語義細分法的主觀評價和計算聲品質客觀參量建立變速箱模態共振工況下的聲品質評價模型。結合多種主觀評價試驗方法優缺點，采用改進的參考語義細分法。選取主要的聲品質客觀參量進行計算，試驗數據表明，在371Hz、460Hz和492Hz等低階共振頻率激勵下，變速箱箱體產生噪聲的響度較高，尖銳度、波動度和粗糙度較相對較低，但煩躁度值相對較高。在652Hz和813Hz共振頻率激勵下，噪聲引起的煩躁度值較低。

關鍵詞：變速箱;模態;聲品質;客觀評價;主觀評價

中圖分類號：U467.3 文獻標志碼：A 文章編號：1674-5124（2019）08-0019-06

0 引言

隨著汽車工業的發展和人們對于汽車品質要求的提高，汽車NVH與聲品質越發被人們所關注。聲品質研究的是聲音給人的主觀感受的適宜性[1]。聲品質的評價取決于評價者，受聲音本身性質和評價者的狀態等多方面因素的影響。如今，汽車聲品質研究已成為汽車NVH的主要研究方向[2]。

隨著發動機的噪聲不斷降低，其他令人不愉快的噪聲便逐漸被乘客感知，從而產生了新的噪聲問題。汽車變速箱便是一個比較大的噪聲源，汽車在中、低速行駛時，發動機及動力系統是主要噪聲源[3]。為提高產品的競爭力，通過聲品質研究改善變速箱聲學特性成為了當前汽車技術研發的重點[4]。

國內外多個知名汽車廠商和大學都在聲品質研究方面取得了重大的進展，研究主要集中在評價方法、評價流程、客觀參數選取、評價系統、聲品質建模等方面[5]。研究發現，成對比較法和語義細分法相比其他方法要更加有效。

汽車變速箱處于某一工況時，很容易產生純音。如果外界激振力的激振頻率和變速箱箱體的某一階固有頻率相吻合或相近時，就會產生共振并發出強烈的噪聲[6]。對于車用手動變速箱所發的噪聲，其音質尖銳，在行車時會使人產生煩躁感和不安全感，嚴重影響乘車舒適性[7]。

本文通過噪聲采集試驗，采集變速箱箱體共振時的噪聲，選擇有代表性的噪聲信號進行主、客觀噪聲評價試驗，并建立聲品質模型。獲取變速箱箱體共振噪聲的聲品質特性，為變速箱優化設計提供幫助和指導。

1 聲品質客觀評價

1.1 變速箱箱體共振聲信號采集試驗

目標變速箱為東風DF1420型手動變速箱。通過試驗，采集該型變速箱箱體在共振頻率激勵時產生的噪聲信號并對此噪聲信號進行分析。使用LMS Test.Lab 16A軟件計算，獲得其客觀評價參數。通過模態測試試驗，獲取該型變速箱箱體測試模態參數如表1所示。

1.1.1 試驗方案設計與實施

試驗設備包括：聲壓傳感器、聲級計、激振器、LMS數據采集前端、功率放大器、計算機及LMSTest.Lab 16A軟件。

試驗設備及其布置如圖1所示。激振器以變速箱箱體測試模態的固有頻率垂直激勵變速箱箱體側面位置使其發生共振。4個聲壓傳感器分別置于激勵點上方、前方、左方和右方采集噪聲信號，近場測量，采集U、F、L、R四組噪聲。

在MIMO FRF Setup界面設置采樣帶寬為20480Hz、采樣頻率分辨率0.625Hz、采樣時間為10s，截去開始采樣前2s和采樣結束后2s。取3次平均。設置輸出和保存的數據為時域數據、頻域數據。輸入激振器激勵頻率，開始測量計算。

1.1.2 聲品質客觀評價參數

人對聲音的感知過程十分復雜，對心理聲學參數的研究與分析必不可少，心理聲學參數主要包括：響度、粗糙度、尖銳度、波動度、語言清晰度指數、語言干擾級和音調度等。1933年Fletcher和Munson首先提出了等響曲線，隨后被認定成為ISO532B標準，也是現在最常用的標準之一[8]。Zwicker響度模型，計算了整個頻譜中各個頻率的貢獻量以及掩蔽效應[9]。物理聲學評價參數主要包括：線性聲壓級、A計權聲壓級、B計權聲壓級、C計權聲壓級和D計權聲壓級。幾十年使用結果都發現A計權聲壓級與人對噪聲的感覺最接近[10]。

本次試驗采用A計權聲壓級、響度、粗糙度、尖銳度、波動度、語言清晰度指數6個主要客觀參數進行聲品質評價。

1.2 聲品質客觀評價試驗結果分析

經后期回放試驗和LMS Test.Lab 16A軟件進行的數據分析表明，U組噪聲信號信噪比最高，故選擇U組噪聲信號進行分析。通過軟件計算，可以得到噪聲信號的主要客觀參數，如圖2所示。整理計算結果如表2所示。

前4階共振頻率激勵下，變速箱箱體產生噪聲的響度較大，語言清晰度指數較低。652Hz、699Hz、813Hz和840Hz頻率激勵下，噪聲響度相對較低，語言清晰度指數相對較高。A計權聲壓級的變化規律和響度相似。波動度和粗糙度的變化規律相似，前4階共振頻率激勵下，波動度和粗糙度較小，高階共振頻率激勵下，噪聲的波動度和粗糙度相對較大。在371Hz、460Hz、529Hz和550Hz頻率激勵下，噪聲的尖銳度較低，在596Hz、699Hz、813Hz和840Hz頻率激勵下，尖銳度相對較高。

2 聲品質主觀評價

2.1 噪聲樣本選取

選擇噪聲信號平穩區段，用Adobe Audition CC2018軟件剪裁，如圖3所示。

試驗證明，過長的聲音樣本會使評價人員產生聽覺疲勞，影響試驗結果準確性，適宜的聲樣本長度為5～7s。本試驗截取6s。

2.2 聲品質主觀評價試驗

人主觀上對聲品質的評價在不同時間、不同心理狀態、生理狀態以及評價人員之間差異都很大[11]。為取得準確的評價結果，選擇合適的主觀評價方法是必要的。

2.2.1 主觀評價試驗方案概述與選取

目前，主觀評價方法主要有：排序法、等級評分法、成對比較法、語義細分法和量值估計法等。本試驗噪聲樣本共13個，適宜選用參考語義細分法。結合其他方法的優點，引用改進的參考語義細分法。與原方法相比，理論和原理相同，但增設了誤判分析環節，且改進了聽音順序。

本試驗宜從煩躁度角度評價噪聲樣本，選取9級評價標尺如表3所示。

噪聲編號為S1、S2、S3、…、S13。取客觀參數適中的第5階共振頻率激勵下產生的噪聲信號為參考噪聲樣本，設定為5分。樣本音頻長6s，間隔3s。

與原方法相比，每次額外從噪聲樣本中隨機選取5個噪聲樣本進行重復樣本回放，用于檢驗評價結果的可信性，進行后續的誤判分析，改善原方法同一評價者的評價結果可重復性差的問題，18個噪聲樣本隨機排序。此外，適量的重復樣本即可很好地達到檢驗可信度的效果，過多的樣本可能引起評價人員的察覺和導致煩躁，影響試驗數據準確性。在聽音順序上，原方法是先聽一次參考樣本，再陸續聽完待評樣本，給出評分。改進后，評價員每次先聽參考噪聲樣本，再聽待評樣本并給出評分。通過類似成對比較法的方式，重復聽參考樣本，可有效改善評價過程中由于評價尺度的動態改變帶來的試驗結果離散性大、可重復性差的問題。

2.2.2 聲品質主觀評價主體選擇

試驗表明，評價人員數量越多，試驗結果就越準確，20人就已經可以很好地完成評價試驗并達到較高的準確性0據駕車人群比例，選擇24名聽力正常者作為評價主體，男女比例為4：1，年齡在20～25周歲不等。試驗環境選擇在安靜整潔的室內，保證評價人員不會受到外界的影響，能獨立地對噪聲樣本做出主觀評價。

2.2.3 聲品質主觀評價試驗流程

試驗流程依次為培訓、試聽、試驗、數據處理。由保真耳機回放噪聲樣本，在人精力充沛的上午進行試驗。試驗前對評價人員做簡單培訓，說明注意事項。由于人與人的評價尺度不同，要求評價員在遵循自己主觀感受的前提下，盡可能使對樣本主觀評價的最高分與最低分，達到標尺的最大值與最小值。試驗前進行試聽，熟悉此類噪聲。試驗過程中不能對評價員做出的選擇予以評價，每個噪聲樣本，評價員可聽任意次，允許對已做出的評分做改動。試驗中保持安靜。得到試驗結果后，賦值未達到標尺量程的，要進行百分比的換算。

2.3 聲品質主觀評價試驗結果分析

由數據統計分析軟件SPSS計算24名評價主體之間的相關系數。根據統計學理論和主觀評價試驗經驗，剔除個別皮爾遜相關系數低于0.7或顯著較低的結果。因為根據統計學理論，相關系數低于0.7，表示線性相關程度不強，剔除后數據的一致性增強。由此，剔除6號主體、10號主體、15號主體、17號主體的評價數據。重復樣本前后兩次評分差超過3個及以上等級則視為誤判，剔除誤判數據。

各個評價主體對同一噪聲樣本的評分取平均，得到該樣本的最終評分，如表4所示。

數據顯示，8號噪聲樣本和11號噪聲樣本的煩躁度值明顯低于其他噪聲樣本。低階頻率激勵的噪聲所引起的煩躁度值要比高階的高。

3 聲品質模型建立

3.1 基于多元線性回歸的聲品質評價模型

聲品質評價包括主觀評價和客觀評價，然而，單一的主觀評價或是客觀評價都不足以說明問題。聲音的質量受多種因素影響，如響度、尖銳度、粗糙度等。為全面揭示這種復雜的因果關系，準確地測定其數量變動，提高預測和控制精度，需要建立多元回歸模型進行分析。

3.2 多元線性回歸模型建立

使用SPSS軟件進行多元線性回歸分析，因變量設為主觀評價的煩躁度，自變量設置為A計權聲壓級、響度、粗糙度、尖銳度、波動度和語言清晰度。任取10組包含第1組和第13組的數據導入，建立聲品質評價模型。本試驗選取第1、3、4、5、6、9、10、11、12、13組數據。

采用后退輸入變量方式，對模型進行逐步降維。采用更有影響力的因子建立多組模型并進行比較，選用更具說明性、更精確的聲品質模型。

生成的6個模型進入計算的變量分別為：模型1：語言清晰度，尖銳度，波動度，A計權聲壓級，粗糙度，響度;模型2：語言清晰度，尖銳度，波動度，粗糙度，響度;模型3：語言清晰度，尖銳度，波動度，響度;模型4：語言清晰度，尖銳度，波動度;模型5：尖銳度，波動度;模型6：波動度。這是由各個參數的相關分析決定的。各模型相關程度如表5所示。

模型3的測定系數R²、相關系數R和調整RZ都接近1，線性相關性較強。德賓一沃森系數為1.560，接近2，數據較可靠。經過對比，模型3說明性更強，置信度較高，預測精度更穩定，為最優模型。

回歸方程如下：

Y=-35.251+0.432X₁+12.286X₂-13.054X₃+0.350X₄式中：Y——煩躁度預測值;

X₁——響度;

X₂——尖銳度;

X₃——波動度;

X₄——語言清晰度。

對模型進行顯著性檢驗，如表6所示，顯著性系數小于0.05，數據顯著。偏回歸圖如圖4所示，數據有明顯的線性相關關系。

3.3 多元線性回歸聲品質模型預測結果分析

將其余3個噪聲樣本的客觀參數代入聲品質評價模型，計算煩躁度預測值相對于主觀評分的誤差。如表7所示。

由表可知，本聲品質評價模型的主觀評分預測能力較好，預測結果較為精確。

4 結束語

通過以上研究，可得出以下結論：

1）變速箱箱體前4階和第13階共振頻率激勵下，噪聲引起的煩躁度值較大。所以，要使變速箱箱體在工作狀態下的固有頻率能避開這些頻率。若兩個模態參數不能全部避開，要避開聲品質較差的那一階。第8階和第11階共振頻率激勵下，噪聲引起的煩躁度值很小。

2）變速箱箱體聲品質評價模型有良好的主觀評分值預測能力，可通過此模型進行聲品質試驗，節省時間、人力、物力。

3）數據表明，對于變速箱聲品質評價而言，響度、尖銳度、波動度對煩躁度值影響較大，在變速箱聲品質優化工作中應該充分重視。

參考文獻

[1]賀巖松，涂梨娥，徐中明，等.汽車聲品質研究綜述[J].汽車工程學報，2014（6）：391-401.

[2]陳克，陽思遠，毛書林.車內聲品質主客觀評價的相關性分析[J].沈陽理工大學學報，2017（3）：101-105.

[3]HUANG H B，HUANG X R，LI R X，et al.Sound qualityprediction of vehicle interior noise using deep beliefnetworks[J].Applied Acoustics，2016，113：149-161.

[4]嚴莉.關于車內聲品質貢獻分析與改善的測試技術研究[D].上海：上海交通大學，2015.

[5]胡騰.電動汽車聲品質試驗分析及研究[D].安徽：合肥工業大學，2016.

[6]蔡宣明，王俊元，馬維金.重型汽車變速箱箱體有限元模態分析[J].機械設計與制造，2011（1）：22-24.

[7]秦真山.YC489柴油機噪聲優化及聲品質的研究[D].廣西：廣西大學，2016.

[8]WANG Y S，SHEN G Q，XING Y F.A sound quality modelfor objective synthesis evaluation of vehicle interior noisebased on artificial neural network[J].Mechanical Systems andSignal Processing，2014，45：255-266.

[9]MOSQUERA-SANCHEZ J A，SARRAZIN M，JANSSENS KA，et al.Multiple target sound quality balance for hybridelectric powertrain noise[J].Mechanical Systems and SignalProcessing，2018，99：478-503.

[10]馬大酞.現代聲學理論基礎[M].北京：科學出版社，2004：57-59.

[11]高印寒，張澧桐，梁杰，等.基于客觀心理聲學參數的重型商用車車內異響噪聲分析[J].吉林大學學報（工學版），2016（1）：43-49.

[12]左言言，張海峰，莊婷.車內聲品質主客觀評價模型對比分析[J].江蘇大學學報（自然科學版），2017（4）：403-409.

（編輯：商丹丹）