一、神经网络技术在车内噪声预测上的应用（论文文献综述）
孟豪[1]（2021）在《纯电动汽车路噪主动控制方法研究》文中研究指明随着我国汽车产品消费升级,NVH（Noise Vibration&Harshness）性能成为衡量汽车品质和决定顾客购买意愿的重要因素之一。纯电动汽车作为汽车未来发展的主要趋势,在行驶过程中,低频宽带路噪对车内噪声的贡献相较于传统汽车显着提升。传统的被动降噪方法对低频噪声的降噪效果有限,主动噪声控制技术通过发出与初级噪声源相等幅值相反相位的次级声源进行抵消衰减,能够在指定的区域内实现静声区,对低频噪声有较好的降噪效果。纯电动汽车车内低频噪声主要来源于轮胎与路面相互作用产生的结构路噪,因此降低车内低频噪声的关键在于对车辆结构（轮心、悬架、底盘和车身）传递噪声的主动控制。本文基于以上分析,研究了主动噪声控制系统的原理及实施方法。根据车内结构路噪的特性,开发了新的自适应主动噪声控制方法以降低纯电动汽车车内路噪。结构路噪是由轮胎和路面接触面压缩、滚挤和释放时产生的激励力所引起,因此车内路噪与车辆不同结构部位的振动加速度信号具有一定相关性。纯电动汽车车内路噪的主动控制策略为:首先,利用神经网络通过相干度较高的振动加速度信号对车内路噪信号进行辨识。然后,采用改进的前馈FXLMS算法对纯电动汽车车内路噪实施主动控制。根据研究的控制方法,完成以下工作:采用改进的BP（Back Propagation,反向传播）神经网络算法辨识车内路噪信号,将同时测得的车辆不同结构部位的振动加速度信号和驾驶员头枕部位的噪声信号作为辨识模型的输入和输出,验证改进BP神经网络的辨识效果。在主动噪声控制算法研究的过程中,提出了对参考信号和误差信号进行限幅的增强广义自适应权重限制EGMACFx LMS算法,此后又提出了基于PSO算法（Particle Swarm Optimization,粒子群优化）且带有参考信号平滑滤波器的自适应步长NASFSx LMS-PSO算法,进一步提高了降噪性能。基于提出车内路噪主动控制方法,在MATLAB/Simulink中搭建了纯电动汽车车内路噪主动控制模型。模拟不同的噪声信号,并作为EGMACFx LMS和NASFSx LMS-PSO算法的参考信号,仿真初步验证了提出的主动降噪算法的有效性。在MATLAB/Simulink搭建的主动噪声控制模型中,使用实车采集的不同行驶工况下的噪声信号和振动加速度信号作为参考信号进行降噪仿真。当以噪声信号为参考信号时,降噪频带宽度可达300Hz,降噪量集中分布在5-12d B（A）。当以振动加速度信号为参考信号时,最大降噪量可达20d B（A）。此后,基于提出的纯电动汽车路噪主动方法进一步搭建了硬件在环试验平台,并利用采集的实车数据进行降噪试验。当车内噪声信号作为参考信号时,主动噪声控制系统实现的降噪频带宽度可达120-260Hz,降噪量集中分布在3-8d B（A）,最大降噪量达17d B（A）。当以振动加速度信号作为参考信号时,主动噪声控制系统对噪声信号60-300Hz频段具有较好的控制效果,降噪量集中分布于2-7d B（A）,最大降噪量达13d B（A）。
任克琳[2]（2021）在《某特种车车内噪声声品质分析及优化》文中提出由于特种车辆的用途特殊性,许多政府以及企业开始严格要求控制特种车辆的噪声和振动方面的问题。特种车辆的使用环境往往比乘用车或商用车更恶劣,驾驶室的噪声问题严重影响到驾驶人员的身心健康。特种车辆车内声品质预测的研究较少,本文针对某特种车车内噪声的声品质进行分析并建立预测模型后续进行优化研究,主要研究内容有:首先,进行了车内噪声的采集试验并对试验数据进行挑选,处理成68个可以进行主观评价试验的有效声音样本,确定了等级评分法为最终的主观评价方法,通过25名评价人员进行评价后将获取的评价结果进行相关性分析,最终保留并计算了20名人员的主观评分值的算术平均值,用作后续预测模型的输出值。分析计算了声音样本的A计权声压级、响度、尖锐度、粗糙度、清晰度指数并进行整理,用作后续预测模型的输入值,最后分析了各参数随工况的变化趋势,为后续预测模型建立提供了理论支撑。其次,利用XGBoost算法构建了特种车车内噪声声品质预测模型,对比分析表明XGBoost模型的预测精度优于随机森林模型和线性回归模型,平均相对误差为2.43%,判定系数达到0.943。并针对声品质客观参数的特点分析得到A声级、响度、尖锐度对预测主观分数的贡献度较大。最后,通过吸隔声性能试验选定了PET、EVA、毛毡、针刺毯面四种材料,加装在车内对应位置后再对特种车进行车内噪声采集并获取心理声学客观参数,通过分析并对比了特种车的发动机定转速三种工况下的结果,A声级最大降低了（）0.96d B A,响度最大降低了1.826sone,尖锐度最大降低了0.109acum,粗糙度最大降低了0.085asper,AI指数最大提高了4.051%。XGBoost模型预测结果显示主观评价分数最大提高了0.73分,平均提高了0.35分,表明该特种车车内声品质声学包装优化方案有一定效果。
陈琪[3]（2020）在《基于智能算法的车内路噪多通道主动控制技术研究》文中研究指明随着汽车品质的提升,汽车车内噪声成为用户评价汽车乘坐舒适性的重要指标。目前,随着汽车振动噪声技术的发展,发动机和传动系统噪声已经得到有效控制,汽车行驶时轮胎与路面相互作用产生的噪声（以下简称“路噪”）在整车噪声的影响程度在扩大,降低车内路噪,是汽车行业发展的重要趋势。路噪主要是低频率宽频带的随机噪声,目前主流的被动降噪技术,如吸声、隔声等,难以对其进行抑制,因此能有效降低低频噪声的噪声主动控制技术引发了广大汽车科技工作者的关注。同时,为了满足车内多个位置的降噪需求就需要研究噪声的多通道主动控制技术。本文通过研究噪声多通道主动控制技术的基本原理、系统结构和算法实现,并对车内路噪的噪声特性进行分析,结合现有的车内路噪主动控制方法提出了一种新的基于神经网络技术的车内路噪多通道主动控制策略:采用对时间序列信号具有较好辨识能力的神经网络方法,经过离线训练后通过悬架和车身连接点的振动加速度信号对车内路噪信号进行辨识,然后利用多通道噪声主动控制算法对车内路噪进行主动降噪,并围绕提出的控制策略,主要完成了以下研究工作:首先,通过比较各类算法特点后确定了车内多通道噪声主动控制系统的控制方案,采用基于随机梯度的LMS算法及多通道FxLMS算法分别完成多通道噪声主动控制系统的次级声通道辨识和主动降噪。其次,基于试验采集的汽车匀速行驶工况下悬架和车身连接点的振动加速度信号以及车内驾驶员与后排乘员耳旁噪声信号进行了低频特性与多重相关性分析,建立了车内路噪辨识的Elman神经网络模型。然后,建立了多通道噪声主动控制系统模型,并将其与多参考LMS算法合成车内路噪模型和Elman神经网络车内路噪辨识模型分别整合,搭建了现有的车内路噪主动控制模型与基于神经网络的车内路噪多通道主动控制模型,对比验证提出的车内路噪多通道主动控制策略的有效性和可行性。基于试验采集的振动与噪声数据分别对两组模型进行了仿真分析。结果表明,在路噪频率范围内,两组模型均取得了良好的降噪效果,可以实现多点的同时降噪。现有的车内路噪主动控制模型降噪量主要分布在10dB以内,峰值的降噪量可以达到约20dB。基于神经网络辨识的车内路噪主动控制系统降噪效果不逊于现有的车内路噪多通道主动控制策略,甚至在0-50Hz范围内的峰值噪声降噪效果更佳,可以达到约25dB。最后,基于所建立的车内路噪多通道主动控制Simulink模型及其控制策略,搭建车内路噪多通道主动控制系统的硬件在环仿真平台,并以实车试验采集的数据为基础对所建系统进行硬件在环仿真试验,结果表明基于神经网络的车内路噪多通道主动控制系统在20-100Hz频率范围内具有较好的降噪效果,并且可以实现多点的同时降噪,降噪量主要分布在2-8dB,噪声峰值处的降噪效果更佳。
严倜凡[4]（2020）在《运动型多用途汽车声学分析与设计研究》文中进行了进一步梳理随着我国汽车工业水平的快速上升以及国民经济水平的提高,人们对汽车驾乘声学舒适度的要求逐步提升。通过调研发现,近几年运动型多用途汽车（SUV,Sport Utility Vehicle）在国内的市场份额提升显着。与传统轿车相比,其在驱动方式、造型、使用情景等方面有着较大的不同,目前国内对SUV声学研究及车内声品质的研究较少。因此,如何从驾乘者实际感受出发改善SUV车内声学环境,提升行车舒适性是本课题的研究重点。为了更好地改善车内声学环境,本课题基于互联网大数据对被试SUV相关车型目标用户进行信息提取分析,获得用户在行车过程中与噪声相关的使用场景与需求。接着对车内噪声采集实验进行设计,计算车内声品质客观参数并进行分析。设计并实施声品质主观评价试验,结合主客观试验评价结果通过多元线性回归模型分析主客观参量间的相关性。在分析主客观评价自变量与因变量相关性的基础上,采用遗传算法优化BP神经网络模型,建立声品质主观评分预测模型对开启音乐工况下的主观评价分值进行预测。基于上述分析,得到音乐作为掩蔽声可提升车内声品质音调度,降低用户对噪声的主观不适感的结论,并由此设计车内音乐交互系统方案。结合声品质实验结果和用户需求,为降低噪声尖锐度与A计权声级,基于统计能量法建立整车声学模型,加载振动与噪声激励后进行仿真,结果表明整车声学模型仿真吻合程度较好。通过分析SUV子系统对副驾驶头部声腔的能量贡献程度,对防火墙处施加复合隔声材料,使高频噪声得到一定程度上的降低。本论文将理论研究与工业设计实践相结合,为SUV声学环境优化提供理论指导与参考。
陆怡[5]（2020）在《混合动力汽车车内声品质评价预测与控制研究》文中研究表明混合动力汽车动力系统结构相较于传统燃油车而言复杂程度有所上升,导致整体的振动噪声特性有明显变化,驱动模式根据动力分配控制策略不停切换使得瞬态冲击和高频噪声问题频频出现,车内声品质环境未有改善,特定工况下甚至有所恶化,基于以上诸多因素,本文开展了关于混合动力汽车车内声品质评价与控制的研究工作。具体研究工作如下:首先,探讨了混合动力汽车主要行驶工况下传动系统的动力分配方式。在此基础上,分析并挑选试验工况,通过实车道路试验采集稳态和非稳态工况的声信号,利用分组成对比较法对声样本进行主观评价试验。利用ArtemiS软件计算稳态和非稳态工况下声样本的客观参量,分别与对应烦恼度值作相关性分析,发现非稳态下音调度与烦恼度值相关系数不大,将其从评价预测模型的训练输入量中剔除。其次,搭建基于SVM、LSSVM、FM算法的声品质评价预测模型。分别以稳态和非稳态工况下所测前45组声样本的客观参量和烦恼度值作为训练,进行主观评价结果预测,发现稳态和非稳态工况下均是FM算法模型的预测精度较高,并且相较于稳态而言非稳态下模型的预测精度普遍较低,说明客观参量无法全面反映非稳态工况下声样本的变化特征。针对这一问题,提出了在非稳态工况下利用CEEMD分解样本声信号,挑选与声样本相关程度较高的本征模态函数（IMF）,利用样本熵从IMF中提取信号特征作为模型输入量的解决办法。经过试验表明与以客观参量作为模型输入量的方法相比,前者的模型预测精度更高,更能反映非稳态下声信号变化特征。然后,针对由电机组等部件引发的高频噪声问题,以仿真分析和实车试验两种方式进行被动控制研究。仿真研究通过在CATIA、Hypermesh、Virtual.Lab等软件中搭建车身模型和进行有限元分析的方式来实现。从面密度和厚度两个因素出发,选用PET+PP纤维材料与丁基橡胶阻尼材料组成复合吸声材料,实现对车内声品质的被动控制。经仿真分析和实车试验检验,被动控制后各项客观参量有明显改善,且仿真结果的变化趋势与实车试验基本一致。最后,设计了以FELMS作为核心算法的声品质自适应主动控制系统。基于Matlab/Simulink平台搭建自适应主动控制系统,主要包含Elman结构的动态神经网络、残差滤波器、FIR滤波器、LMS函数包等模块。声品质自适应主动控制系统以响度和尖锐度作为控制量。主动控制后响度、尖锐度和粗糙度三者分别平均下降了9.68sone、0.22acum和0.38asper,可见以声品质控制为目标的主动控制方案取得了良好的效果,具有实用性。
张喆[6]（2020）在《指向性扬声器设计及其在车内分区域声管理中的应用》文中提出为实现车内分区域声场控制,建设友好的车内声学环境,本文从指向性扬声器入手,基于参量阵声学原理和数字扬声器原理,结合数字扬声器和调制算法对自解调信号的谐波失真进行研究,并提出了阈值滤波算法。测试了数字式扬声器的指向性,通过仿真分析了数字式扬声器在车内形成的可听声声场,表明数字式指向性扬声器能实现车内分区域声管理上,为驾驶员和乘客提供良好舒适的声学环境。针对扬声器的指向性问题,为实现车内声环境的分区域控制,本文根据非线性声学原理,结合参量阵扬声器理论,利用超声波的高指向性,以数字扬声器为载体将可听声信号调制到超声载波信号上进行发声;针对参量阵扬声器存在的谐波失真问题,结合双边带调制算法及位组控制方法提出了适用于数字式扬声器的调制算法,并分析讨论了算法中调制系数对谐波失真的和解析度的影响。针对由数字控制引入的噪声问题,本文设计了滤除噪声的算法并进行验证,实验结果表明降噪效果良好。本文设计了基于STM32的全数字式指向性扬声器平台,省去了A/D转换和D/A转换所需要的硬件设备和软件处理模块。针对扬声器阵列的控制问题,本文设计了基于指数的换能器数量的位组控制方式,通过控制换能器的开启数量来控制声压幅值的变化,以最少的资源实现扬声器的发声控制。基于Berktay远场解建立声学传递模型,通过仿真探究了谐波失真与调制算法和换能器阵列数量之间的关系。选取ARM公司的STM32F103ZE6芯片为硬件开发平台,自主完成了换能器阵列排布设计及驱动硬件电路设计,分别采用单频声信号窄带及合成声信号进行实验,验证了数字扬声器换能器数量对声音解析度的影响,测试了移植在数字式扬声器上DSB调制算法调制系数的影响;对搭建好的数字式指向性扬声器平台进行了指向性检验,测试了扬声器在近场环境下的声场,实验表明扬声器在近场仍具有良好的指向性。建立了车内声场环境模型,对车内声场进行了区域划分,并分别分析计算了数字式指向性扬声器在明区和暗区的声音信号,表明数字式指向性扬声器能够实现车内分区域声学管理。
王智锰[7]（2019）在《多模式车内声品质主动控制研究》文中进行了进一步梳理良好的车内NVH（Noise,Vibration,Harshness）性能不仅能大幅改善驾乘人员的驾驶与乘坐体验,也能提高汽车产品的辨识度,进而影响消费者的购车取向。目前国内外针对车内噪声的控制大多以改善车内舒适性声品质为目的,降低车内噪声声压级或是低频段的响度值,没有深入分析人耳听觉特性以及声品质对乘员听觉感受的影响,也忽略了乘员听觉感受具有多维性的特点,无法满足广大消费者对于车内声品质的需求。针对上述问题,本文基于舒适性和运动感2个维度对车内噪声进行声品质预测以及主动优化控制,主要研究内容如下:以某国产SUV为研究对象,采集车内匀速和加速工况下车内声样本,针对舒适性和运动感两个维度分别进行声品质主、客观评价,对多维度声品质主、客观评价结果进行相关分析,以响度、尖锐度、粗糙度三个心理声学参数作为输入,声品质主观评价结果作为输出,利用GA-BP神经网络算法建立车内声品质多维度非线性预测模型。基于主动噪声均衡算法设计阶次噪声主动控制系统,利用SIMULINK建立了相应仿真模型,通过仿真分析,确定自适应滤波器最优阶数和收敛因子两个关键参数,并给出次级通路离线辨识方法;针对舒适性和运动感两个声品质控制模式,对各阶次噪声进行声压级幅值调节,分析各阶次噪声声压级变化对舒适性和运动感声品质的影响,确定两个声品质控制模式下的系统控制阶次;以不同剩余系数组合对车内声品质进行仿真控制,利用仿真结果建立剩余系数与声品质得分的GA-BP神经网络模型,对一定范围内的剩余系数组合进行声品质得分寻优,确定两个声品质控制模式下的最优剩余系数。最后,分别基于仿真和实验对本文提出的控制系统和参数进行验证,结果均表明,本文所提出系统可以在一定程度上对车内声品质进行多模式主动控制。
杜松泽[8]（2019）在《汽车发动机进气系统声品质控制与优化研究》文中提出汽车加速噪声是汽车重要的性能评价指标之一,随着市场发展,车企和用户对于车内噪声的要求从“安静”逐步发展为“品质”。“动力感”（Powerfulness Sound Quality）是加速噪声的一种感受偏好,对于运动风格汽车需要增强其加速工况“动力感”声品质。加速噪声的主要贡献源为进气、排气和发动机噪声,在后两种噪声得到有效控制后,可通过对进气系统优化来提升车内声品质。然而,由于加速噪声评价方法和“动力感”声品质目标不明确,以及通过进气系统控制声品质方法的不完善,无法有效指导“动力感”声品质正向设计。本文结合关键科学问题和车企实际需求,以某自主品牌乘用车进气噪声为研究对象,以实现加速工况车内“动力感”声品质正向设计为目标,从车内声品质主、客观分析和进气系统结构优化两个方向展开研究。完成了评价指标、目标限值、软件开发、仿真模型、方案设计、测试方法、样件验证等一整套工作。具体包括:（1）研究并提出了适用于汽车加速噪声的时变非稳态噪声评价方法。以反映加速噪声听觉感知内涵为目标,建立了“动力感”语义细分空间。采用专家咨询和主成分分析方法对语义细分空间进行降维,获得了刺激性、丰富性和平稳性三种维度的主观评价指标;提出了预定义类别连续评估方法,能够考虑评价人员差异和噪声样本时变非稳态特征,以提高对于加速噪声主观评价的准确性。建立包含研究车型和竞品车型的加速噪声样本库,进行三种主观评价指标下的主观评价和数据检验,验证了时变非稳态噪声主观评价方法的有效性。（2）研究并提出了与“动力感”声品质关联的客观评价参量集。提出了“动力感”声品质客观评价指标,包含声音信号的时-频特征、心理声学及综合参量三个方面。具体包括:阶次分布、频率均衡、线性度、响度、尖锐度、粗糙度、抖动度、轰鸣指数、调制指数以及阶次衰减率;通过主观试听和理论分析对比,提出了“阶次谐和度”和“主导阶次贡献量”两种评价指标,用于揭示阶次和频率成分因素对于声品质的影响机理;编写“心理声学参量计算程序”以及其它参量计算代码,计算24组声音样本的客观参量值。采用相关性分析和聚类分析方法,明确各主观指标与不同客观评价指标相关性。研究结果表明,所有加速噪声客观评价指标均可聚类为2、4、6阶声压与总声压能量比以及各低频Bark频带之间的声压能量比。（3）研究并提出了加速噪声的区间直觉模糊综合排序方法并确定了“动力感”声品质目标值。采用模糊聚类方法确定对于加速噪声主观评价中的转速和评价指标权重分配;利用区间直觉模糊信息排序方法对加速声音样本进行综合评价并排序,其方法较传统的平均法更为精准;编写了“阶次分解-合成软件”,实现对声音样本的阶次分量和频率分量的分解、调制及主观评价,结合支持向量机模型制定了两种“动力感”声品质频谱特征目标:即“主导阶次接力”和“特征频率保留”。（4）研究并提出了通过进气系统结构设计提升“动力感”声品质的正向设计方法。采用四负载方法提取发动机声源特征作为激励,结合进气系统声学传递向量的瞬变工况仿真方法求取管口噪声,对比了该仿真方法与试验测试、传统仿真方法之间的差异性;通过正交分析确定对管口噪声及阶次噪声敏感的消声元件结构参数,用以提高结构设计效率;采用新型声学单元,例如:微穿孔消声结构,同截面并联式共振腔以及进气发声单元进行声品质控制。（5）研究了进气噪声对于车内噪声的影响规律,发展了面向声品质的进气噪声测试方法。通过运行工况传递路径方法测量并分析进气噪声对于车内噪声的贡献水平;通过搭建整车进气噪声试验测试台架,并提出相应的管口噪声引出修正计算方法,获得了相对纯净的进气管口噪声。通过研究表明,进气噪声与车内噪声特征强相关,进气噪声是优质的汽车加速工况“动力感”声品质来源。本文设计开发了两种进气系统消声方案,分别满足两种“动力感”声品质频谱特征目标值。通过整车半消声室实车噪声测试和现场主观评价,其主观评价从优化前的5.1分分别提升至6.4分和6.6分,其结果表明本文所发展的进气系统声品质相关理论和方法是合理的、有效的、正确的。
周龙龙[9]（2019）在《车内结构耦合噪声的预测分析及多目标优化》文中指出随着现代科技技术的发展,研发者更加注重车辆舒适性的研究,舒适性已成为消费者心中一个评价车辆的重要参数,而车辆NVH性能则对车辆舒适性有着决定性作用。各大汽车制造商也加大对车辆NVH研发的投入,车室低频噪声是车辆NVH的重要组成成分且严重影响了乘坐舒适性,车身结构受到激励容易引发低频辐射噪声,严重破坏车室环境。因此,如何快速找到车内低频耦合噪声的根源,对主要噪声影响部件进行优化设计,以及对车内低频噪声特性分析,具有较强实际意义。本文以有限元法建立起车室声固耦合有限元模型,对车内结构耦合噪声进行预测分析,提出板件声学综合贡献量系数找出需优化板件,完成实验设计与板件优化设计,形成一套能预测分析车内低频噪声特性和有效降低车室低频噪声的方法。论文主要工作如下:（1）建立起车身结构、车室声腔和声-固耦合的有限元模型,基于模态理论依次进行车身结构模态分析、声腔声学模态分析、声-固耦合系统模态分析。分析得到车身结构模态中存在较多局部模态,且集中在前门板、顶棚和后门板处;声腔模态的振型层次分明,振型较强烈出现在地板、顶棚和前围板的周围;耦合系统的模态分布密集,易与整车部件发生共振。（2）针对车室噪声的形成机理进行分析,已知发动机激励,基于声学耦合有限元法对车内结构耦合噪声进行预测,分析车内低频噪声的特性。得到车内目标点的频响曲线大体一致,主要声压峰值出现在频率72Hz、134.1Hz和183.9Hz处,车内声压分布与板件振动速度和耦合模态有很大相关性。（3）由分析得出的峰值频段,结合部件划分的20块车身板件,对目标点声学响应进行板件贡献量计算分析。得出在同一频率下两目标点较大正贡献量的板件有很多是一样的,其中在72Hz处,板件17号（车室右侧门板）、7号（车室地板中部）、12号（车室左侧门板）对两目标点声压正贡献量都较大。同一板件在不同频率下对目标点既是最大正贡献量也是最小负贡献量。在此考虑到目标点权重与噪声水平系数提出板件声学综合贡献量系数,计算得到综合贡献量较大的板件有:车室地板中部、右前车门玻璃、车室地板前部、后门板、车室右侧门板、车室后门玻璃、前围板。这为后面试验设计找到了设计因子。（4）利用最优拉丁超立方设计法对上述七块板件的厚度在设计空间内抽取50组样本点,在有限元软件中相应的计算出车身质量、车身结构第17阶模态频率、两目标点的声压均方根值并作为输出响应,基于径向基神经网络法建立起近似模型。抽取十组样本点完成误差分析,误差值均较小,说明建立起的近似模型具有高精确度,满足工程要求,可代替有限元模型进行优化。（5）根据建立的近似模型,将车身质量和两目标点声压均方根值最小作为优化目标,以车身第17阶模态频率大于50Hz为约束条件,以板件综合贡献量较大的七块板件厚度为设计变量。使用带精英策略的非支配排序遗传算法（NSGA-II）在设计空间内进行多目标优化。将板件优化参数带入有限元中计算出响应并进行误差分析,得到近似模型与有限元模型的响应误差均小于2%,说明优化结果具有可靠性。分析优化结果得到,两目标点的声压均方根值分别下降3.57dB（A）和6.91dB（A）,在72Hz处,两目标点的声压峰值分别下降3.06dB（A）和4.83dB（A）,在声压峰值频段134.1Hz与183.9Hz处的声压峰值均有下降,整体声压均方根值都有降低,车身质量减轻了12.167Kg,车室低频结构耦合噪声得到有效控制,同时也达到车身轻量化的要求。同时也证明建立径向基神经近似模型,运用NSGA-II算法实现板件厚度优化降低车室结构耦合噪声方案的可靠性和有效性。
李燚勇[10]（2019）在《基于BP神经网络的车内有源噪声控制技术研究》文中研究指明随着高速数字信号处理技术的发展,汽车内主动降噪技术由理论转化为现实,主动噪声控制系统（Active Noise Control,ANC）逐渐被应用到汽车上。目前主流的车内ANC系统较多采用自适应算法,对发动机噪声进行抑制。但当车速高于70km/h时,胎噪和风噪在车内噪声中开始占据主导地位,进而导致车辆高速行驶时,车内ANC系统噪声抑制效果变差。此外,消费者普遍反映在周围环境出现突发噪声（鸣笛、急刹车等）时,车内会出现短暂的噪声增大现象。为此,本文主要针对上述两点问题对车内ANC系统中的控制算法进行研究与改进,旨在保证不同车速下ANC系统具有良好的噪声抑制效果和抗干扰能力。首先,搭建音频数据采集系统对某品牌小轿车在不同工况下的发动机噪声信号、风噪信号、胎噪信号及期望降噪位置的噪声信号进行采集,分析各类噪声信号的特征。针对搭建的BP神经网络模型,将发动机噪声信号、风噪信号、胎噪信号作为神经网络的输入,期望降噪位置的噪声信号作为输出训练本文提出的BP神经网络模型,建立输入输出的非线性模型,描述不同工况下各类噪声对期望降噪位置处噪声的综合影响,保证主动降噪自适应算法输入信号的准确性。然后,对ANC系统中自适应控制算法部分进行改进:以传统归一化最小均方算法（Least Mean Square,LMS）作为基础控制算法。在此基础上,引入Sigmoid函数（对标准的Sigmoid函数作一定的变换）来控制归一化LMS算法的步长因子?,充分利用Sigmoid函数对较大输入的不敏感性,来提高整个自适应算法对环境中突发噪声的抗干扰能力。接着,设计并搭建了基于DSP芯片的硬件实验平台,并对改进后算法进行了实验验证。最后,将BP神经网络模型与改进后的自适应算法相结合,以发动机噪声信号、风噪信号、胎噪信号作为BP网络的输入,BP网络的输出作为自适应控制算法的参考输入信号。在MATLAB平台上搭建仿真系统进行仿真,并分析仿真结果。综合仿真和实验结果得:改进后主动降噪算法的抗干扰能力得到了提高。而且在车辆高速（70km/h）行驶情况下,相较于目前主流的车内ANC算法,改进后的主动降噪算法噪声抑制效果提高5dB。
二、神经网络技术在车内噪声预测上的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、神经网络技术在车内噪声预测上的应用（论文提纲范文）
（1）纯电动汽车路噪主动控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 主动噪声控制技术研究历程及现状 |
| 1.2.1 主动噪声控制算法研究 |
| 1.2.2 主动噪声控制技术应用实例及拓展 |
| 1.3 车内主动噪声控制技术研究现状 |
| 1.3.1 车内发动机噪声主动控制技术研究现状 |
| 1.3.2 车内路噪主动控制技术研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 车内路噪主动控制技术理论基础 |
| 2.1 主动噪声控制技术声学原理 |
| 2.2 主动噪声控制系统基本结构 |
| 2.2.1 前馈控制 |
| 2.2.2 反馈控制 |
| 2.3 自适应滤波器 |
| 2.3.1 有限脉冲响应FIR滤波器 |
| 2.3.2 无限脉冲响应IIR滤波器 |
| 2.4 自适应算法 |
| 2.4.1 最小均方LMS算法 |
| 2.4.2 滤波-x最小均方FxLMS算法 |
| 2.5 次级声通路建模 |
| 2.6 BP神经网络预测方法 |
| 2.7 本章小结 |
| 第3章 纯电动汽车车内路噪主动控制方法 |
| 3.1 纯电动汽车车内路噪特性分析 |
| 3.2 路噪主动控制算法 |
| 3.2.1 EGMACFxLMS算法 |
| 3.2.2 NASFSxLMS-PSO算法 |
| 3.2.3 算法的性能分析 |
| 3.3 基于改进 BP 神经网络的路噪辨识 |
| 3.3.1 BP神经网络的改进 |
| 3.3.2 改进BP神经网络路噪辨识应用设置 |
| 3.4 本章小结 |
| 第4章 车内路噪主动控制系统性能仿真分析 |
| 4.1 基于模拟信号的主动噪声控制算法降噪性能分析 |
| 4.2 纯电动汽车路噪主动控制模型 |
| 4.3 纯电动汽车车内路噪主动控制仿真分析 |
| 4.3.1 基于采集的车内噪声数据仿真分析 |
| 4.3.2 基于改进BP神经网络辨识的噪声数据仿真分析 |
| 4.4 本章小结 |
| 第5章 纯电动汽车路噪主动控制平台搭建及试验 |
| 5.1 纯电动汽车路噪主动控制平台搭建 |
| 5.2 纯电动汽车路噪主动控制硬件在环试验 |
| 5.2.1 基于实际采集的噪声数据的硬件在环试验 |
| 5.2.2 基于振动加速度信号数据的硬件在环试验 |
| 5.3 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 全文展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（2）某特种车车内噪声声品质分析及优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 车内声品质国内外研究现状 |
| 1.2.1 车内声品质国外研究现状 |
| 1.2.2 车内声品质国内研究现状 |
| 1.3 声品质预测技术国内外研究现状 |
| 1.4 本文技术路线与主要研究内容 |
| 2 车内噪声样本采集及主观评价试验 |
| 2.1 车内噪声样本采集 |
| 2.1.1 主要试验设备 |
| 2.1.2 噪声数据样本采集 |
| 2.2 主观评价试验 |
| 2.2.1 主观评价方法 |
| 2.2.2 主观评价试验 |
| 2.2.3 数据相关性分析 |
| 2.3 本章小结 |
| 3 心理声学参数 |
| 3.1 人耳的听觉感知特性 |
| 3.1.1 听觉系统 |
| 3.1.2 听阈和痛阈 |
| 3.1.3 掩蔽效应 |
| 3.1.4 临界频带 |
| 3.2 主要心理声学客观参数 |
| 3.2.1 声压级 |
| 3.2.2 响度 |
| 3.2.3 尖锐度 |
| 3.2.4 粗糙度 |
| 3.2.5 清晰度指数 |
| 3.3 心理声学参数计算 |
| 3.4 本章小结 |
| 4 声品质预测模型 |
| 4.1 XGBoost相关原理介绍 |
| 4.1.1 决策树原理 |
| 4.1.2 CART原理 |
| 4.1.3 GDBT原理 |
| 4.1.4 XGBoost原理 |
| 4.2 XGBoost模型的建立与调优 |
| 4.3 预测模型的效果验证 |
| 4.4 本章小结 |
| 5 声学包材料试验及优化方案验证 |
| 5.1 声学材料选择 |
| 5.1.1 声学材料吸声性能 |
| 5.1.2 声学材料隔声性能 |
| 5.1.3 声学材料确定 |
| 5.2 声学包材料吸隔声性能参数试验 |
| 5.3 优化方案实车验证及主观分数预测 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（3）基于智能算法的车内路噪多通道主动控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 车内噪声特性分析 |
| 1.3 国内外研究现状 |
| 1.3.1 车内噪声控制技术 |
| 1.3.2 车内噪声主动控制研究概况 |
| 1.3.3 车内路噪主动控制技术研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 多通道噪声主动控制系统结构与算法 |
| 2.1 噪声主动控制理论基础 |
| 2.1.1 噪声主动控制声学机理 |
| 2.1.2 噪声主动控制系统结构 |
| 2.2 噪声主动控制算法 |
| 2.2.1 自适应滤波器 |
| 2.2.2 最小均方(LMS)算法 |
| 2.2.3 LMS算法性能分析 |
| 2.2.4 滤波-X LMS(FXLMS)算法 |
| 2.3 多通道噪声主动控制算法 |
| 2.3.1 多通道系统次级声通道辨识 |
| 2.3.2 多通道FXLMS算法推导 |
| 2.4 本章小结 |
| 第3章 基于试验的车内路噪特性分析 |
| 3.1 车内路噪测试试验 |
| 3.1.1 测试内容 |
| 3.1.2 测试设备及试验条件 |
| 3.1.3 传感器测点布置 |
| 3.1.4 测试步骤 |
| 3.2 试验数据分析与处理 |
| 3.2.1 数据预处理 |
| 3.2.2 车内路噪特性分析 |
| 3.3 多重相干分析 |
| 3.3.1 多重相干法基本理论 |
| 3.3.2 多重相干分析 |
| 3.4 车内路噪多通道主动控制策略 |
| 3.5 基于神经网络的车内路噪辨识 |
| 3.5.1 Elman神经网络模型的建立 |
| 3.5.2 训练Elman神经网络 |
| 3.6 本章小结 |
| 第4章 车内路噪多通道主动控制系统建模与仿真 |
| 4.1 多通道控制系统次级声通道建模与仿真 |
| 4.1.1 次级声通道辨识模型的搭建 |
| 4.1.2 控制系统参数优化仿真 |
| 4.1.3 次级声通道辨识的仿真分析 |
| 4.2 多通道噪声主动控制系统建模与仿真 |
| 4.2.1 多通道噪声主动控制系统建模 |
| 4.2.2 多通道噪声主动控制系统仿真分析 |
| 4.3 车内路噪多通道主动控制系统建模与仿真 |
| 4.3.1 车内路噪信号辨识 |
| 4.3.2 车内路噪多通道主动控制系统建模 |
| 4.3.3 车内路噪多通道主动控制系统仿真分析 |
| 4.4 本章小结 |
| 第5章 车内路噪多通道主动控制试验 |
| 5.1 硬件在环仿真平台设计与搭建 |
| 5.1.1 试验平台设计 |
| 5.1.2 试验仪器与设备 |
| 5.2 车内路噪主动控制系统建模与仿真试验 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（4）运动型多用途汽车声学分析与设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内运动型多用途汽车市场发展现状 |
| 1.2.2 声品质研究现状 |
| 1.2.3 汽车噪声优化研究现状 |
| 1.2.4 国内外研究现状小结 |
| 1.3 论文主要研究内容及意义 |
| 1.4 论文创新点 |
| 1.5 课题技术路线 |
| 第二章 运动型多用途汽车用户声学需求分析 |
| 2.1 车内声品质与车辆人机工程学 |
| 2.2 车内噪声源分析 |
| 2.2.1 驱动原理 |
| 2.2.2 车辆噪声源识别 |
| 2.3 听觉系统 |
| 2.3.1 人耳听觉系统机理 |
| 2.3.2 人耳听觉特性 |
| 2.3.3 掩蔽效应与临界频带 |
| 2.4 车辆声学需求调研与分析 |
| 2.4.1 基于互联网的目标用户信息特征提取 |
| 2.4.2 用户评论信息调研分析 |
| 2.5 本章小结 |
| 第三章 车内声品质客观评价实验设计与分析 |
| 3.1 车内噪声样本采集 |
| 3.1.1 样本采集实验因素设计 |
| 3.1.2 声样本采集 |
| 3.2 车内声品质客观参数分析 |
| 3.2.1 A计权声级的计算与分析 |
| 3.2.2 响度的计算与分析 |
| 3.2.3 尖锐度的计算与分析 |
| 3.2.4 音调度的计算与分析 |
| 3.2.5 抖动度的计算与分析 |
| 3.2.6 粗糙度的计算与分析 |
| 3.2.7 AI语义清晰度的计算与分析 |
| 3.3 本章小结 |
| 第四章 车内声品质主观评价实验设计及主观评分分析 |
| 4.1 车内声品质主观评价试验设计 |
| 4.1.1 主观评价方法 |
| 4.1.2 声品质主观评价试验设计 |
| 4.1.3 声品质主观评价试验的实施 |
| 4.2 主观评价结果分析 |
| 4.2.1 主观评分结果筛选 |
| 4.2.2 主观评价结果分析 |
| 4.3 声品质主观评分与客观参量相关性分析 |
| 4.3.1 主客观评价相关关系 |
| 4.3.2 主客观参数多元线性回归相关性分析 |
| 4.4 基于遗传算法优化BP神经网络的声品质主观评价预测模型 |
| 4.4.1 BP神经网络原理 |
| 4.4.2 遗传算法原理 |
| 4.4.3 预测模型建立 |
| 4.5 音乐交互设计 |
| 4.6 本章小结 |
| 第五章 基于统计能量法的车内噪声优化研究及设计 |
| 5.1 声学优化分析 |
| 5.2 统计能量法基本理论 |
| 5.3 整车声学模型建立 |
| 5.4 激励输入施加 |
| 5.5 车内中高频仿真结果及分析 |
| 5.5.1 车内噪声仿真预测验证 |
| 5.5.2 车内中高频噪声优化设计 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:运动型多用途汽车声品质主观评价实验问卷 |
| 作者简介 |
（5）混合动力汽车车内声品质评价预测与控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 声品质评价方法研究现状 |
| 1.2.2 声品质评价预测模型研究现状 |
| 1.2.3 声品质控制研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 混合动力汽车运行工况与噪声信号采集 |
| 2.1 动力传动系统结构 |
| 2.2 行驶工况分析 |
| 2.3 HEV振动噪声试验 |
| 2.4 本章小结 |
| 第三章 混合动力汽车车内声品质主客观评价研究 |
| 3.1 声品质主观评价 |
| 3.1.1 声信号预处理 |
| 3.1.2 声品质主观评价方法 |
| 3.1.3 主观评价试验数据处理 |
| 3.1.4 主观评价结果及分析 |
| 3.2 声品质客观评价 |
| 3.2.1 声品质客观参量 |
| 3.2.2 客观评价结果及分析 |
| 3.3 客观参量与主观评价相关性分析 |
| 3.4 本章小结 |
| 第四章 声品质评价预测模型研究 |
| 4.1 基于SVM算法的评价预测模型 |
| 4.1.1 SVM算法 |
| 4.1.2 基于SVM算法的声品质评价预测模型 |
| 4.2 基于LSSVM算法的评价预测模型 |
| 4.2.1 LSSVM算法 |
| 4.2.2 基于LSSVM算法的声品质评价预测模型 |
| 4.3 基于FM算法的评价预测模型 |
| 4.3.1 FM算法 |
| 4.3.2 基于FM算法的声品质评价预测模型 |
| 4.4 三种评价预测模型效果对比 |
| 4.5 非稳态工况声信号特征提取 |
| 4.5.1 经验模态分解原理 |
| 4.5.2 声信号特征提取原理 |
| 4.5.3 特征提取方法应用 |
| 4.6 非稳态工况下改进后三种评价预测模型效果对比 |
| 4.7 本章小结 |
| 第五章 车内声品质的被动控制研究 |
| 5.1 仿真分析 |
| 5.1.1 建立车身模型 |
| 5.1.2 车身结构模态分析 |
| 5.1.3 激励导入 |
| 5.1.4 建立声腔模型与声学模态分析 |
| 5.1.5 声学响应分析 |
| 5.2 声品质被动控制 |
| 5.2.1 被动控制技术简述 |
| 5.2.2 吸声材料选取 |
| 5.2.3 吸声材料安装 |
| 5.2.4 被动控制效果对比 |
| 5.3 车内声品质控制效果检验 |
| 5.3.1 声品质控制效果模型检验 |
| 5.3.2 二次主观评价检验 |
| 5.4 本章小结 |
| 第六章 车内声品质的主动控制研究 |
| 6.1 控制系统各部分模块选取 |
| 6.1.1 控制系统类型 |
| 6.1.2 非声信号选取 |
| 6.1.3 构建动态神经网络 |
| 6.2 自适应主动控制系统算法 |
| 6.2.1 最小均方误差算法 |
| 6.2.2 滤波-X最小均方误差算法 |
| 6.3 次级通道建立 |
| 6.4 自适应主动控制系统 |
| 6.4.1 基于FELMS算法的自适应主动控制系统 |
| 6.4.2 搭建控制系统模型 |
| 6.4.3 确定自适应滤波器阶数及收敛因子 |
| 6.5 声品质主动控制效果检验 |
| 6.6 二次主观评价检验 |
| 6.7 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士研究生期间的学术成果 |
| 附录A |
（6）指向性扬声器设计及其在车内分区域声管理中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究发展及研究现状 |
| 1.2.1 车内分区域声场控制研究现状 |
| 1.2.2 参量阵扬声器研究发展及现状 |
| 1.2.3 数字扬声器研究现状 |
| 1.3 研究现状总结 |
| 1.4 本文主要研究内容 |
| 第二章 指向性扬声器理论基础 |
| 2.1 参量阵扬声器理论基础 |
| 2.1.1 非线性效应 |
| 2.1.2 Westvelt方程 |
| 2.1.3 Berktay远场解 |
| 2.2 数字式扬声器原理 |
| 2.3 本章小结 |
| 第三章 数字信号调制及算法仿真 |
| 3.1 调制算法及计算分析 |
| 3.1.1 双边带调制算法 |
| 3.1.2 平方根调制算法 |
| 3.2 调制算法在数字扬声器上的移植 |
| 3.2.1 开关控制方式 |
| 3.2.2 双边带调制算法的数字化及仿真分析 |
| 3.2.3 单边带调制算法与均方根算法移植讨论 |
| 3.2.4 数字式扬声器引入的问题及解决方法 |
| 3.3 本章小结 |
| 第四章 数字式指向性扬声器系统设计 |
| 4.1 扬声器硬件系统设计 |
| 4.1.1 换能器阵列设计方案 |
| 4.1.2 换能器阵列布置 |
| 4.1.3 控制系统及功放 |
| 4.1.4 信号源及功放器件的选取 |
| 4.2 指向性扬声器软件设计 |
| 4.2.1 软件开发环境概述 |
| 4.2.2 STM32固件库 |
| 4.2.3 系统主程序设计 |
| 4.3 本章小结 |
| 第五章 数字式指向性扬声器系统测试及车内应用仿真 |
| 5.1 指向性扬声器测试系统组成及布置 |
| 5.2 指向性扬声器失真度及指向性实验 |
| 5.2.1 数据处理与分析 |
| 5.2.2 阈值滤波法验证 |
| 5.2.3 指向性测试 |
| 5.3 数字式指向性扬声器在车内声管理上的应用 |
| 5.3.1 非近轴模型介绍 |
| 5.3.2 车内声场物理模型建立 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（7）多模式车内声品质主动控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 声品质研究现状 |
| 1.2.1 国内声品质研究现状 |
| 1.2.2 国外声品质研究现状 |
| 1.3 声品质主动控制技术研究现状与发展 |
| 1.3.1 主动噪声控制技术发展 |
| 1.3.2 声品质主动控制技术研究现状 |
| 1.4 论文主要研究内容及框架 |
| 第二章 车内声品质多维度评价 |
| 2.1 人耳听觉特性 |
| 2.1.1 人耳结构 |
| 2.1.2 听阈和痛阈 |
| 2.1.3 掩蔽效应 |
| 2.1.4 临界频带 |
| 2.2 心理声学参数 |
| 2.2.1 响度 |
| 2.2.2 尖锐度 |
| 2.2.3 粗糙度 |
| 2.2.4 抖动度 |
| 2.2.5 语言清晰度 |
| 2.3 声品质主观评价方法 |
| 2.3.1 语义细分法 |
| 2.3.2 等级评分法 |
| 2.3.3 成对比较法 |
| 2.4 车内声品质多维度主观评价实验 |
| 2.4.1 车内声音样本采集和处理 |
| 2.4.2 主观评价试验准备 |
| 2.4.3 评价方法及流程 |
| 2.5 声品质多维度主观评价结果 |
| 2.5.1 主观评价结果校验 |
| 2.5.2 主观评价结果 |
| 2.6 多维度声品质多元线性回归分析 |
| 2.6.1 心理声学参数计算 |
| 2.6.2 主客观评价结果相关分析 |
| 2.6.3 多维度声品质多元线性回归模型 |
| 2.7 车内声品质多维度GA-BP神经网络评价模型 |
| 2.7.1 GA-BP算法结构 |
| 2.7.2 模型关键参数 |
| 2.7.3 多维度声品质评价模型分析 |
| 2.8 本章小结 |
| 第三章 车内声品质主动控制系统建模 |
| 3.1 主动噪声控制原理 |
| 3.1.1 声学原理 |
| 3.1.2 声波的干涉 |
| 3.1.3 主动噪声控制系统及结构 |
| 3.2 自适应控制系统算法 |
| 3.2.1 LMS与 FXLMS算法 |
| 3.2.2 主动噪声均衡系统 |
| 3.3 参考信号建模 |
| 3.3.1 车内噪声分析 |
| 3.3.2 发动机噪声分析 |
| 3.3.3 发动机噪声信号建模 |
| 3.4 阶次噪声主动控制系统 |
| 3.5 滤波器关键参数确定 |
| 3.6 次级通路辨识 |
| 3.7 本章小结 |
| 第四章 控制阶次分析与剩余系数优化 |
| 4.1 控制阶次分析 |
| 4.2 剩余系数工作模式 |
| 4.3 多模式声品质剩余系数优化 |
| 4.3.1 多模式剩余系数优化策略 |
| 4.3.2 多模式剩余系数GA-BP神经网络模型 |
| 4.3.3 阶次噪声权重分析 |
| 4.3.4 多模式声品质剩余系数寻优 |
| 4.4 本章小结 |
| 第五章 控制结果与分析 |
| 5.1 多模式声品质主动优化控制结果及分析 |
| 5.1.1 声压级分析 |
| 5.1.2 响度分析 |
| 5.1.3 尖锐度分析 |
| 5.1.4 粗糙度分析 |
| 5.2 多模式车内声品质主动控制实验 |
| 5.2.1 实验平台搭建 |
| 5.2.2 声品质主动控制实验 |
| 5.2.3 实验结果分析 |
| 5.2.4 实验结果主观评价 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文及其他科研成果 |
（8）汽车发动机进气系统声品质控制与优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究目的和意义 |
| 1.2 汽车加速声品质研究现状综述 |
| 1.2.1 加速声品质主观评价 |
| 1.2.2 加速声品质客观评价 |
| 1.2.3 加速声品质主客观一致性模型 |
| 1.3 进气噪声控制研究现状综述 |
| 1.3.1 管路声学仿真与试验 |
| 1.3.2 进气系统声学设计 |
| 1.4 文献综述小结 |
| 1.5 本文研究内容 |
| 第2章 时变非稳态噪声主观评价方法研究 |
| 2.1 声品质听觉感知关键影响因素 |
| 2.1.1 掩蔽效应 |
| 2.1.2 临界频带 |
| 2.1.3 音调和音调强度 |
| 2.1.4 最小可分辨声变化 |
| 2.2 动力感声品质评价指标体系的建立 |
| 2.2.1 主观评价指标空间的提出和筛选 |
| 2.2.2 主观评价参量的主成分分析 |
| 2.3 非稳态噪声的探究性主观评价方法 |
| 2.3.1 声音知觉想象的探索性评价 |
| 2.3.2 预定义类别的连续评估 |
| 2.4 乘用车加速工况噪声主观评价试验 |
| 2.4.1 声音样本库的建立 |
| 2.4.2 主观评价团的建立 |
| 2.4.3 主观评价试验的实施 |
| 2.4.4 主观评价结果检验 |
| 2.5 本章小结 |
| 第3章 动力感声品质客观参量集分析 |
| 3.1 动力感声品质评价模型 |
| 3.2 时-频特征参量 |
| 3.2.1 阶次分布 |
| 3.2.2 频率均衡 |
| 3.2.3 声音跟随性 |
| 3.3 综合评价参量 |
| 3.3.1 轰鸣指数 |
| 3.3.2 调制指数 |
| 3.3.3 阶次衰减率 |
| 3.4 基于频谱特征推导的客观参量 |
| 3.4.1 虚拟合成声音样本及评价 |
| 3.4.2 阶次配比产生的“谐和与不谐和”感 |
| 3.4.3 主导阶次贡献量 |
| 3.5 客观评价指标的统计学分析 |
| 3.5.1 客观参量编程计算 |
| 3.5.2 客观参量相关性分析 |
| 3.5.3 客观参量聚类分析 |
| 3.6 本章小结 |
| 第4章 区间直觉模糊信息声品质综合评价研究 |
| 4.1 动力感声品质的模型综合评价 |
| 4.2 加速声品质区间直觉模糊信息综合评价 |
| 4.2.1 模糊集及赋权问题 |
| 4.2.2 基于直觉模糊熵的评价参量权重确定 |
| 4.2.3 区间直觉模糊信息声品质多属性评价方法 |
| 4.3 加速声品质支持向量机模型建立与验证 |
| 4.3.1 支持向量机模型 |
| 4.3.2 声品质模型的建立及验证 |
| 4.4 动力感声品质目标值的设定 |
| 4.4.1 阶次分量的调制 |
| 4.4.2 频率分量的调制 |
| 4.4.3 基于阶次分布的动力感声品质目标值 |
| 4.5 本章小结 |
| 第5章 满足声品质目标的进气系统仿真方法研究 |
| 5.1 汽车发动机进气系统结构 |
| 5.2 进气系统声学性能仿真方法 |
| 5.2.1 传递矩阵方法计算消声元件声学性能 |
| 5.2.2 一维有限体积法求解管口噪声 |
| 5.2.3 声学有限元方法求解传递损失 |
| 5.3 满足声品质目标的消声器声学联合仿真方法 |
| 5.3.1 进气声源特性提取试验和仿真 |
| 5.3.2 瞬变工况进气系统声学性能仿真 |
| 5.4 进气系统结构参数正交分析 |
| 5.4.1 消声元件结构参数对管口噪声的影响 |
| 5.4.2 消声元件结构参数对阶次分布的影响 |
| 5.5 本章小结 |
| 第6章 进气系统声品质控制结构和设计方法 |
| 6.1 微穿孔消声结构 |
| 6.1.1 双层串联微穿孔结构 |
| 6.1.2 双层串联微穿孔板消声结构仿真计算 |
| 6.1.3 进气系统中的宽频微穿孔消声器设计 |
| 6.2 同截面并联共振腔 |
| 6.2.1 多腔并联共振消声原理 |
| 6.2.2 多腔共振式消声器结构设计 |
| 6.2.3 传递损失计算与分析 |
| 6.2.4 并联式共振腔消声结构在进气系统中的应用 |
| 6.3 进气发声单元 |
| 6.3.1 驻波效应驱动的进气发声原理 |
| 6.3.2 声学增强装置 |
| 6.4 进气噪声传递路径的控制 |
| 6.4.1 整车统计能量模型的建立 |
| 6.4.2 进气噪声对于车内噪声贡献特征 |
| 6.5 本章小结 |
| 第7章 进气系统声学特性测试与声品质优化验证 |
| 7.1 基于工况传递路径方法的车内加速噪声分析 |
| 7.1.1 试验测试方法 |
| 7.1.2 测试数据分析 |
| 7.2 进气系统声学特性测试及分析 |
| 7.2.1 进气管口噪声的隔离测量方法 |
| 7.2.2 整车进气噪声试验测试台架 |
| 7.2.3 进气噪声引出的逆修正 |
| 7.2.4 测试数据分析 |
| 7.3 进气系统声品质优化方案的设计和验证 |
| 7.4 本章小结 |
| 第8章 结论 |
| 8.1 研究总结 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文和专利 |
| 博士期间参与的科研项目 |
| 附录 A 客观参量计算结果 |
| 附录 B 客观参量间的相关性矩阵 |
（9）车内结构耦合噪声的预测分析及多目标优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 车内结构低频耦合噪声研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 径向基函数神经网络模型于工程中应用 |
| 1.4 论文主要研究内容与思路 |
| 第二章 车身声-固耦合模型的建立与模态分析 |
| 2.1 模态理论的推导 |
| 2.1.1 结构模态理论 |
| 2.1.2 声腔模态理论 |
| 2.1.3 声-固耦合模态理论 |
| 2.2 车身结构有限元模型的创建与模态分析 |
| 2.2.1 整车车身结构有限元模型建立 |
| 2.2.2 车身结构模态分析 |
| 2.3 车室声腔有限元模型创建与模态分析 |
| 2.3.1 车室声腔有限元模型的建立 |
| 2.3.2 声腔模态计算与分析 |
| 2.4 整车声-固耦合有限元建模与模态分析 |
| 2.4.1 整车声固耦合有限元模型的建立 |
| 2.4.2 整车声固耦合模型模态分析 |
| 2.5 本章小结 |
| 第三章 车室结构低频噪声预测分析与板件声学贡献量分析 |
| 3.1 车室噪声产生机理 |
| 3.1.1 车内噪声传递路径分析 |
| 3.1.2 板件振动辐射声理论 |
| 3.1.3 车身结构板件内部声压计算 |
| 3.2 车室结构耦合噪声响应预测分析 |
| 3.2.1 耦合声学有限元法 |
| 3.2.2 车内目标点的声学响应计算 |
| 3.2.3 车内声场分布分析 |
| 3.3 车身板件声学响应贡献量分析 |
| 3.3.1 板件声学贡献量原理 |
| 3.3.2 车室板件的划分 |
| 3.3.3 板件声学贡献量计算 |
| 3.3.4 板件综合声学贡献量 |
| 3.4 本章小结 |
| 第四章 基于径向基函数神经网络近似模型建立 |
| 4.1 基本原理概述 |
| 4.1.1 近似模型 |
| 4.1.2 试验设计方法 |
| 4.2 径向基函数神经网络模型构建 |
| 4.2.1 径向基函数神经网络的结构 |
| 4.2.2 径向基神经网络的学习算法 |
| 4.2.3 径向基神经网络模型的优点 |
| 4.3 样本点数据采集 |
| 4.3.1 空间内设计变量因子 |
| 4.3.2 目标响应计算 |
| 4.4 基于径向基神经网络算法近似模型构建 |
| 4.4.1 近似模型的建立 |
| 4.4.2 输入因子对响应的三维模型 |
| 4.4.3 误差分析 |
| 4.5 本章小结 |
| 第五章 基于NSGA-II算法的车身结构多目标优化 |
| 5.1 NSGA-II算法 |
| 5.1.1 Pareto最优解与Pareto支配关系 |
| 5.1.2 NSGA-II算法寻优流程 |
| 5.1.3 快速非支配排序与拥挤度 |
| 5.2 车身板件厚度优化 |
| 5.2.1 问题描述 |
| 5.2.2 板件厚度的优化计算 |
| 5.2.3 优化结果 |
| 5.2.4 优化响应的误差分析 |
| 5.3 分析优化前后结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 发动机激励载荷数据 |
| 攻读学位期间取得的研究成果 |
（10）基于BP神经网络的车内有源噪声控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 本论文的主要研究内容及结构安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 主动降噪技术及BP神经网络基础理论 |
| 2.1 车内主动降噪技术理论及相关算法 |
| 2.1.1 前馈ANC系统与反馈ANC系统 |
| 2.1.2 自适应滤波器方法 |
| 2.3 BP神经网络基础理论 |
| 2.3.1 人工神经单元 |
| 2.3.2 感知机 |
| 2.3.3 BP神经网络 |
| 2.4 本章小结 |
| 第三章 主动降噪算法的设计 |
| 3.1 车内噪声分析 |
| 3.1.1 噪声数据采集平台搭建 |
| 3.1.2 车内噪声各成分噪声数据分析 |
| 3.2 主动降噪算法结构设计 |
| 3.3 BP神经网络模型的结构设计 |
| 3.3.1 车内密闭空间声学环境分析 |
| 3.3.2 BP神经网络模型设计 |
| 3.4 自适应算法的设计与改进 |
| 3.4.1 基于Sigmoid函数对LMS算法进行改进 |
| 3.4.2 改进LMS算法与常见LMS算法仿真结果对比分析 |
| 3.5 本章小结 |
| 第四章 主动降噪算法的性能分析 |
| 4.1 神经网络算法的实现及结果分析 |
| 4.1.1 训练数据集制作 |
| 4.1.2 BP神经网络的训练过程 |
| 4.1.3 BP神经网络部分预测结果 |
| 4.2 改进后的LMS算法仿真结果分析 |
| 4.3 算法仿真分析 |
| 4.4 本章小结 |
| 第五章 主动降噪系统平台搭建与实验测试 |
| 5.1 实验平台搭建 |
| 5.2 改进后LMS算法的硬件平台具体实现 |
| 5.2.1 带通滤波器的必要性及实现 |
| 5.2.2 步长因子的计算以及权向量更新部分的实现 |
| 5.2.3 卷积核的实现及计算速度优化 |
| 5.3 改进后自适应算法的硬件平台实验结果分析 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
四、神经网络技术在车内噪声预测上的应用（论文参考文献）
- [1]纯电动汽车路噪主动控制方法研究[D]. 孟豪. 吉林大学, 2021(01)
- [2]某特种车车内噪声声品质分析及优化[D]. 任克琳. 重庆理工大学, 2021(02)
- [3]基于智能算法的车内路噪多通道主动控制技术研究[D]. 陈琪. 吉林大学, 2020(01)
- [4]运动型多用途汽车声学分析与设计研究[D]. 严倜凡. 东南大学, 2020(01)
- [5]混合动力汽车车内声品质评价预测与控制研究[D]. 陆怡. 江苏大学, 2020(02)
- [6]指向性扬声器设计及其在车内分区域声管理中的应用[D]. 张喆. 吉林大学, 2020(01)
- [7]多模式车内声品质主动控制研究[D]. 王智锰. 江苏大学, 2019(02)
- [8]汽车发动机进气系统声品质控制与优化研究[D]. 杜松泽. 武汉理工大学, 2019(07)
- [9]车内结构耦合噪声的预测分析及多目标优化[D]. 周龙龙. 重庆交通大学, 2019(06)
- [10]基于BP神经网络的车内有源噪声控制技术研究[D]. 李燚勇. 电子科技大学, 2019(01)