关键词:
高速列车
噪声
声品质
评价模型
神经网络
智能算法
摘要:
从声品质客观评价、声品质主观评价、声品质客观量化模型三方面介绍了当前高速列车车内声品质评价研究现状和结果,归纳了高速列车车内声品质主、客观评价方法,总结了高速列车声品质客观量化模型,探讨了不同模型的优缺点,展望了高速列车车内声品质评价未来的发展方向。分析结果表明:现阶段高速列车声学标准和声学设计目标大多采用A计权声压级作为车内噪声评价指标,但在大多数情况下高速列车车内噪声以中低频率为主,此时A计权声压级不能很好地表征人耳对高速列车车内噪声的主观感受,应考虑使用声品质对高速列车车内噪声进行主、客观评价;未来应重点关注声品质客观参量对高速列车车内声品质适用性的研究,如何提取关键的声品质客观参量是高速列车车内声品质评价研究的重要方向之一;现有的传统客观心理声学参量不能很好地与机器学习模型结合实现声品质的准确评价,将传统声音信号进行特征提取,并结合机器学习模型进行声品质评价分析是未来高速列车车内声品质评价的发展趋势;传统的高速列车车内声品质主观评价方法评价时间长,可重复性差;建立高精度声品质客观量化模型代替传统主观评价方法,以缩短评价时间,提高评价准确性,是未来高速列车车内声品质评价研究的重点方向;传统的多元线性回归模型不能很好地评价高速列车车内声品质,随着机器学习的迅速发展,未来选择合适的机器学习模型结合智能算法优化,开发更准确、高效的声品质评价预测模型是高速列车车内声品质研究的重要内容。