某型变速箱箱体共振时的声品质评价

胡溧　杨航　杨啟梁　王博

摘要：为对变速箱箱体共振时的噪声声品质进行评价，通过参考语义细分法的主观评价和计算声品质客观参量建立变速箱模态共振工况下的声品质评价模型。结合多种主观评价试验方法优缺点，采用改进的参考语义细分法。选取主要的声品质客观参量進行计算，试验数据表明，在371Hz、460Hz和492Hz等低阶共振频率激励下，变速箱箱体产生噪声的响度较高，尖锐度、波动度和粗糙度较相对较低，但烦躁度值相对较高。在652Hz和813Hz共振频率激励下，噪声引起的烦躁度值较低。

关键词：变速箱;模态;声品质;客观评价;主观评价

中图分类号：U467.3 文献标志码：A 文章编号：1674-5124（2019）08-0019-06

0 引言

随着汽车工业的发展和人们对于汽车品质要求的提高，汽车NVH与声品质越发被人们所关注。声品质研究的是声音给人的主观感受的适宜性[1]。声品质的评价取决于评价者，受声音本身性质和评价者的状态等多方面因素的影响。如今，汽车声品质研究已成为汽车NVH的主要研究方向[2]。

随着发动机的噪声不断降低，其他令人不愉快的噪声便逐渐被乘客感知，从而产生了新的噪声问题。汽车变速箱便是一个比较大的噪声源，汽车在中、低速行驶时，发动机及动力系统是主要噪声源[3]。为提高产品的竞争力，通过声品质研究改善变速箱声学特性成为了当前汽车技术研发的重点[4]。

国内外多个知名汽车厂商和大学都在声品质研究方面取得了重大的进展，研究主要集中在评价方法、评价流程、客观参数选取、评价系统、声品质建模等方面[5]。研究发现，成对比较法和语义细分法相比其他方法要更加有效。

汽车变速箱处于某一工况时，很容易产生纯音。如果外界激振力的激振频率和变速箱箱体的某一阶固有频率相吻合或相近时，就会产生共振并发出强烈的噪声[6]。对于车用手动变速箱所发的噪声，其音质尖锐，在行车时会使人产生烦躁感和不安全感，严重影响乘车舒适性[7]。

本文通过噪声采集试验，采集变速箱箱体共振时的噪声，选择有代表性的噪声信号进行主、客观噪声评价试验，并建立声品质模型。获取变速箱箱体共振噪声的声品质特性，为变速箱优化设计提供帮助和指导。

1 声品质客观评价

1.1 变速箱箱体共振声信号采集试验

目标变速箱为东风DF1420型手动变速箱。通过试验，采集该型变速箱箱体在共振频率激励时产生的噪声信号并对此噪声信号进行分析。使用LMS Test.Lab 16A软件计算，获得其客观评价参数。通过模态测试试验，获取该型变速箱箱体测试模态参数如表1所示。

1.1.1 试验方案设计与实施

试验设备包括：声压传感器、声级计、激振器、LMS数据采集前端、功率放大器、计算机及LMSTest.Lab 16A软件。

试验设备及其布置如图1所示。激振器以变速箱箱体测试模态的固有频率垂直激励变速箱箱体侧面位置使其发生共振。4个声压传感器分别置于激励点上方、前方、左方和右方采集噪声信号，近场测量，采集U、F、L、R四组噪声。

在MIMO FRF Setup界面设置采样带宽为20480Hz、采样频率分辨率0.625Hz、采样时间为10s，截去开始采样前2s和采样结束后2s。取3次平均。设置输出和保存的数据为时域数据、频域数据。输入激振器激励频率，开始测量计算。

1.1.2 声品质客观评价参数

人对声音的感知过程十分复杂，对心理声学参数的研究与分析必不可少，心理声学参数主要包括：响度、粗糙度、尖锐度、波动度、语言清晰度指数、语言干扰级和音调度等。1933年Fletcher和Munson首先提出了等响曲线，随后被认定成为ISO532B标准，也是现在最常用的标准之一[8]。Zwicker响度模型，计算了整个频谱中各个频率的贡献量以及掩蔽效应[9]。物理声学评价参数主要包括：线性声压级、A计权声压级、B计权声压级、C计权声压级和D计权声压级。几十年使用结果都发现A计权声压级与人对噪声的感觉最接近[10]。

本次试验采用A计权声压级、响度、粗糙度、尖锐度、波动度、语言清晰度指数6个主要客观参数进行声品质评价。

1.2 声品质客观评价试验结果分析

经后期回放试验和LMS Test.Lab 16A软件进行的数据分析表明，U组噪声信号信噪比最高，故选择U组噪声信号进行分析。通过软件计算，可以得到噪声信号的主要客观参数，如图2所示。整理计算结果如表2所示。

前4阶共振频率激励下，变速箱箱体产生噪声的响度较大，语言清晰度指数较低。652Hz、699Hz、813Hz和840Hz频率激励下，噪声响度相对较低，语言清晰度指数相对较高。A计权声压级的变化规律和响度相似。波动度和粗糙度的变化规律相似，前4阶共振频率激励下，波动度和粗糙度较小，高阶共振频率激励下，噪声的波动度和粗糙度相对较大。在371Hz、460Hz、529Hz和550Hz频率激励下，噪声的尖锐度较低，在596Hz、699Hz、813Hz和840Hz频率激励下，尖锐度相对较高。

2 声品质主观评价

2.1 噪声样本选取

选择噪声信号平稳区段，用Adobe Audition CC2018软件剪裁，如图3所示。

试验证明，过长的声音样本会使评价人员产生听觉疲劳，影响试验结果准确性，适宜的声样本长度为5～7s。本试验截取6s。

2.2 声品质主观评价试验

人主观上对声品质的评价在不同时间、不同心理状态、生理状态以及评价人员之间差异都很大[11]。为取得准确的评价结果，选择合适的主观评价方法是必要的。

2.2.1 主观评价试验方案概述与选取

目前，主观评价方法主要有：排序法、等级评分法、成对比较法、语义细分法和量值估计法等。本试验噪声样本共13个，适宜选用参考语义细分法。结合其他方法的优点，引用改进的参考语义细分法。与原方法相比，理论和原理相同，但增设了误判分析环节，且改進了听音顺序。

本试验宜从烦躁度角度评价噪声样本，选取9级评价标尺如表3所示。

噪声编号为S1、S2、S3、…、S13。取客观参数适中的第5阶共振频率激励下产生的噪声信号为参考噪声样本，设定为5分。样本音频长6s，间隔3s。

与原方法相比，每次额外从噪声样本中随机选取5个噪声样本进行重复样本回放，用于检验评价结果的可信性，进行后续的误判分析，改善原方法同一评价者的评价结果可重复性差的问题，18个噪声样本随机排序。此外，适量的重复样本即可很好地达到检验可信度的效果，过多的样本可能引起评价人员的察觉和导致烦躁，影响试验数据准确性。在听音顺序上，原方法是先听一次参考样本，再陆续听完待评样本，给出评分。改进后，评价员每次先听参考噪声样本，再听待评样本并给出评分。通过类似成对比较法的方式，重复听参考样本，可有效改善评价过程中由于评价尺度的动态改变带来的试验结果离散性大、可重复性差的问题。

2.2.2 声品质主观评价主体选择

试验表明，评价人员数量越多，试验结果就越准确，20人就已经可以很好地完成评价试验并达到较高的准确性0据驾车人群比例，选择24名听力正常者作为评价主体，男女比例为4：1，年龄在20～25周岁不等。试验环境选择在安静整洁的室内，保证评价人员不会受到外界的影响，能独立地对噪声样本做出主观评价。

2.2.3 声品质主观评价试验流程

试验流程依次为培训、试听、试验、数据处理。由保真耳机回放噪声样本，在人精力充沛的上午进行试验。试验前对评价人员做简单培训，说明注意事项。由于人与人的评价尺度不同，要求评价员在遵循自己主观感受的前提下，尽可能使对样本主观评价的最高分与最低分，达到标尺的最大值与最小值。试验前进行试听，熟悉此类噪声。试验过程中不能对评价员做出的选择予以评价，每个噪声样本，评价员可听任意次，允许对已做出的评分做改动。试验中保持安静。得到试验结果后，赋值未达到标尺量程的，要进行百分比的换算。

2.3 声品质主观评价试验结果分析

由数据统计分析软件SPSS计算24名评价主体之间的相关系数。根据统计学理论和主观评价试验经验，剔除个别皮尔逊相关系数低于0.7或显著较低的结果。因为根据统计学理论，相关系数低于0.7，表示线性相关程度不强，剔除后数据的一致性增强。由此，剔除6号主体、10号主体、15号主体、17号主体的评价数据。重复样本前后两次评分差超过3个及以上等级则视为误判，剔除误判数据。

各个评价主体对同一噪声样本的评分取平均，得到该样本的最终评分，如表4所示。

数据显示，8号噪声样本和11号噪声样本的烦躁度值明显低于其他噪声样本。低阶频率激励的噪声所引起的烦躁度值要比高阶的高。

3 声品质模型建立

3.1 基于多元线性回归的声品质评价模型

声品质评价包括主观评价和客观评价，然而，单一的主观评价或是客观评价都不足以说明问题。声音的质量受多种因素影响，如响度、尖锐度、粗糙度等。为全面揭示这种复杂的因果关系，准确地测定其数量变动，提高预测和控制精度，需要建立多元回归模型进行分析。

3.2 多元线性回归模型建立

使用SPSS软件进行多元线性回归分析，因变量设为主观评价的烦躁度，自变量设置为A计权声压级、响度、粗糙度、尖锐度、波动度和语言清晰度。任取10组包含第1组和第13组的数据导入，建立声品质评价模型。本试验选取第1、3、4、5、6、9、10、11、12、13组数据。

采用后退输入变量方式，对模型进行逐步降维。采用更有影响力的因子建立多组模型并进行比较，选用更具说明性、更精确的声品质模型。

生成的6个模型进入计算的变量分别为：模型1：语言清晰度，尖锐度，波动度，A计权声压级，粗糙度，响度;模型2：语言清晰度，尖锐度，波动度，粗糙度，响度;模型3：语言清晰度，尖锐度，波动度，响度;模型4：语言清晰度，尖锐度，波动度;模型5：尖锐度，波动度;模型6：波动度。这是由各个参数的相关分析决定的。各模型相关程度如表5所示。

模型3的测定系数R²、相关系数R和调整RZ都接近1，线性相关性较强。德宾一沃森系数为1.560，接近2，数据较可靠。经过对比，模型3说明性更强，置信度较高，预测精度更稳定，为最优模型。

回归方程如下：

Y=-35.251+0.432X₁+12.286X₂-13.054X₃+0.350X₄式中：Y——烦躁度预测值;

X₁——响度;

X₂——尖锐度;

X₃——波动度;

X₄——语言清晰度。

对模型进行显著性检验，如表6所示，显著性系数小于0.05，数据显著。偏回归图如图4所示，数据有明显的线性相关关系。

3.3 多元线性回归声品质模型预测结果分析

将其余3个噪声样本的客观参数代入声品质评价模型，计算烦躁度预测值相对于主观评分的误差。如表7所示。

由表可知，本声品质评价模型的主观评分预测能力较好，预测结果较为精确。

4 结束语

通过以上研究，可得出以下结论：

1）变速箱箱体前4阶和第13阶共振频率激励下，噪声引起的烦躁度值较大。所以，要使变速箱箱体在工作状态下的固有频率能避开这些频率。若两个模态参数不能全部避开，要避开声品质较差的那一阶。第8阶和第11阶共振频率激励下，噪声引起的烦躁度值很小。

2）变速箱箱体声品质评价模型有良好的主观评分值预测能力，可通过此模型进行声品质试验，节省时间、人力、物力。

3）数据表明，对于变速箱声品质评价而言，响度、尖锐度、波动度对烦躁度值影响较大，在变速箱声品质优化工作中应该充分重视。

参考文献

[1]贺岩松，涂梨娥，徐中明，等.汽车声品质研究综述[J].汽车工程学报，2014（6）：391-401.

[2]陈克，阳思远，毛书林.车内声品质主客观评价的相关性分析[J].沈阳理工大学学报，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.关于车内声品质贡献分析与改善的测试技术研究[D].上海：上海交通大学，2015.

[5]胡腾.电动汽车声品质试验分析及研究[D].安徽：合肥工业大学，2016.

[6]蔡宣明，王俊元，马维金.重型汽车变速箱箱体有限元模态分析[J].机械设计与制造，2011（1）：22-24.

[7]秦真山.YC489柴油机噪声优化及声品质的研究[D].广西：广西大学，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]马大酞.现代声学理论基础[M].北京：科学出版社，2004：57-59.

[11]高印寒，张澧桐，梁杰，等.基于客观心理声学参数的重型商用车车内异响噪声分析[J].吉林大学学报（工学版），2016（1）：43-49.

[12]左言言，张海峰，庄婷.车内声品质主客观评价模型对比分析[J].江苏大学学报（自然科学版），2017（4）：403-409.

（编辑：商丹丹）