基于CEEMD样本熵和GA-BP的排气噪声声品质预测

摘要

为了预测汽车非稳态排气噪声声品质,进行了1G WOT和2G WOT试验,并结合主、客观评价分析非稳态排气噪声满意度的主要影响因素。同时,通过相关性分析发现心理声学客观参量与满意度之间的内在关系。运用互补总体经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法对非稳态排气噪声进行分解,得到多个本征模态函数(intrinsic mode function,IMF),并用样本熵计算IMF分量,完成噪声信号特征提取。采用主成分分析(principal component analysis,PCA)对数据进行降维处理,减少冗余并保留原始数据的主特征,得到新参量SQP-CSP(sound quality parameter base on CEEMD and then proceed SE-PCA)值S。同时,运用遗传算法(genetic algorithm,GA)优化BP神经网络的权值和阈值,建立GA-BP预测模型。将心理声学参量也作为模型的输入进行预测。模型对比结果表明,根据新参量建立的模型对非稳态信号声品质预测具有更高的精度,更能体现非稳态信号的特征。