在车内噪声主动控制中的运用

噪声不仅对人的生理，而且更重要的是对人的心理，尤其对神经系统的影响更为严重。恶劣的噪声环境下，驾乘人员会出现精神紧张、心情烦躁、注意力分散等情况。长时间的噪声污染更是加大了心脑血管疾病的患病可能。

特种车辆的使用环境往往比乘用车或商用车更为恶劣，道路条件更加不理想甚至是使用在没有道路的地形上，相比之下，这样的条件下遇到的噪声振动激励种类变多，驾驶室内的噪声问题更加严重。

由于特种车辆的用途特殊性，许多政府以及企业也开始严格要求控制特种车辆的噪声和振动方面的问题。因此针对特种车辆车内噪声的研究具有十分迫切的需求和重要的意义。传统噪声的研究更多关注声音信号本身的一些传统物理参数，但是人是噪声的最后接收者，在研究声音本身时，也同样需要考虑人的主观感受。

因此，许多专家学者提出了声品质的概念，旨在用更丰富的维度去描述声音的性质以及人的主观对声音的评价。目前声品质评价领域目前主要采用BP神经网络，但其梯度下降算法存在初始连接随机性强，收敛速度慢等缺点。同时神经网络还局限于客观参数对主观评价的影响。

杭州爱华仪器有限公司了解到本文以某特种车为主要研究对象，计算特种车车内噪声的主观评价与客观参数，利用机器学习方法XGBoost建立声品质预测模型并验证模型的有效性，同时针对声品质客观参数的特点计算分析客观参数对主观分数的影响权重。针对车内噪声信号呈现非线性、非平稳性的特点，通过经验模态分解噪声，再通过FxLMS算法进行控制，验证影响主观评价分数的主要因素能得到有效控制。

以某特种车车内声品质为研究对象，进行了车内噪声的采集试验并整理声音样本，利用极限梯度提升算法建立客观参数与主观评价的预测模型，其平均相对误差为2.43%，相关性系数为0.943。同时针对声品质客观参数的特点分析得到客观参数A声级、响度对预测主观分数的贡献度较大。在残余噪声的收敛性与收敛速度上，EMD⁃Fx⁃LMS算法都优于FxLMS算法，在声品质控制上，主观烦躁优化，提升幅度为26.6%，能有效改善车内声品质。