純電動乘用車NVH主觀評價分析及建模

摘 "要：整車NVH主觀評價影響因素有很多，包含動力系統NVH、風噪、路噪、開關門聲品質、空調系統NVH、電動部件噪聲及振動等，為確定整車NVH主觀評價顯著因子，本文對整車NVH主觀評價與各系統NVH主觀評價建立模型，并對兩者之間的線性回歸進行研究和分析。結果表明：（1）動力系統NVH主觀評價對整車NVH主觀評價影響最大，占比59%，其次為路噪的影響，占比41%;（2）整車NVH主觀評價與動力系統NVH、路噪主觀評價模型擬合度很高（擬合精度為99.97%），證明模型在統計學上是顯著的、有意義的。

關鍵詞：NVH主觀評價;t檢驗準則;層次分析法;多元線性回歸

中圖分類號：U461.4 " " " 文獻標識碼：A " " "文章編號：1005-2550（2022）05-0023-06

Analysis and Modeling of NVH Subjective Evaluation of Battery Electric Vehicles

ZHANG Yi-bo， LI Teng

（Automotive Research and Design Centre， Dayun Automobile Group CO. LTD， Yuncheng 044000， China）

Abstract： There are many factors affecting the subjective evaluation of vehicle NVH， including power system NVH， wind noise， road noise， door opening and closing sound quality， air conditioning system NVH， noise and vibration of electric components， etc. The vehicle NVH subjective evaluation and each system NVH subjective evaluation model are established， and the linear regression between the two is studied and analyzed. The results show that：（1） The subjective evaluation of the NVH of the power system has the greatest impact on the subjective evaluation of the NVH of the vehicle， accounting for 59%， followed by the impact of road noise， accounting for 41%; （2） The subjective evaluation of vehicle NVH and the subjective evaluation of power system NVH and road noise have a high degree of fit （the fitting accuracy is 99.97%）， which proves that the model is statistically significant and meaningful.

Key Words： NVH Subjective Evaluation; T-Test Criterion; Analytic Hierarchy Process; Multiple Linear Regression

隨著中國汽車工業近幾十年的快速發展與進步，消費者已經不滿足于汽車僅作為交通工具來使用，對車輛舒適性的需求也越來越高。整車NVH（噪聲、振動、聲振粗糙度）在車輛舒適性評價中，是一項極其重要的指標，整車NVH的優劣甚至已成為消費者購車選擇中的決定性因素。

整車NVH是一個綜合性評價項目，一般我們是指整車級NVH性能總體狀態，整車NVH的優劣，取決于其下級評價指標各系統級NVH性能評價結果，例如動力系統及空調系統NVH性能、風噪、路噪等。

整車NVH分為主觀評價和客觀測試，目前有很多的測試設備，以及完善的測試方法可以對整車NVH性能進行客觀測試，測試結果以不同的聲學參數（如聲壓級、語音清晰度、尖銳度等），去表征其NVH性能的優劣。目前有許多學者基于某系統或某種特定工況，對整車及系統級NVH主觀評價結果與客觀測試結果相關性進行了深入的分析探討，并取得了不少成果[1-5]。

本文重點研究純電動乘用車，整車NVH主觀評價結果與其下級各系統NVH單項主觀評價結果的相關性?；趯哟畏治龇?，確認多名主觀評價人員評分權重，之后建立多元線性回歸模型，通過逐步線性回歸方法，最終確定整車NVH總體評價結果顯著因子，以及顯著因子對整車NVH的影響系數，該參數可為整車NVH主觀評價提升提供理論依據以及優化方向，同時，該研究方法，可為其它多人評價體系，提供一種優化方法和思路。

1 " "主觀評價

1.1 " 主觀評價試驗

為了減少車輛級別差異帶來的不穩定影響因素，本次試驗限定從市場上選取4輛主流C級純電動乘用車，樣車單車售價區間為30-50萬元，分別用樣車A、B、C、D代替。4輛樣車包含2輛轎車、2輛SUV。為降低路面、環境一致性對試驗結果的影響，在公司內部封閉試驗場進行相關評價。

從公司篩選6名主觀評價人員參與本次試驗，其中包含2名NVH主觀評價專家，2名專業NVH主觀評價人員，以及2名非專業普通人員，該6名評價人員（4男2女）分別用評價員1、2…6代替。

為保持試驗過程的一致性，本次評價試驗，始終僅由1名專業司機，按照既定路線、既定試驗工況駕駛車輛，進行特定工況評價。整車NVH主觀評價人員在固定位置（副駕駛員amp;二排左側位置）進行整車及系統NVH主觀評價，評價過程中，各評價員之間不得對評分結果交流探討。

基于純電動乘用車NVH特性，本次主觀評價項目分別為動力系統NVH、風噪、路噪、開關門聲品質、空調系統NVH、電動部件噪聲及振動、整車NVH，編號分別為i、j、k、l、m、n、Y。上述7個評價項分別由篩選的6名主觀評價人員依次評價打分，具體試驗工況、評價路面、評價內容如表1所示：

評價前需要對所有評價人員統一進行一次簡單的NVH主觀評價培訓，目的在于統一本次評價標準，培訓內容包括每種工況的主要評價項、評分規則等。

按照行業慣例，本文采用10分制絕對評分法，主觀評價分值精度精確至“0.5”分，評價人員根據駕乘感受確定評價項與分值的對應關系，重點突出評價員對評價項目的認可程度，評分分值與主觀感受關系如圖1所示。

按照上述評價工況及評分標準，評價員1-6，分別對樣車A、B、C、D各系統（i-n）及整車級NVH進行主觀評價，樣車整車及各系統NVH性能主觀評分如表2所示：

1.2粗大誤差數據處理

有研究表明，當樣本數量較少時，可采用羅曼諾夫斯基準則[6-7]。羅曼諾夫斯基的基本思想在于，通過比較剔除可疑數據前后整體數據的離散性，來判定可疑數據是否為粗大誤差。結合羅曼諾夫斯基準則，假設n名評價人員對某輛車的某性能進行獨立的主觀評價，得到n個評價分數：

L1， L2，L3，……，Ln

若認為評價分數Lj為可疑分數，則將其剔除后計算平均值為：

（1）

在總區間為10分跨度的主觀評價打分中，分為了10種描述，取粗大誤差判定閾值為最小的描述間隔，即若|Li-L|>1時，則認為評價分數Li含有粗大誤差，剔除Li是正確的，否則認為Li不含有粗大誤差并應當予以保留。

針對C樣車k工況主觀評價數據，處理結果如表3所示。結果表明評價人員4該項主觀評價偏差為1.1，大于判定閾值1，屬于粗大誤差，因此該項主觀評分數值需要剔除，其余數據保留。

用相同的方法處理所有主觀評價數據，剔除所有粗大誤差數據，整理后主觀評分有效數據如表2所示，其中帶紅色底紋數據為粗大誤差數據，需要剔除，其余數據保留。

1.3 " 有效數據整理

在對有效數據進行處理之前，需要先將6名評價人員打分權重進行最終確認。本論文采用層次分析法（The analytic hierarchy process）簡稱AHP，在20世紀70年代中期由美國運籌學家托馬斯·塞蒂（T.L.Satty）正式提出[8-9]。

對6名評價人員評分權重進行建模分析之前，需要對比評價人員的專業水平，構造成對比較矩陣。使用數量化的相對權重aij描述，成對比較矩陣中aij的取值參考Satty的建議，aij在1-9及其倒數中間取值。aij的數值大小是第i行評價人員與第j列評價人員的重要性比值，1表示兩者重要性相同，3表示前者比后者略重要，5表示重要，7表示重要得多，9表示極其重要，也可用偶數表示介于中間狀態，評價人員對比矩陣如表4所示。

成對比較矩陣的特點：aij>0，aij×aji=1，當i=j時候，aij= 1。

通過AHP軟件對上表進行分析，結果為：該比較矩陣最大特征值λmax=6.1193，一致性CI=0.2386，一致性CR=0.0189。

當0

計算每行乘積的m次方，得到一個m維向量

（2）

即：

評價人1向量：

評價人2向量：

評價人3向量：

評價人4向量：

評價人5向量：

評價人6向量：

將上述評價人員向量標準化即得到各評價人員評分權重：

（3）

即：

評價人1權重（fk1）：

評價人2權重（fk2）：

評價人3權重（fk3）：

評價人4權重（fk4）：

評價人5權重（fk5）：

評價人6權重（fk6）：

最終整理評價人員1-6的評分權重如表5所示：

根據上述人員權重表，可以分別計算出每輛樣車單獨某項真實主觀評價得分，公式為：

（4）

其中L1-L6分別為評價人員1-6對某樣車整車或系統NVH主觀評分有效數據，fk1-fk6分別為評價人員1-6評分權重，Kp（p=i、j…n）為該輛車該項NVH主觀評價最終真實得分。

真實數據處理過程中，需要剔除部分粗大誤差數據，會導致該組評價人員不全，就需要構建新的成對比較矩陣，因此，該組各評價人員會有不同的權重系數，需要特殊對待。本文對上述重復繁瑣的處理過程，不再一一進行展示，但最終結果，作者已剔除所有粗大誤差數據，并更新個別數據組評價人員權重系數，最終計算NVH主觀評價有效得分結果如表6所示：

2 " "NVH主觀評價模型搭建

2.1 " 逐步線性回歸模型

回歸分析方法是常用的建模方法，選取不同評價樣車各系統NVH主觀評價項得分（Kp）作為連續預測變量，整車NVH主觀評價得分（Y）為響應，采用逐步線性回歸方法，對整車NVH主觀評價得分進行多元線性回歸分析[10-11]。

響應（Y）與連續預測變量（Ki，Kj，Kk，Kl，Km，Kn），入選用 Alpha = 0.15， 刪除用 Alpha = 0.15，最終得到如下回歸模型回歸方程：

Y=-3.1125 + 0.8698×Ki + 0.6051×Kk " （5）

式中，Ki為動力系統NVH評價得分，Kk為路噪評價得分，對上述模型進行各項檢驗校核分析，檢驗結果如表7-表9所示：

如上模型參數，T檢驗P值<0.05， R檢驗結果擬合優度R2>95%，F檢驗P值<0.05，說明該模型各系數顯著，方差分析顯著，即預測變量與響應之間線性關系顯著，模型擬合度高，因此，可認為該模型在統計學上是顯著的、有意義的。

Durbin-Watson統計量=3.09102。

Durbin-Watson檢驗，又稱DW檢驗，用來檢驗回歸分析中殘差的一階自相關性，通常認為，DW檢驗值分布在0-4之間，該統計量值越接近2越好，一般在1-3之間可粗略判斷為滿足獨立性條件。本模型DW檢驗值為3.09102，勉強認為滿足獨立性要求。

對所有響應與擬合值標準化殘差進行分析如表10所示，根據3σ準則我們可以知道，99.74%的標準化殘差會落在-3到3這個區間上，落在（-2，2）與（-3，3）之間的點稱之為可疑值，（-3，3）之外的點稱為異常值。本模型所有標準化殘差值均處于-1到1這個區間上，因此我們判定模型合格。

2.2 " 結論

基于本文中篩選出來的4 款同級別純電動乘用車（30-50萬元）為對象，通過逐步線性回歸模型，展開了整車NVH主觀評價得分顯著因子的研究：

式5中，整車NVH主觀評價得分顯著因子，動力系統NVH（Ki）為0.8698，路噪（Kk）為0.6051，對動力系統NVH和路噪顯著因子標準化處理：

動力系統NVH影響系數：

路噪影響系數：

由此可知，提升動力系統NVH跟路噪，是提升整車NVH主觀評分的最優方法，尤其是動力系統NVH的提升。

3 " "結束語

本文提供了一種建模分析方法、思路，可以為相關人員研究整車NVH主觀評價優化提升提供依據，明確方向。同時，對于類似多人評價總體結果與其評價單項結果顯著性研究，本文有一定的參考意義。

但本次研究，同樣存在很大不足之處，具體如下：

1、本次評價，樣車選擇數量有限，評價人員數量、性別比例、地域差異均未進行充分調研，無法評估對模型結果的影響，因此本次模型分析結果適用于本次NVH主觀評價試驗，后續隨著試驗數據樣本量的增加，該模型會越來越精確;

2、本次評價沒有在專業NVH主觀評價試驗室進行，實車評價時無法規避車輛品牌帶來的附加影響，建議采集數據，在主觀評價試驗室通過噪聲回放來完成主觀NVH評價工作。

參考文獻：

[1]高靜軒，陳劍，陳心昭.整車NVH性能主觀評價的模糊綜合評判模型[D].噪聲與振動控制，2009，4.

[2]龐劍，諶剛，何華.汽車噪聲與振動-理論與應用[M].北京：北京理工大學出版社，2006.

[3]林逸，馬天飛，姚為民.汽車NVH特性研究綜述[J].汽車工程，2002，24（3）：32—36.

[4]陶應超.乘用車NVH性能商品性評價方法[J].汽車實用技術，2021，16.

[5]申秀敏，左曙光，王勇等.轎車聲品質主觀評價研究[J].噪聲與振動控制，2013，1：96-101.

[6]劉海江，鄧志剛，張志云.乘用車性能主觀評價數據處理方法的研究[J].機電一體化，2017，04：9-14.

[7]費業泰.誤差理論與數據處理[M].機械工業出版社，2017，7-6：10-56.

[8]馬立平.層次分析法[J].北京統計，2000，125.

[9]呂躍進，楊燕華.區間粗糙數層次分析法[J].系統工程理論與實踐，2018，38（3）.

[10]陳正江，蒲西安.多元線性回歸分析與逐步回歸分析的比較研究[J].牡丹江教育學院學報，2016，5.

[11]沈秀娟.逐步回歸法在多元線性回歸分析中的應用[J].科學與財富，2020，15.

張義博

畢業于長沙理工大學，本科學歷，現就職于山西大運汽車股份有限公司，任職整車NVH性能集成主管，主要研究方向為NVH性能集成（開發、試驗），重點研究整車NVH主觀評價、熱管理系統NVH性能開發等。

專家推薦語

吳道俊

合肥工業大學

博士 "廈門金龍客車高級工程師

本文對整車NVH主觀評價及影響因素進行主觀評價、數據處理和有效數據最終獲取;建立了整車NVH主觀評價得分與各系統NVH主觀評價項得分的線性回歸模型回歸方程并檢驗，確定了整車NVH主觀評價得分顯著因子及其影響系數占比，為整車NVH主觀評價優化和提升提供了依據和方向。相關研究形成一套技術方法和流程，具有工程參考意義。