怠速工况汽车空调声品质评价研究＊

胡溧 杨航 杨啟梁 许晶

（1.武汉科技大学，武汉 430065；2.东风马勒热系统有限公司，武汉 430056）

主题词：声品质 汽车空调 客观评价 主观评价 主观评价指标

1 前言

声品质是汽车NVH性能的主要研究方向之一[1]，除传统的发动机和传动系噪声源外，汽车空调噪声是车内噪声的主要成分[2]。同时，由于发动机降噪技术的发展和电动汽车的生产与应用，汽车空调噪声愈发引起关注。汽车空调声品质对乘车体验有较大影响[3]，特别是在车辆怠速工况下，空调噪声极易被人察觉造成烦扰[4]。由此，研究人员开始关注汽车空调声品质评价。

重庆大学的胡美龙和杨诚等人以某款国产SUV为研究样车，通过相干法和阶次分析等试验方法对空调噪声异响进行了试验分析，整理出一套系统的空调系统异响诊断试验方法[5]。中国汽车技术研究中心的顾灿松等人针对某微型车在空调开启后车内出现强烈异响问题，通过分部运转和阶次分析方法找到了异响原因，解决了该问题[6]。江苏联合职业技术学院的王军等人以某型汽车空调为研究对象，通过噪声测试发现壳体存在问题并对其进行优化，降低了噪声水平[7]。同济大学的韩涛和毛东兴等人通过成对比较法和参考语义细分法对等响处理后不同响度的压缩机噪声进行了声品质主观评价，最终确定了声品质主观评价指标与主观烦恼度的线性关系[8]。

目前，对于汽车空调噪声的研究主要集中于噪声或异响问题解决，还未见汽车空调系统声品质评价和其主观评价指标的研究。另外，人们更倾向于使用“轰轰的”“刺耳的”等语言对汽车空调声带来的感受进行描述，再通过对此描述性语言的综合考量来总结对汽车空调声信号的总体印象，直至给出最终评价。汽车空调噪声不同于车辆其他噪声，其特征鲜明，在某些工况下声音听起来较响，在某些工况下又表现得极粗糙、刺耳[9]。为便于空调声品质评价研究，评价指标的建立非常必要。

本文以某型SUV 为研究对象，对各工况下和不同位置的空调噪声进行主、客观评价分析，得出烦恼度分值和主观评价指标分值，建立不同工况下烦恼度与主观评价指标的线性关系，以此对主要声品质客观参数进行相应优化，使空调声品质主观评价试验更具针对性。

2 声品质客观评价

2.1 汽车空调噪声采集试验

采集某型SUV 怠速工况下驾驶位与副驾驶位汽车空调系统在不同工况下的噪声。依据汽车空调系统结构，采集汽车空调制冷与非制冷、不同循环方式、不同风量、不同送风方式下的共计64组噪声信号。

试验系统包括MK2-B 型人工头、LMS 数据采集前端、计算机及LMS Test.Lab 15A 软件的Signature Acquisition 噪声采集模块，根据GB/T 18697—2002《声学汽车车内噪声测量方法》进行试验，试验系统布置如图1所示。

图1 声品质测试试验系统布置

2.2 声品质客观参数分析

通过对心理声学客观参数的分析可更准确地评价汽车空调声品质。采集噪声信号后将数据导出，选择无干扰部分进行剪裁预处理。A计权声压级能有效描述人对噪声的感受，故物理声学参数选择A 计权声压级[10]。计算主要心理声学参数，包括响度、尖锐度、粗糙度、波动度和语言清晰度指数。通过初步的时频域分析选择具有代表性的16组汽车空调噪声信号进行声品质研究，如表1所示。编号中，C、D分别表示副驾驶位和驾驶位，E、I分别表示外循环和内循环，F、O分别表示未开启制冷和开启制冷，数字表示风量挡位，序号与编号一一对应。

表1 噪声信号主要客观参数

由表1可知，由MK2-B型人工头采集到的数据中，个别工况下声压级超过了70 dB(A)，尖锐度、粗糙度也较高，相较于内循环，外循环时声压级较高，相较于驾驶位，副驾驶位的声压级较高。

3 声品质主观评价

3.1 声品质主观评价方法选取

声品质评价方法主要有排序法、量值估计法、等级评分法、语义细分法和成对比较法等。其中，成对比较法和语义细分法相比其他方法更加有效，语义细分法较易得出声品质参数的相关性，提取出更多有效信息，而成对比较法更适合无经验的评审员进行主观测试[11]。本文采用成对比较法，并借鉴语义细分法设置空调噪声的主观评价指标。此外，设置评审员选取环节。

3.2 评审员选取

设计考核试卷，内容包括心理声学名词辨析和听音。名词辨析环节要求评审员对心理声学参数含义进行辨析，包括声压级、响度、尖锐度、粗糙度、波动度、语言清晰度指数和综合评价指标烦恼度，需明确心理声学参数名词含义。听音环节要求评审员采用成对比较法对声样本的响度、尖锐度、粗糙度和波动度打分，并计算这些声样本的声品质客观参数，再与前述主观评分进行对比。选取30 名听力正常的评审员进行测试，主要为在校学生、高校工作者、驾驶员，男女比例为3∶1，年龄为22～48 岁，无听音经验。其中，12 号评审员的听音结果如图2所示。

图2 主、客观结果对比结果示例

听音环节将计算主观评分和客观参数数值归一化后的相对误差，以响度、尖锐度、粗糙度和波动度相对误差的平均误差为准。评审员的相对误差如表2所示。

除个别相对误差较大的评审员外，其余评审员的相对误差数值接近且较小。剔除相对误差较大的评审员的评价数据，保留相对误差小于50%的评审员，最终确定23名评审员。

表2 评审员听音环节客观参数归一化相对误差

3.3 汽车空调声品质主观评价指标选取

组织评审员参加预听音试验，提炼能代表汽车空调声品质特征的感官形容词作为主观评价指标：轰响、嗡响、刺耳、尖锐、粗糙、平顺。综合评价指标为烦恼度。

3.4 声品质主观评价试验

对上述16 个声样本的6 个评价指标和1 个综合评价指标进行评分。由于声样本及评价指标众多，采用分组成对比较法。将声样本分为A 组、B 组，各9 个声样本，设置6号、7号声品质客观参量居中且具有明显声品质区别的一对声样本作为关联样本，用于统一评分尺度。此外，设置6组相同声事件样本、7组反序声事件样本用于误判分析。A、B组评分尺度统一公式[12]为：

式中，ζ为评分统一后的整体评分；k为比例系数；β为基数；Vij为j组第i号声样本的评分值，i=1,2时为参考样本。

4 试验结果与评价指标分析

4.1 声品质主观评价试验结果及分析

为综合考虑各种误判对试验结果准确性的影响，计算评审员对各评价指标评分的计权一致性系数取平均值，以此对评审员的主观评价试验数据进行可靠性检验，如表3所示。

根据国内外的研究，计权一致性系数在0.7 以上表示试验数据可靠[13]。由表3可知，23名评审员的平均计权一致性系数均在0.7以上，说明评审员选取试验作用明显。剔除一致性较低评审员的评分数据，包括TP7、TP18、TP21，最终评分如表4所示。

由主观评价试验结果可知：中低风速时副驾驶位烦恼度稍高；关闭空调压缩机时，平顺感更高，开启空调压缩机将导致嗡响感骤增，随风量增大，2 个指标的差距减小；中低风量下空调压缩机开启将导致更高的烦恼度；外循环时平顺性较高，随之烦恼度也较低。

表3 平均计权一致性系数

表4 汽车空调声品质指标评分

4.2 声品质评价指标分析

4.2.1 相关分析

为研究汽车空调声品质评价指标之间的相互影响和作用，使用数据分析软件SPSS进行相关分析，结果如表5所示。

表5 评价指标相关分析结果

部分评价指标之间关系较密切，如尖锐与刺耳都是描述声音的高频属性，具有较高相关性，因此使用偏相关分析进一步研究。经偏相关分析，控制尖锐后，刺耳与其他评价指标仍有一定相关关系，控制刺耳后，尖锐与其他评价指标已不存在相关性。由此可知，刺耳指标与其他评价指标相关性较强，而尖锐指标的独立性较强，说明两者存在区别，刺耳除受频率影响外，还受其他参数影响，比如，粗糙的声音也会较刺耳。

4.2.2 因子分析

由主、客观试验结果分析可得，声品质主要影响指标因工况不同而存在差异，而评价指标之间也存在较高相关性。因而使用SPSS 软件进行因子分析，进一步研究怠速工况下的声品质主要影响指标。结果如表6、表7所示。

表6 因子提取矩阵

表7 因子载荷矩阵

因子提取原则为特征值大于1，因此提取表6 中的前2个因子。

图3所示为前2个因子的得分，由图3可知：高风速下因子1 的影响较大，风量增大时，轰响、刺耳等值增大，与主观评价试验结果一致；空调压缩机开启时，因子2 影响增强，嗡响值增大，与主观评价试验结果一致。由此，评价指标可以分为表7所列的2个因子：因子1代表刺耳、粗糙、轰响、尖锐这类高频、调制指标；因子2代表平顺、嗡响这类低频、调制指标。

4.3 烦恼度声品质模型

主观评价和因子分析结果表明：关闭空调压缩机，风量挡位为2～4的中高风速下，轰响指标对综合评价指标烦恼度影响明显；关闭空调压缩机，风量挡位为1～3的中低风速下，综合评价指标烦恼度主要受刺耳和平顺指标影响。9～16 号声样本的数据结果表明，开启空调压缩机时，嗡响指标增强，其对综合评价指标烦恼度影响较大。使用SPSS 软件进行回归分析，在上述不同声样本组下，分别建立综合评价指标烦恼度S与主观评价指标的模型，每个样本组任选7 个声样本用于建立模型，剩余声样本用于检验声品质模型的精度。

图3 因子得分

中高风速下烦恼度为：

中低风速下烦恼度为：

空调压缩机开启时烦恼度为：

式中，Bo为轰响指标；Sh为尖锐指标；St为刺耳指标；Sm为平顺指标；Bu为嗡响指标。

其中13 号、15 号声样本用于中高风速下预测精度验证，2 号、3 号声样本用于中低风速下预测精度验证，14号声样本用于空调压缩机开启时预测精度验证。由式（2）～式（4）可知，轰响、尖锐、刺耳和嗡响将导致烦恼度上升，平顺会使烦恼度下降。这些指标适用于汽车空调相应工况。模型拟合度检验结果如表8所示。

由表8 可知，测定系数R2、相关系数R和调整R2都接近1，表示拟合程度较好。显著性系数小于0.05，主观评价指标与综合评价指标烦恼度存在较强线性关系。将声样本主观评价指标值代入烦恼度模型，计算预测误差，验证烦恼度模型预测精度。相对误差如表9所示。

表8 拟合度检验结果

预测值与主观烦恼度评分的相对误差稳定在5%以内，通过3种工作状态下的声品质模型可有效预测烦恼度值。即对汽车空调进行声品质评价时，通过对不同工作状态下的主观评价模型进行预测，评价过程更加合理，结果更加准确。

表9 主观烦恼度预测相对误差

为将声品质客观参数与主观评分联系起来建立声品质模型用于产品的前期设计指导优化，使用SPSS 软件分别对中高风速和中低风速声样本组进行回归分析，以轰响和平顺2个指标为例建立声品质模型，每组任选7个声样本分析建模，剩余声样本用于精度验证。中高风速声样本组中的13 号、15 号声样本用于轰响指标预测精度验证，将其分别命名为1号测试样本和2号测试样本，中低风速声样本组中的6 号、13 号声样本用于平顺指标预测精度验证，将其分别命名为3号测试样本和4号测试样本。建立的声品质模型为：

式中，L为响度；Ro为粗糙度；F为波动度；AI为语言清晰度指数。

将其余声样本客观参数代入得出声品质预测评分，计算预测模型相对误差，结果如图4所示。

图4 线性回归模型预测误差

此声品质模型具备一定的主观分值预测能力，相对误差稳定在15%以内。由模型可知，轰响指标主要受粗糙度、波动度和语言清晰度指数影响。平顺指标主要受响度和波动度影响。由于人的主观感受具有非线性的特点，通过MATLAB 软件，使用广义回归神经网络（Generalized Regression Neural Network，GRNN）建立声品质模型，训练样本和验证样本与前述线性模型保持一致。GRNN 是径向基函数神经网络的一种，学习速度快、预测精度高，适用于此类小样本问题。上述2 个评价指标的声品质预测模型精度如图5 所示。由图5 可知，GRNN 的预测能力较强，相对误差稳定在5%以内。可通过此模型进行声品质试验，降低成本。

图5 GRNN模型预测误差

5 结束语

本文对汽车空调进行了声品质主观评价和客观参数计算，建立了汽车空调不同工作状态下的声品质预测模型，提出了一套汽车空调声品质评价方案，对汽车空调声品质主观评价指标与烦恼度在不同工况下分类建模。得到以下结论：中高风速下，烦恼度主要影响指标为轰响和尖锐，由此要针对粗糙度、波动度和尖锐度客观参量进行优化；中低风速下，烦恼度主要影响指标为刺耳和平顺，由此要针对响度和波动度进行优化；空调压缩机开启工况下，烦恼度主要影响指标为轰响和嗡响，由此要针对响度、尖锐度和粗糙度进行优化。