基于卷积神经网络的排气声品质评价方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于卷积神经网络的排气声品质评价方法、装置及存储介质，其包括如下步骤：S1，采集设定工况下的若干个排气声样本，分别对排气声样本进行客观量化分析和主观评价，得到每个排气声样本的客观量化参数和主观评价得分；S2，搭建基于卷积神经网络的排气声预测模型，以得到的客观量化参数作为输入、主观评价得分作为输出对排气声预测模型进行训练、验证，得到满足精度要求的基于卷积神经网络的排气声预测模型；S3，将待测排气声客观量化参数输入基于卷积神经网络的排气声预测模型中，输出主观评价得分预测值。通过建立基于卷积神经网络的排气声预测模型，降低预测结果与主观评价结果之间的相对误差，保证模型预测结果的准确性。测结果的准确性。测结果的准确性。

【技术实现步骤摘要】
基于卷积神经网络的排气声品质评价方法、装置及存储介质


[0001]本专利技术涉及汽车NVH性能领域，具体涉及基于卷积神经网络的排气声品质评价方法、装置及存储介质。

技术介绍

[0002]声品质直接反映了驾乘人员对汽车声音的主观感受，进而会影响用户的购买倾向。随着国内消费群体的年轻化，市场对具有运动感声音汽车的需求日臻旺盛，因此开发具有运动音质的汽车是当前各汽车企业增强产品市场竞争力的重要手段。排气声是运动型汽车运动感的重要表征，研究运动型排气声品质评价及预测方法具有重要意义。
[0003]声品质评价主要包括主观评价和客观评价。主观评价能直观反映人的主观感受，但与评价者的经验、工作状态密切相关，结果稳定性相对较差，且由于高度依赖评价人员不利于企业数据积累。为此，众多学者试图建立主观评价结果与声音客观度量参量之间的关系模型，以实现将声品质评价客观化。
[0004]多元线性回归方法简单易实现，是早先常用的声品质客观量化模型建立方法。CN110737970A公开的一种发动机加速声品质评价方法中建立了发动机加速声品质的多元线性回归方法模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的排气声品质评价方法，其特征在于，包括如下步骤：S1，采集设定工况下的若干个排气声样本，分别对排气声样本进行客观量化分析和主观评价，得到每个排气声样本的满足相关性要求的客观量化参数和主观评价得分；S2，搭建基于卷积神经网络的排气声预测模型，以S1得到的客观量化参数作为输入、主观评价得分作为输出对排气声预测模型进行训练、验证，得到满足精度要求的基于卷积神经网络的排气声预测模型；S3，将待测排气声客观量化参数输入S2得到的基于卷积神经网络的排气声预测模型中，输出待测排气声的主观评价得分预测值。2.根据权利要求1所述的基于卷积神经网络的排气声品质评价方法，其特征在于，S1中排气声样本为待测车辆在半消声室内的底盘测功机上三挡全油门加速行驶的排气声。3.根据权利要求1或2所述的基于卷积神经网络的排气声品质评价方法，其特征在于，S1中的客观量化分析为：对采集到的排气声样本进行分析处理，得到排气声样本的总声压级及二、四、六阶次声压级随发动机转速的变化曲线，以所述排气声样本的二、四、六阶次声压级随发动机转速的变化曲线作为客观量化参数。4.根据权利要求1或2所述的基于卷积神经网络的排气声品质评价方法，其特征在于，S1中主观评价具体为：多名评价人员使用等级评分法对排气声样本进行主观评价，若各评价人员与其余评价人员主观评价结果相关性的平均值≥0.75，表明评价结果有效，取满足相关性要求的多名评价人员的主观评价结果的平均值作为排气声样本的主观评价得分。5.根据权利要求1或2所述的基于卷积神经网络的排气声品质评价方法，其特征在于：所述基于卷积神经网络的排...

【专利技术属性】
技术研发人员：贾小利，杨亮，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：