[發明專利]汽車座椅水平驅動器的輻射噪聲合格性的檢測方法

在審

• 申請號: 202010826451.6
• 申請日: 2020-08-17
• 公開（公告）號: CN112097894A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 金江明;謝添偉;盧奐采;沈熙奕
• 申請（專利權）人: 浙江工業大學
• 主分類號: G01H17/00
• 分類號: G01H17/00;G01M17/007
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

1.汽車座椅水平驅動器的輻射噪聲合格性的檢測方法，包括以下步驟：

1)采集HDM近場聲信號和計算聲品質客觀參量；

采用中國專利公開CN2016109384646公布的低噪聲產品的近場聲信號采集實驗、聲信號時頻分析和聲品質客觀參量計算分析方法，獲取含HDM特征信息的近場聲信號及對應的聲品質客觀參量信息，包括：響度、尖銳度、粗糙度；

2)構建聲品質合格性評價指標的多元線性回歸模型；將主觀評價與客觀評價初步分析的結果進行結合，使用多元線性回歸的數學模型，并經過顯著性和擬合程度的檢驗，將聲品質客觀評價結果與主觀評價偏好性值進行相關性與回歸性分析，建立人耳對HDM的主觀感受與聲品質客觀參量之間的關系，使評價方法可以將各個聲品質客觀參量以一定權重結合起來，表征為HDM聲品質合格性，其評價指標公式為：Q＝31.917-1.311×Loudness-5.84×Roughness

Loudness表示響度客觀參量指標，Roughness表示粗糙度客觀參量指標，Q為的經互相關和線性回歸分析獲得的聲品質客觀參量綜合評價指標；

3)對HDM樣品進行聲品質合格程度預測；檢測過程中，通過響度、粗糙度代入回歸模型計算得到的主觀偏好性值；根據得到的綜合指標值是否超過合格品的范圍進而判斷HDM聲品質是否合格。

2.如權利要求1所述的汽車座椅水平驅動器的輻射噪聲合格性的檢測方法，其特征在于：步驟2)具體包括：

2.1選擇多元線性回歸的數學模型；

自變量個數為p的多元性線性回歸模型可以表示為：

式中，ε_i～N(0,σ²)，即它們為獨立同分布的正態隨機變量，a,b₁,b₂,…,b_p稱為回歸系數，為求解這些回歸系數的值，通常采用最小二乘法，即誤差平方和過達到最小的a,b₁,b₂,…,b_p作為最佳估計值；即，

令關于a和b_j的偏導數為0，整理得正規方程如下：

若令：

其中，b₀＝a；將(1-4)寫成矩陣形式，線性回歸模型可表示為：

Y＝Xβ+ε (6)

由(6)可得正規方程為：

X'Xβ＝X'Y (7)

由(7)得：

β＝(X'X)^-1X'Y (8)

采用利用逐步回歸法進行相關自變量引入和非相關自變量剔除，即先對偏相關系數最大的變量做顯著性回歸檢驗以決定該變量是否進入方程，然后將方程中的每個變量作為最后選入方程的變量并做偏F檢驗，決定該變量能否留在回歸模型中；這樣既有引入變量也有剔除變量，原來被剔除的變量也有可能被引入到方程中；

2.2檢驗顯著性和擬合程度；

使用如下的F統計量對回歸模型進行顯著性檢驗：

其中，為回歸平方和，為殘差平方和；在給定的顯著性水平α下，若F＜F_α，則認為估計的線性回歸模型是顯著的；

多元線性回歸模型中，要分析自變量X對因變量Y的影響是否顯著，就需對其經驗回歸系數b_i是否為0進行檢驗；回歸系數不為0時，X對因變量Y的影響程度顯著；在確保回歸模型顯著后，應進一步檢驗回歸系數的顯著性；對第i個變量的回歸系數的檢驗統計量t為：

其中，C＝(X'X)^-1，C_kk為矩陣C的元素，由數據計算的檢驗統計量可以進一步判斷各回歸模型擬合的好壞；

接下去判斷線性回歸模型相關指數的大小，即R²，表征的是回歸模型能夠描述自變量與因變量關系的程度：

其中，R²越大表示回歸模型的擬合程度越好，即模型對自變量與因變量之間關系的預測效果越好；R表示X₁至Xp的線性關系大??；

2.3主客觀評價相結合，根據聲品質客觀參量得到評價指標的回歸模型；

為了建立HDM聲品質心理聲學客觀參量與主觀評價結果之間的關系模型，選擇響度、尖銳度、粗糙度、抖動度作為自變量，分別用x₁、x₂、x₃、x₄表示，因變量為通過聲品質主觀評價得到的主觀偏好性值，表示為P，則HDM的聲品質評價多元線性回歸模型為：

P＝a+b₁x₁+b₂x₂+b₃x₃+b₄x₄ (12)

其中a為常數項；b₁、b₂、b₃、b₄為回歸性系數；

將HDM聲品質心理聲學客觀參量代入至式(12)自變量x₁、x₂、x₃、x₄的位置，將HDM聲品質主觀評價結果代入至P處，建立兩者之間的關系模型；通過線性回歸方法中的逐步回歸法，計算得出自變量的系數b₁、b₂、b₃、b₄，并對模型的顯著性、回歸性進行檢驗，確定模型中的系數符合自變量與因變量之間的邏輯關系，并將確定下來的方程模型投入到更多的HDM產品的聲品質檢測中，評價HDM聲品質是否合格；

將HDM聲品質主觀評價結果，即主觀評價者對每個聲音樣本的主觀偏好性與其聲品質客觀參量數據導入到SPSS軟件中進行回歸性分析，回歸模型在已有響度參量的基礎上，本次回歸分析采用逐步法，剔除掉不合適的自變量，留下能影響主觀偏好性的聲品質客觀參量作為回歸模型的自變量，主觀偏好性值為因變量，獲得準確的回歸模型；因變量為通過HDM聲品質主觀評價后每個聲音樣本的主觀偏好性值；

選擇包含了響度和粗糙度兩個聲品質客觀參量的模型作為HDM聲品質合格性評價指標的回歸模型；

線性回歸模型的方差分析，隨著粗糙度的引入，模型的均方誤差不斷減小，表示模型的回歸效果顯著性提高；此外，模型在進行F檢驗時的顯著性概率為0(Sig.＝0)，小于α＝0.01；因此可以得出結論：可以拒絕總體回歸系數是0的原假設，所以回歸模型是有意義的，且回歸模型顯著；

模型中的響度、粗糙度變量系數均經過t檢驗，其顯著性概率均小于0.05(Sig.0.05)，因此模型中的所有變量系數均有顯著意義；

綜合以上回歸分析的結果可以得出：粗糙度與響度對人的主觀偏好性值影響均較為顯著，將回歸系數值與常數項值代入回歸模型方程中，可得到HDM聲品質合格性指標Q的多元線性回歸模型：

Q＝31.917-1.311×x₁-5.84×x₃ (13)

將其中的x₁和x₃分別用響度和粗糙度數值代替，回歸模型可以寫作：

Q＝31.917-1.311×Loud.-5.84×Rough. (14)

其中，Loud.與Rough.分別對應HDM的響度和粗糙度。