怠速工況汽車空調聲品質評價研究＊

胡溧 楊航 楊啟梁 許晶

（1.武漢科技大學，武漢 430065；2.東風馬勒熱系統有限公司，武漢 430056）

主題詞：聲品質 汽車空調 客觀評價 主觀評價 主觀評價指標

1 前言

聲品質是汽車NVH性能的主要研究方向之一[1]，除傳統的發動機和傳動系噪聲源外，汽車空調噪聲是車內噪聲的主要成分[2]。同時，由于發動機降噪技術的發展和電動汽車的生產與應用，汽車空調噪聲愈發引起關注。汽車空調聲品質對乘車體驗有較大影響[3]，特別是在車輛怠速工況下，空調噪聲極易被人察覺造成煩擾[4]。由此，研究人員開始關注汽車空調聲品質評價。

重慶大學的胡美龍和楊誠等人以某款國產SUV為研究樣車，通過相干法和階次分析等試驗方法對空調噪聲異響進行了試驗分析，整理出一套系統的空調系統異響診斷試驗方法[5]。中國汽車技術研究中心的顧燦松等人針對某微型車在空調開啟后車內出現強烈異響問題，通過分部運轉和階次分析方法找到了異響原因，解決了該問題[6]。江蘇聯合職業技術學院的王軍等人以某型汽車空調為研究對象，通過噪聲測試發現殼體存在問題并對其進行優化，降低了噪聲水平[7]。同濟大學的韓濤和毛東興等人通過成對比較法和參考語義細分法對等響處理后不同響度的壓縮機噪聲進行了聲品質主觀評價，最終確定了聲品質主觀評價指標與主觀煩惱度的線性關系[8]。

目前，對于汽車空調噪聲的研究主要集中于噪聲或異響問題解決，還未見汽車空調系統聲品質評價和其主觀評價指標的研究。另外，人們更傾向于使用“轟轟的”“刺耳的”等語言對汽車空調聲帶來的感受進行描述，再通過對此描述性語言的綜合考量來總結對汽車空調聲信號的總體印象，直至給出最終評價。汽車空調噪聲不同于車輛其他噪聲，其特征鮮明，在某些工況下聲音聽起來較響，在某些工況下又表現得極粗糙、刺耳[9]。為便于空調聲品質評價研究，評價指標的建立非常必要。

本文以某型SUV 為研究對象，對各工況下和不同位置的空調噪聲進行主、客觀評價分析，得出煩惱度分值和主觀評價指標分值，建立不同工況下煩惱度與主觀評價指標的線性關系，以此對主要聲品質客觀參數進行相應優化，使空調聲品質主觀評價試驗更具針對性。

2 聲品質客觀評價

2.1 汽車空調噪聲采集試驗

采集某型SUV 怠速工況下駕駛位與副駕駛位汽車空調系統在不同工況下的噪聲。依據汽車空調系統結構，采集汽車空調制冷與非制冷、不同循環方式、不同風量、不同送風方式下的共計64組噪聲信號。

試驗系統包括MK2-B 型人工頭、LMS 數據采集前端、計算機及LMS Test.Lab 15A 軟件的Signature Acquisition 噪聲采集模塊，根據GB/T 18697—2002《聲學汽車車內噪聲測量方法》進行試驗，試驗系統布置如圖1所示。

圖1 聲品質測試試驗系統布置

2.2 聲品質客觀參數分析

通過對心理聲學客觀參數的分析可更準確地評價汽車空調聲品質。采集噪聲信號后將數據導出，選擇無干擾部分進行剪裁預處理。A計權聲壓級能有效描述人對噪聲的感受，故物理聲學參數選擇A 計權聲壓級[10]。計算主要心理聲學參數，包括響度、尖銳度、粗糙度、波動度和語言清晰度指數。通過初步的時頻域分析選擇具有代表性的16組汽車空調噪聲信號進行聲品質研究，如表1所示。編號中，C、D分別表示副駕駛位和駕駛位，E、I分別表示外循環和內循環，F、O分別表示未開啟制冷和開啟制冷，數字表示風量擋位，序號與編號一一對應。

表1 噪聲信號主要客觀參數

由表1可知，由MK2-B型人工頭采集到的數據中，個別工況下聲壓級超過了70 dB(A)，尖銳度、粗糙度也較高，相較于內循環，外循環時聲壓級較高，相較于駕駛位，副駕駛位的聲壓級較高。

3 聲品質主觀評價

3.1 聲品質主觀評價方法選取

聲品質評價方法主要有排序法、量值估計法、等級評分法、語義細分法和成對比較法等。其中，成對比較法和語義細分法相比其他方法更加有效，語義細分法較易得出聲品質參數的相關性，提取出更多有效信息，而成對比較法更適合無經驗的評審員進行主觀測試[11]。本文采用成對比較法，并借鑒語義細分法設置空調噪聲的主觀評價指標。此外，設置評審員選取環節。

3.2 評審員選取

設計考核試卷，內容包括心理聲學名詞辨析和聽音。名詞辨析環節要求評審員對心理聲學參數含義進行辨析，包括聲壓級、響度、尖銳度、粗糙度、波動度、語言清晰度指數和綜合評價指標煩惱度，需明確心理聲學參數名詞含義。聽音環節要求評審員采用成對比較法對聲樣本的響度、尖銳度、粗糙度和波動度打分，并計算這些聲樣本的聲品質客觀參數，再與前述主觀評分進行對比。選取30 名聽力正常的評審員進行測試，主要為在校學生、高校工作者、駕駛員，男女比例為3∶1，年齡為22～48 歲，無聽音經驗。其中，12 號評審員的聽音結果如圖2所示。

圖2 主、客觀結果對比結果示例

聽音環節將計算主觀評分和客觀參數數值歸一化后的相對誤差，以響度、尖銳度、粗糙度和波動度相對誤差的平均誤差為準。評審員的相對誤差如表2所示。

除個別相對誤差較大的評審員外，其余評審員的相對誤差數值接近且較小。剔除相對誤差較大的評審員的評價數據，保留相對誤差小于50%的評審員，最終確定23名評審員。

表2 評審員聽音環節客觀參數歸一化相對誤差

3.3 汽車空調聲品質主觀評價指標選取

組織評審員參加預聽音試驗，提煉能代表汽車空調聲品質特征的感官形容詞作為主觀評價指標：轟響、嗡響、刺耳、尖銳、粗糙、平順。綜合評價指標為煩惱度。

3.4 聲品質主觀評價試驗

對上述16 個聲樣本的6 個評價指標和1 個綜合評價指標進行評分。由于聲樣本及評價指標眾多，采用分組成對比較法。將聲樣本分為A 組、B 組，各9 個聲樣本，設置6號、7號聲品質客觀參量居中且具有明顯聲品質區別的一對聲樣本作為關聯樣本，用于統一評分尺度。此外，設置6組相同聲事件樣本、7組反序聲事件樣本用于誤判分析。A、B組評分尺度統一公式[12]為：

式中，ζ為評分統一后的整體評分；k為比例系數；β為基數；Vij為j組第i號聲樣本的評分值，i=1,2時為參考樣本。

4 試驗結果與評價指標分析

4.1 聲品質主觀評價試驗結果及分析

為綜合考慮各種誤判對試驗結果準確性的影響，計算評審員對各評價指標評分的計權一致性系數取平均值，以此對評審員的主觀評價試驗數據進行可靠性檢驗，如表3所示。

根據國內外的研究，計權一致性系數在0.7 以上表示試驗數據可靠[13]。由表3可知，23名評審員的平均計權一致性系數均在0.7以上，說明評審員選取試驗作用明顯。剔除一致性較低評審員的評分數據，包括TP7、TP18、TP21，最終評分如表4所示。

由主觀評價試驗結果可知：中低風速時副駕駛位煩惱度稍高；關閉空調壓縮機時，平順感更高，開啟空調壓縮機將導致嗡響感驟增，隨風量增大，2 個指標的差距減小；中低風量下空調壓縮機開啟將導致更高的煩惱度；外循環時平順性較高，隨之煩惱度也較低。

表3 平均計權一致性系數

表4 汽車空調聲品質指標評分

4.2 聲品質評價指標分析

4.2.1 相關分析

為研究汽車空調聲品質評價指標之間的相互影響和作用，使用數據分析軟件SPSS進行相關分析，結果如表5所示。

表5 評價指標相關分析結果

部分評價指標之間關系較密切，如尖銳與刺耳都是描述聲音的高頻屬性，具有較高相關性，因此使用偏相關分析進一步研究。經偏相關分析，控制尖銳后，刺耳與其他評價指標仍有一定相關關系，控制刺耳后，尖銳與其他評價指標已不存在相關性。由此可知，刺耳指標與其他評價指標相關性較強，而尖銳指標的獨立性較強，說明兩者存在區別，刺耳除受頻率影響外，還受其他參數影響，比如，粗糙的聲音也會較刺耳。

4.2.2 因子分析

由主、客觀試驗結果分析可得，聲品質主要影響指標因工況不同而存在差異，而評價指標之間也存在較高相關性。因而使用SPSS 軟件進行因子分析，進一步研究怠速工況下的聲品質主要影響指標。結果如表6、表7所示。

表6 因子提取矩陣

表7 因子載荷矩陣

因子提取原則為特征值大于1，因此提取表6 中的前2個因子。

圖3所示為前2個因子的得分，由圖3可知：高風速下因子1 的影響較大，風量增大時，轟響、刺耳等值增大，與主觀評價試驗結果一致；空調壓縮機開啟時，因子2 影響增強，嗡響值增大，與主觀評價試驗結果一致。由此，評價指標可以分為表7所列的2個因子：因子1代表刺耳、粗糙、轟響、尖銳這類高頻、調制指標；因子2代表平順、嗡響這類低頻、調制指標。

4.3 煩惱度聲品質模型

主觀評價和因子分析結果表明：關閉空調壓縮機，風量擋位為2～4的中高風速下，轟響指標對綜合評價指標煩惱度影響明顯；關閉空調壓縮機，風量擋位為1～3的中低風速下，綜合評價指標煩惱度主要受刺耳和平順指標影響。9～16 號聲樣本的數據結果表明，開啟空調壓縮機時，嗡響指標增強，其對綜合評價指標煩惱度影響較大。使用SPSS 軟件進行回歸分析，在上述不同聲樣本組下，分別建立綜合評價指標煩惱度S與主觀評價指標的模型，每個樣本組任選7 個聲樣本用于建立模型，剩余聲樣本用于檢驗聲品質模型的精度。

圖3 因子得分

中高風速下煩惱度為：

中低風速下煩惱度為：

空調壓縮機開啟時煩惱度為：

式中，Bo為轟響指標；Sh為尖銳指標；St為刺耳指標；Sm為平順指標；Bu為嗡響指標。

其中13 號、15 號聲樣本用于中高風速下預測精度驗證，2 號、3 號聲樣本用于中低風速下預測精度驗證，14號聲樣本用于空調壓縮機開啟時預測精度驗證。由式（2）～式（4）可知，轟響、尖銳、刺耳和嗡響將導致煩惱度上升，平順會使煩惱度下降。這些指標適用于汽車空調相應工況。模型擬合度檢驗結果如表8所示。

由表8 可知，測定系數R2、相關系數R和調整R2都接近1，表示擬合程度較好。顯著性系數小于0.05，主觀評價指標與綜合評價指標煩惱度存在較強線性關系。將聲樣本主觀評價指標值代入煩惱度模型，計算預測誤差，驗證煩惱度模型預測精度。相對誤差如表9所示。

表8 擬合度檢驗結果

預測值與主觀煩惱度評分的相對誤差穩定在5%以內，通過3種工作狀態下的聲品質模型可有效預測煩惱度值。即對汽車空調進行聲品質評價時，通過對不同工作狀態下的主觀評價模型進行預測，評價過程更加合理，結果更加準確。

表9 主觀煩惱度預測相對誤差

為將聲品質客觀參數與主觀評分聯系起來建立聲品質模型用于產品的前期設計指導優化，使用SPSS 軟件分別對中高風速和中低風速聲樣本組進行回歸分析，以轟響和平順2個指標為例建立聲品質模型，每組任選7個聲樣本分析建模，剩余聲樣本用于精度驗證。中高風速聲樣本組中的13 號、15 號聲樣本用于轟響指標預測精度驗證，將其分別命名為1號測試樣本和2號測試樣本，中低風速聲樣本組中的6 號、13 號聲樣本用于平順指標預測精度驗證，將其分別命名為3號測試樣本和4號測試樣本。建立的聲品質模型為：

式中，L為響度；Ro為粗糙度；F為波動度；AI為語言清晰度指數。

將其余聲樣本客觀參數代入得出聲品質預測評分，計算預測模型相對誤差，結果如圖4所示。

圖4 線性回歸模型預測誤差

此聲品質模型具備一定的主觀分值預測能力，相對誤差穩定在15%以內。由模型可知，轟響指標主要受粗糙度、波動度和語言清晰度指數影響。平順指標主要受響度和波動度影響。由于人的主觀感受具有非線性的特點，通過MATLAB 軟件，使用廣義回歸神經網絡（Generalized Regression Neural Network，GRNN）建立聲品質模型，訓練樣本和驗證樣本與前述線性模型保持一致。GRNN 是徑向基函數神經網絡的一種，學習速度快、預測精度高，適用于此類小樣本問題。上述2 個評價指標的聲品質預測模型精度如圖5 所示。由圖5 可知，GRNN 的預測能力較強，相對誤差穩定在5%以內。可通過此模型進行聲品質試驗，降低成本。

圖5 GRNN模型預測誤差

5 結束語

本文對汽車空調進行了聲品質主觀評價和客觀參數計算，建立了汽車空調不同工作狀態下的聲品質預測模型，提出了一套汽車空調聲品質評價方案，對汽車空調聲品質主觀評價指標與煩惱度在不同工況下分類建模。得到以下結論：中高風速下，煩惱度主要影響指標為轟響和尖銳，由此要針對粗糙度、波動度和尖銳度客觀參量進行優化；中低風速下，煩惱度主要影響指標為刺耳和平順，由此要針對響度和波動度進行優化；空調壓縮機開啟工況下，煩惱度主要影響指標為轟響和嗡響，由此要針對響度、尖銳度和粗糙度進行優化。