基于降维-支持向量回归的车内稳态声品质预测

doi:10.16731/j.cnki.1671-3133.2018.11.001

现代制造工程 ›› 2018, Vol. 458 ›› Issue (11): 1-6.doi: 10.16731/j.cnki.1671-3133.2018.11.001

• 试验研究 • 下一篇

基于降维-支持向量回归的车内稳态声品质预测

夏小均¹, 赖诗洋², 徐中明³

1 重庆车辆检测研究院有限公司,国家客车质量监督检验中心,重庆 401122;
2 重庆工程职业技术学院机械工程学院,重庆 402260;
3 重庆大学汽车工程学院,重庆 400030

收稿日期:2017-05-05 出版日期:2018-11-20 发布日期:2019-01-07
作者简介:夏小均,博士,主要研究方向为中频振动分析与噪声控制。赖诗洋,硕士,主要研究方向为声振仿真、声品质。徐中明,博士,教授,博士生导师,主要研究方向为车辆振动噪声控制、计算机辅助设计。E-mail:solitaryjun@163.com
基金资助:
国家自然科学基金项目(51275540);重庆工程职业技术学院院级科研项目(KJB201712)

The prediction of car interior steady sound quality based on dimension reduction-support vector regression

Xia Xiaojun¹, Lai Shiyang², Xu Zhongming³

1 National Bus Quality Supervision & Inspection Center,Chongqing Vehicle Test & Research Institute Co.Ltd.,Chongqing 401122,China;
2 College of Mechanical Engineering,Chongqing Vocational Institute of Engineering,Chongqing 402260,China;
3 College of Automotive Engineering,Chongqing University,Chongqing 400030,China

Received:2017-05-05 Online:2018-11-20 Published:2019-01-07

摘要/Abstract

摘要： 基于信号分析与机器学习方法,提出基于降维-支持向量回归(Dimension Reduction-Support Vector Regression,DR-SVR)的声品质主观预测模型。以车内稳态声样本为研究对象,计算并分析了其基本物理参数、心理声学参数。运用成对比较法对声样本进行了主观偏好性实验,验证了烦恼度(Psychoacoustic Annoyance,PA)模型初步判断该类样本声品质好坏的可用性。通过因子分析、聚类分析与相关分析,完成了声样本的降维,提取出了主要影响参量,再以支持向量回归的方法建立了主观评价预测模型。相关分析显示,基于降维-支持向量回归预测模型的计算值与主观评价值的相关性较高,其预测能力比未降维的支持向量回归模型更优,证明运用DR-SVR方法对车内稳态声品质预测是有效的。

关键词: 支持向量回归, 降维, 声品质, 主客观评价, 预测

Abstract: The predictive model of Dimension Reduction-Support Vector Regression (DR-SVR) method to evaluating sound quality of car interior with small samples was proposed.The interior stable sound samples were selected as the object to analyze and its physical parameters and psychoacoustics parameters were calculated.Subjective testing was carried out via the paired comparison method,indicating that it is available to justice the merits of such samples preliminary with Psychoacoustic Annoyance (PA).Dimension reduction was achieved through factor analysis,cluster analysis and correlation analysis,then the predict model was established base on SVR method,and the correlation coefficient between predictive value and evaluated value of DR-SVR model was higher than the model without dimension reduction,verifying the method to predict subjective preferences of car interior sound with DR-SVR was effective.

Key words: support vector regression, dimension reduction, sound quality, subjective and objective evaluation, predict

中图分类号:

U461.4

夏小均, 赖诗洋, 徐中明. 基于降维-支持向量回归的车内稳态声品质预测[J]. 现代制造工程, 2018, 458(11): 1-6.

Xia Xiaojun, Lai Shiyang, Xu Zhongming. The prediction of car interior steady sound quality based on dimension reduction-support vector regression[J]. Modern Manufacturing Engineering, 2018, 458(11): 1-6.

参考文献

[1] 汪念平,陈剑,钟秤平.汽车声品质分析方法与评价流程[J].汽车工程,2007,29(9):800-803.
[2] 靳畅,周鋐,侯艳芳.基于声学客观参量的车内烦恼度评价[J].振动与冲击,2012,31(11):86-90.
[3] LIU H,ZHANG J,GUO P,et al.Sound quality prediction for engine-radiated noise[J].Mechanical Systems & Signal Processing,2015(56/57):277-287.
[4] XIAO C W,WANG Y S,SHI L.Sound quality prediction of vehicle interior noise during acceleration using least square support vector machine[J].Journal of Applied Sciences,2013,13(12):2288-2293.
[5] SUSINI P,MCADAMS S,WINSBERG S.A multidimensional technique for sound quality assessment[J].Acta Acustica United with Acustica,1999,85(5):650-656.
[6] 杨川,于德介.基于伪 WIGNER-VILLE 分布的汽车关门声品质评价参数研究[J].机械工程学报,2011(12):91-96.
[7] 杨川,于德介,徐亚军.基于EMD与BP神经网络的汽车关门声品质预测赵彤航[J].汽车工程,2013,35(5):457-461.
[8] 赵彤航,卢炳武,姜文君,等.轿车车内噪声品质偏好性评价方法的研究[J].西安交通大学学报,2012(5):127-131.
[9] 张俊红,何文运,刘海,等.基于支持向量机的柴油机噪声品质客观评价参量权重分析[J].振动与冲击,2013,32(11):112-116.
[10] 贺岩松,涂梨娥,徐中明,等.支持向量机在汽车加速车内声品质预测中的应用[J].汽车工程,2015(11):1328-1333.
[11] SANG-KWON Lee.Objective evaluation of interior sound quality in passenger carsduring acceleration[J].Journal of Sound and Vibration,2008,310(1/2):149-168.
[12] HUANG H B ,HUANG X R.Sound quality prediction of vehicle interior noise using deep belief networks.Applied Acoustics,2016(113):149-161.
[13] 毛东兴,俞悟周,王佐民.声品质成对比较主观评价的数据检验及判据[J].声学学报,2005(5):468-472.
[14] 张亮.基于神经网络的摩托车声品质评价及其改进研究[D].重庆:重庆大学,2010.
[15] 赖诗洋,夏小均,徐中明,等.汽车车窗升降声品质分析与评价[J].汽车技术,2018(7):48-53.
[16] 徐中明,张瑜,贺岩松,等.汽车雨刮器声品质的主客观分析[J].重庆大学学报,2013,5(36):13-17.
[17] GUNN S R.Support vector machines for classification and regression[D].Quebec:McGill University,1997.
[18] 徐中明,谢耀仪,贺岩松.基于粒子群-向量机的汽车加速噪声评价[J].振动与冲击,2015,34(2):25-29.

基于降维-支持向量回归的车内稳态声品质预测

The prediction of car interior steady sound quality based on dimension reduction-support vector regression

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	张超，余圣甫，束润涛，余亚文，. Invar合金激光-TIG复合焊工艺参数优化及力学性能研究[J]. 现代制造工程, 2022, 500(5): 79-87.
[2]	陈磊，王相柠，娄恒权，胡雨欣，贾记萌. 针对产能损失的生产线瓶颈辨识与转移预测[J]. 现代制造工程, 2022, 499(4): 21-28.
[3]	王哲英，马明旭，钟山，孙琪，谭俊哲，符伟，林斌，王琼彪，班立海，石同冰. 核泵专用不锈钢锁紧片弯曲成形的研究[J]. 现代制造工程, 2022, 498(3): 77-83.
[4]	石振新，冯剑波，王衍学. 基于ANFIS及MPC的车辆转向换道控制系统设计[J]. 现代制造工程, 2022, 497(2): 70-78.
[5]	李亚平，李素杰，马波，郭俊霞. 基于TCN的滚动轴承振动趋势与剩余寿命预测研究[J]. 现代制造工程, 2021, 492(9): 124-131.
[6]	曾大懿，蒋雨良，邹益胜，张笑璐，李海浪. 基于迭代生成特征替换的轴承寿命预测方法[J]. 现代制造工程, 2021, 490(7): 135-143.
[7]	刘伟锋，李沛霖，于鑫，程光. 基于时序数据的尾气监测分析平台研究[J]. 现代制造工程, 2021, 489(6): 90-94.
[8]	王慧，王元刚，李晓鹏. 基于峰值电流与脉冲宽度的微细电极控形研究[J]. 现代制造工程, 2021, 488(5): 1-5.
[9]	夏新浩,管小荣,李仲,朱蒙,管陆双,史亦凡. 下肢外骨骼运动预测方法研究[J]. 现代制造工程, 2021, 493(10): 74-78.
[10]	党顺峰, 熊锐, 李继辉, 陈灿奇, 陈振威, 吴鑫. 基于改进Mask-RCNN算法的车位检测研究[J]. 现代制造工程, 2021, 484(1): 91-97.
[11]	刘杨成. 混凝土泵车砼活塞剩余寿命预测方法研究[J]. 现代制造工程, 2020, 479(8): 120-125.
[12]	于成龙，侯俊杰，蒲洪波，张伟，徐皓，孙磊. 基于数据挖掘的机加工生产进度预测方法[J]. 现代制造工程, 2020, 473(2): 34-41.
[13]	张伟，于成龙，侯俊杰，徐皓，赵颖. 基于感知信息的车间动态排产方法[J]. 现代制造工程, 2020, 473(2): 42-46.
[14]	王民，高晓东，刘建勇. 基于LSTM循环神经网络电火花小孔加工工艺目标性能预测[J]. 现代制造工程, 2020, 483(12): 75-82.
[15]	颜会娟,郑锐,张信哲,丁晓彬,刘久富. 马氏田口度量的滚动轴承故障诊断的特征选择优化方法[J]. 现代制造工程, 2020, 481(10): 114-119.