(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111443805.X (22)申请日 2021.11.30 (71)申请人 四川建安工业有限责任公司 地址 625000 四川省雅 安市经开区滨河东 路6号 (72)发明人 马友政　陈忠敏　夏立峰　郭凯　 赵应强　韩超　张永强　杨显发　 张亚岐　孙伟元　原磊　 (74)专利代理 机构 重庆志合专利事务所(普通 合伙) 50210 代理人 徐永谦 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 119/10(2020.01) (54)发明名称 燃油车驱动桥路试噪声的分析方法 (57)摘要 本发明公开了一种燃油车驱动桥路试噪声 的分析方法， 应用驱动桥听审实验方案， 建立主 观评价指标数据库； 根据听审试验方法， 对每一 次噪声数据进行主观评价， 逐渐积累数据集合； 基于主观评价指标数据库提取的倍频程指标数 据库； 应用倍频程指标数据样 本训练专用神经网 络， 建立主观评价预测系统； 采集车辆路试过程 中驱动桥噪声振动数据； 采用声学软件， 对采集 数据进行筛选， 作为倍频程计算的依据， 或主观 评价的音频； 计算路试噪声的倍频程指标； 将倍 频程指标代入建立的预测系统， 得到主观评价分 值的预测值； 测试员对预测值评价。 权利要求书2页 说明书6页 附图1页 CN 114117639 A 2022.03.01 CN 114117639 A 1.燃油车驱动 桥路试噪声的分析方法， 其特征在于， 包括学习阶段和预测阶段， 所述学 习阶段的过程如下： S1， 应用驱动桥听审实验方案， 建立主观评价指标 数据库； S2， 根据S1听审试验方法， 对每一次噪声数据进行主观评价， 逐渐积累数据集 合； S3， 基于主观评价指标数据库 提取的倍频程指标数据库， 该倍频程指标数据库以1/3倍 频程为基础的包 含25Hz到8000Hz的多个倍频程指标； S4， 应用倍频程指标 数据样本训练专用神经网络， 建立主观评价预测系统； 所述预测阶段的过程如下： S11， 采集车辆路试 过程中驱动桥噪声振动数据； S12， 采用音频软件， 对采集数据进行筛选， 作为倍频程计算的依据， 或主观评价的音 频； S13， 计算路试噪声的倍频程指标； S14， 将倍频程指标代入步骤S4建立的预测系统， 得到主观评价分值的预测值； S15， 测试员对预测值评价。 2.根据权利要求1所述燃油车驱动桥路试噪声的分析方法， 其特征在于， 在步骤S4中， 根据前馈神经网络， 表层上， 数据信息前向传播， 从输入层 x到隐含层h， 最后到输出层， 输出 结果与真实结果的误差值， 从输出层传递到隐含层， 最后到输入层； 针对每个输入样本， 采 用随机梯度下降算法， 动态更新网络中的权重和偏置， 以使网络的输出不断地接近期望的 输出， 所述预测系统根据以下 过程获得： S41， 采用下列两个 计算式组成的预测公式： 上式中： O2为隐藏层 输出向量； I1为输入向量； λ1为前端权重； ζ1为前端偏置； O3为主观评 价结果； λ2为后端权 重； ζ2为后端偏置， 即 常数项； e为自然常数； S42， 将每一组样本的倍频程指标输入进 来， 通过计算得到的O3， 和主观评价 真实得到的 O3， 存在差值D1， 把差值D1通过梯度计算， 分别得到了前馈变量 分别代入上 式(1)的λ1、 ζ1、 λ2、 得到如下列公式组(2)， 其中v为学习率， 即神经网络的学习速度定义， 通过数据的不停迭代， 得到最终预测公式， 即得到最终的每个公式的系数， 也就是最终的 λ1、 ζ1、 λ2、 S43， 根据最终的预测公式组(1)就获得了预测系统， 输入新测试数据的倍频程指标， 就 得到主观评价的预测结果。权　利　要　求　书 1/2 页 2 CN 114117639 A 23.根据权利要求1所述燃油车驱动桥路试 噪声的分析方法， 其特征在于， 在步骤S12中， 每一段的评价音频采用如下 过程处理： (1)首先处理得到频域数据； (2)再以上述 步骤S3中的多个倍频程指标为所在频 带， 计算倍频程指标； (3)计算倍频程值： 倍频程 值为频带内数据的均方根 值之和的分贝表示。权　利　要　求　书 2/2 页 3 CN 114117639 A 3