电动轿车行人警示音设计方法、警示音控制系统及方法技术方案

本发明专利技术公开了一种电动轿车行人警示音设计方法，根据人们对不同频率段声音的不同反应，设计大量的声音样本，并提出利用声品质客观心理声学参数和主观评价结果，建立通过遗传算法优化的BP神经网络预测模型，该预测模型能够为后续声音样本的筛选提供指导，简化声音的筛选过程，节约成本；根据车辆的实际运行状况建立多工况的智能控制系统，使电动车/混合动力汽车在不同运行工况下能够智能的选择合适的声音并发出，还依据背景噪声的大小智能的选择增益电路的放大倍数，使所发出的警示声能更加合理的警示行人且不会造成环境的噪声污染。本发明专利技术同时公开了一种纯电动或混合动力汽车行人警示音设计方法及警示音控制系统及其控制方法。

【技术实现步骤摘要】
电动轿车行人警示音设计方法、警示音控制系统及方法
本专利技术属于汽车安全领域，涉及一种用于电动轿车在低速行驶时给车外行人以警示作用的自动发声系统，具体涉及一种电动轿车行人警示音设计方法、警示音控制系统及控制方法。
技术介绍
由于化石燃料的消耗和燃油价格的增加，促使汽车行业发展的重点集中在新能源汽车上。美国国家公路交通安全管理局的最近的一份调查报告显示，电动车和传统车撞倒行人或自行车等其他道路用户的交通事故主要发生在道路的低速区域，对比显示，电动车和混合动力车在低速区发生交通事故的概率远远高于传统的内燃机汽车。电动车及混合动力轿车作为新能源汽车，在低速(即车速低于30km/h)行驶时，由于电动机辐射噪声较小，产生的总体车外声音比较低，当轿车驶过时，不易被发现，若突然按喇叭，更容易导致行人由于惊慌而产生交通事故，故为保证行人安全，需添加警示声，提示行人及其他道路使用者能够及时避让行驶的车辆，从而减少道路交通事故。就现有技术而言，行人警示系统都是根据车速行驶情况而直接发出声音，所发出的声音大部分都是直接采集传统车声音进行播放，不涉及声音的设计和选择，并且就现有警示系统而言，在达到发声条件时直接进行发声而不会考虑车辆的具体运行状况及环境背景噪声的影响，所发出的声音单一、不能很好的向行人提供车辆的运行状况，不是不能达到警示行人的目的就是对环境造成噪声污染，并且均所设计的试验过于单一，不能很好的模拟车辆在路上行驶时的实际情况，不能很好的检测系统是否能满足设计的要求。
技术实现思路
本专利技术所要解决的技术问题是针对电动车或混合动力汽车低速行驶时存在的安全隐患，现有技术声音设计和选择、控制系统过于单一等问题，提供了电动轿车行人警示音设计方法，当电动车或混合动力车低速行驶时，将智能的选取事先准备好的声音样本，并根据背景噪声的大小智能的选择所播放声音的强度来警示行人或其他道路用户，以提醒其有效避让行驶的车辆。本专利技术根据人们对不同频率段声音的不同反应，设计大量的声音样本，并提出利用声品质客观心理声学参数和主观评价结果，建立通过遗传算法优化的BP神经网络预测模型，该预测模型能够为后续声音样本的筛选提供指导，简化声音的筛选过程，节约成本；其次根据车辆的实际运行状况建立多工况的智能控制系统，使电动车/混合动力汽车在不同运行工况下能够智能的选择合适的声音并发出，并且，在控制系统中还依据背景噪声的大小智能的选择增益电路的放大倍数，使所发出的警示声能更加合理的警示行人且不会造成环境的噪声污染；最后，对安装了智能化的行人警示系统进行车外声场分析和实车试验，以验证系统的有效性和可靠性。为解决上述技术问题，本专利技术是采用如下技术方案实现的：本专利技术提供一种电动轿车行人警示音设计方法，其特征在于，包括以下步骤：步骤一、利用声音采集设备采集车外声音信号样本：分别采集多辆同级别传统车和一辆纯电动车在不同工况下的车外声音信号；步骤二、利用滤波器对所述步骤一采集的所有车外声音信号提取特定频段内的声音信号；步骤三、对所述步骤二所提取的声音信号，按不同的比例成分进行合成：在所述步骤一所采集的传统车车外声音信号上除去电动车声音信号的成分，将所提取出的特定频段的声音信号按不同的比例与幅值与所得基准声音信号进行合成；步骤四、对所述步骤一和步骤三获取的所有声音样本在一定声音强度的条件下进行主观评价试验；步骤五、计算声品质客观心理声学参数和A计权声压级；声品质客观心理声学参数包括：响度、粗糙度、尖锐度、抖动度、AI指数；步骤六、对所述步骤四中主观评价得分最高的声音信号进行车外声场分析，并判断是否达到声场覆盖范围和强度的要求；步骤七、建立神经网络评价预测模型：根据所述步骤四的主观评价得分和所述步骤五计算得到的客观心理声学参数值，建立用遗传算法优化过的BP神经网络声品质评价预测模型；步骤八、建立电动轿车行人警示音控制系统。本专利技术同时提供一种电动轿车行人警示音控制系统，包括：微处理器MCU、声音播放电路、存储电路、背景噪声测量电路、CAN总线接口电路及电源电路；电源电路为整个控制系统供电，存储电路、声音播放电路、背景噪声测量电路、CAN总线接口电路分别与微处理器MCU连接；微处理器MCU通过CAN总线获得车辆车速及行驶状况及通过背景噪声测量电路获取行驶环境中的背景噪声，依据背景噪声的大小智能的控制放大电路的增益倍数，然后选择存储电路中的声音样本并通过声音播放电路进行播放；声音播放电路包括依次连接的D/A转换器、放大电路、扬声器，其负责播放微处理器MCU筛选的声音样本；存储电路包括FLASH存储芯片及RAM存储芯片，FALSH存储芯片负责存储筛选出的评分最高的声音数据，RAM存储芯片负责微处理器MCU所选取的声音数据的暂存以及播放声音数据的存储；CAN总线接口与车辆CAN总线接口实现电平转换，由微处理器MCU读取车速或电机转速以及混合动力汽车驱动方式信息，来判断是否需要开启警示控制系统，当系统启动时，将根据车辆运行状况选择所要播放的声音；背景噪声测量电路采用噪声测量传感器对车辆所处的环境噪声进行测量，并将测量结果提供给微处理器MCU，以控制声音播放电路中放大电路的增益幅度；电源电路采用DC/DC直流电源芯片，为系统各电路提供不同电压。本专利技术同时提供一种电动轿车行人警示音控制系统的控制方法：1)微处理器MCU利用与车辆CAN总线接口电路读取车辆的状态信息，利用背景噪声测量传感器所测量的背景噪声的大小，结合事先存储在存储器中的各类声音样本，通过D/A转换器输出模拟音频信号，经放大电路由扬声器输出，从而选择声音样本和增益大小，通过所播放声音样本的不同及声音增益的不同来实时表达车辆的运行状况；3)建立车速与声音信号时域之间的线性关系：通过CAN总线读取车速信号，当车速低于10km/h时，微处理器MCU选取10km/h评分最高的声音样本进行播放，车速在10km/h-20km/h之间时，微处理器MCU选取存储的20km/h评分最高的声音样本进行播放，车速在20km/h-30km/h之间时，微处理器MCU选取存储的30km/h存储的声音样本进行播放；倒车时，微处理器MCU播放存储的30km/h时的声音样本；4)利用背景噪声测量传感器所测量的背景噪声，根据背景噪声等级的不同智能的选择放大电路中增益的等级：将背景噪声分为三个等级，分别为小于55dB，55dB到65dB和大于65dB，根据不同的背景噪声等级，选择不同的增益倍数。与现有技术相比本专利技术的有益效果是：1、首先通过调查的形式了解人们能够接受的警示声形式，并通过实验确定不同人群对不同频率段声音的敏感程度，然后再利用matlab进行合理的声音样本的设计；2、以振动噪声中声品质理论为依据，通过声品质中以烦躁度等级划分的主观评价试验，对大量的声音样本进行打分，选出分数最高的声音样本做为需要的声音样本，理论依据强；3、本专利技术以计算所得的客观心理声学参数和主观评价结果为原型，建立GA-BP神经网络评价模型，模型的评价结果与实际主观评价值的相关系数达到0.93，具有很高的重复性，将为后续的声音设计提供评价依据，而不需要再次组织人员进行主观评价，节省大量的人力物力；4、本专利技术能够依据不同的车速状况智能的选择警示声进行发声，贴近实际车辆运行状况，方便本文档来自技高网...

【技术保护点】
一种电动轿车行人警示音设计方法，其特征在于，包括以下步骤：步骤一、利用声音采集设备采集车外声音信号样本：分别采集多辆同级别传统车和一辆纯电动车在不同工况下的车外声音信号；步骤二、利用滤波器对所述步骤一采集的所有车外声音信号提取特定频段内的声音信号；步骤三、对所述步骤二所提取的声音信号，按不同的比例成分进行合成：在所述步骤一所采集的传统车车外声音信号上除去电动车声音信号的成分，将所提取出的特定频段的声音信号按不同的比例与幅值与所得基准声音信号进行合成；步骤四、对所述步骤一和步骤三获取的所有声音样本在一定声音强度的条件下进行主观评价试验；步骤五、计算声品质客观心理声学参数和A计权声压级；声品质客观心理声学参数包括：响度、粗糙度、尖锐度、抖动度、AI指数；步骤六、对所述步骤四中主观评价得分最高的声音信号进行车外声场分析，并判断是否达到声场覆盖范围和强度的要求；步骤七、建立神经网络评价预测模型：根据所述步骤四的主观评价得分和所述步骤五计算得到的客观心理声学参数值，建立用遗传算法优化过的BP神经网络声品质评价预测模型；步骤八、建立电动轿车行人警示音控制系统。

【技术特征摘要】
1.一种电动轿车行人警示音设计方法，其特征在于，包括以下步骤：步骤一、利用声音采集设备采集车外声音信号样本：分别采集多辆同级别传统车和一辆纯电动车在不同工况下的车外声音信号；步骤二、利用滤波器对所述步骤一采集的所有车外声音信号提取特定频段内的声音信号；步骤三、对所述步骤二所提取的声音信号，按不同的比例成分进行合成：在所述步骤一所采集的传统车车外声音信号上除去电动车声音信号的成分，将所提取出的特定频段的声音信号按不同的比例与幅值与所得基准声音信号进行合成；步骤四、对所述步骤一和步骤三获取的所有声音样本在一定声音强度的条件下进行主观评价试验；步骤五、计算声品质客观心理声学参数和A计权声压级；声品质客观心理声学参数包括：响度、粗糙度、尖锐度、抖动度、AI指数；步骤六、对所述步骤四中主观评价得分最高的声音信号进行车外声场分析，并判断是否达到声场覆盖范围和强度的要求；步骤七、建立神经网络评价预测模型：根据所述步骤四的主观评价得分和所述步骤五计算得到的客观心理声学参数值，建立用遗传算法优化过的BP神经网络声品质评价预测模型；步骤八、建立电动轿车行人警示音控制系统。2.按照权利要求1所述的电动轿车行人警示音设计方法，其特征在于，所述步骤一具体步骤如下：1)录制环境选择在半消声室内，存储的格式为.wav；2)录音麦克风的位置参考测量排气噪声的方法，选择在车辆纵向中心线上，以距离车前悬0.5m画圆弧，所画圆弧左右45°弧线上的任一位置，放置麦克风，麦克风的高度参考加速噪声测量方法，选择0.9m-1.2m的高度范围内；3)在半消声室转毂上分别录制五辆传统车和一辆纯电动车的车外噪声信号，录制的噪声信号包括：10km/h工况、20km/h工况和30km/h工况；将录制好的声音截取中间为5s的部分，将截取好的声音信号进行编号记录。3.按照权利要求1所述的电动轿车行人警示音设计方法，其特征在于，所述步骤二具体步骤如下：1)设计带通滤波器，利用matlab中fdesign+design设计数字滤波器，滤波器阻带衰减为80dB，通带波纹为3dB。2)利用所设计的滤波器对所述步骤一采集的所有声音信号进行滤波，需要提取的声音信号的频率区间为500-700Hz、900-1100Hz、2400-2600Hz，并按每辆车在对应车速下滤波后的信号成分进行存储。4.按照权利要求1所述的电动轿车行人警示音设计方法，其特征在于，所述步骤三具体步骤如下：1)在所述步骤一所采集的传统车原始声音成分中除去电动车对应车速时所采集到的声音成分，得到新的声音样本数据，称之为基准声音信号；2)在同一款车型的一个车速的基准声音信号上，以0.1、0.2、0.3、0.4、0.5倍将对应车型及车速下滤波所得到的500-700Hz和2400-2600Hz频段内的声音添加到基准声音信号上，并在基准声音信号的基础上减去0.1、0.2、0.3、0.4、0.5倍的900-1100Hz频段内声音信号。5.按照权利要求1所述的电动轿车行人警示音设计方法，其特征在于，所述步骤四具体步骤如下：1)选取评审团成员，评价环境为主观评价实验室；2)确定声品质评价指标：以烦躁度等级为评价指标，采用等级评分法对各声音样本进行打分；按照国际标准将声品质烦躁度分为11个等级，评价者依次听到不同的声音，并根据自己的主观感受分别在打分器上打分；3)计算各评价者之间的相关系数：使用SPSS应用统计软件对所有评价者的等级评分结果进行分析，计算出他们两两之间的相关系数，再将每个评价者与其他评价者间的相关系数取算术平均值，求得平均相关系数，再将其余评价结果予以平均，即可得主观评价的声品质值。6.按照权利要求1所述的电动轿车行人警示音设计方法，其特征在于，所述步骤五具体步骤如下：1)计算响度：式中：N′为特征响度，单位是sone，E为声音激励，ETQ为绝对听阈下的激励，E0为基准声强下的激励；对N′在总Bark域上进行积分计算，即可得到总响度N：2)计算粗糙度：式中，R表示粗糙度，单位是asper，fmod是调制频率，式中：N′max(z)和N′min(z)分别表示特征响度最大值和最小值；3)计算尖锐度式中，S是尖锐度，k是加权系数(k取0.11)；N为总响度值；N′(z)代表z号Bark域内的特征响度；4)计算抖动度

【专利技术属性】
技术研发人员：梁杰，赵健，林琳，陈燕虹，钱堃，井晓瑞，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22