一种永磁同步电机声品质评价方法

摘要

本发明涉及新能源车辆技术，具体涉及一种永磁同步电机声品质评价方法，包括下列步骤：建立永磁同步电机声音样本数据库；数据采集和筛选；通过LMS.Test.Lab和MATLAB软件对噪声信号声品质客观参量进行计算；针对电机噪声特性，建立基于Bradley‑Kullback选择权值选取关联样本的分组成对比较法，对传统分组成对比较法进行改进；根据主客观参量计算结果，建立RBF神经网络声品质预测模型，通过多种群遗传算法(MPGA)修正模型。该方法避免了关联样本在组数较多时，出现关联样本声品质位于组内极端位置失去关联效应。而且该方法无分组最大数目的限制，可适用于任意数量的噪声样本。

权利要求

1.一种永磁同步电机声品质评价方法，其特征是，包括以下步骤：步骤1、采集永磁同步电机多工况、多测点噪声样本；对采集的噪声样本进行剪切、预处理，建立永磁同步电机声音样本数据库；

步骤2、基于步骤1声音样本数据库，采用Bradley‑Kullback改进的分组成对比较法作为主观评价方法，组织被试人员进行主观听审试验，并对听审结果进行计权一致性筛选，剔除偏差较大的数据；

步骤3、基于步骤2所得声音样本数据库，使用LMS.Test.Lab和MATLAB软件对声品质客观参量进行计算；

步骤4、以步骤3提取的声品质客观的两级评价参量为输入，以步骤2主观评价结果为输出，采用RBF神经网络进行永磁同步电机声品质主客观建模，并分析网络初始参数对模型性能的影响；

步5、根据步骤4客观参量分析结果，采用多种群遗传算法MPGA对模型进行修正；

步骤2所述基于Bradley‑Kullback改进的分组成对比较法具体实现包括：步骤2.1、将采集的永磁同步电机噪声信号按照转速和扭矩进行分组，每组噪声数量为

8‑15份，分组数目根据采集的电机噪声信号总数进行调整；

步骤2.2、对第一组噪声信号进行打分；设第一组噪声信号数目为m，通过计权一致性系数检验去除不合理评价主体，得到M1个有效评价结果；对各工况噪声信号得分进行汇总，为ni，ni所能取得最大值为Ni，Ni＝M1*m；

步骤2.3、设第一组中所有噪声样本声品质能力参数值为γi，记Nij为个体xi与xj相互比较总次数，nij为个体xi优于xj的总次数，每次比较相互独立，即nij服从二项分布bin(Nij,Pij)，则有：ni＝sum(nij)；Ni＝sum(Nij)；

步骤2.4、设个体能力参数γi的最大似然值为L，由Bradley模型得：步骤2.5、通过最大似然法对公式(1)化简得公式(2)，并求解公式(2)得到第一组所有噪声样本声品质能力参数值：步骤2.6、将步骤2.5所得到的每个噪声信号声品质能力参数值回代入Logit模型中，得到第一组所有噪声样本选择概率矩阵；

步骤2.7、将步骤2.6得到的选择概率矩阵通过和积法对选择概率矩阵进行权重分析，得到第一组噪声信号声品质选择权值；

步骤2.8、通过Kullback距离检验公式(3)对第一组噪声样本选择概率矩阵进行关联样本最佳位置计算，当U处于极大值位置时，对应的关联样本处于最佳选择区间：其中，Xij为噪声样本i与j在成对比较中选择样本i的概率，E(.)为均值，m为该组噪声样本总数；

步骤2.9、确定同时满足选择权值处于组内均值两端，且位于Kullback最佳关联样本区间的分组成对比较法关联样本；

步骤2.10、通过公式 对各组评价结果进行数据反演，其中T1j和T2j为关联样本在原始组内评价值，α为比例系数，β为平移调整量，i为噪声样本在各组内部编号，j为组号。

说明书

一种永磁同步电机声品质评价方法

技术领域

[0001] 本发明属于新能源车辆技术领域，特别涉及一种永磁同步电机声品质评价方法。

背景技术

[0002] 新能源汽车与传统汽车相比，其能量转换方式发生了质的变化，驱动动力依靠高速驱动电机来提供。取消了：发动机、供油系统、进气以及排气系统等。故以驱动电机为核心的驱动和供能系统噪声，是新能源汽车的主要的也是独有的噪声成分。因此控制新能源汽车驱动电机噪声水平可以大幅度提高产品的舒适性能。

[0003] 对于新能源汽车，驱动电机噪声是车内噪声的重要组成部分，如何控制车内噪声，如何提升车内噪声声品质，从源头上来说，还是需要解决好驱动电机的噪声水平，提升驱动电机噪声的声品质。所以永磁同步电机声品质的控制与评价成为当前研究的重点。

[0004] 传统分组成对比较法事先确定关联样本导致在分组较多时，其关联样本在后面样本组适应性较差，导致在评价结果反演中评价精度下降。

[0005] 因此在原来的声品质评价体系的基础上，需要提出一种更合理、更全面、更系统的主观评价方法，为永磁同步电机声品质预测模型的建立提供更准确的支撑。

发明内容

[0006] 针对背景技术存在的问题，本发明提供一种基于Bradley‑Kullback改进的分组成对比较法。

[0007] 为解决上述技术问题，本发明采用如下技术方案：一种永磁同步电机声品质评价方法，包括以下步骤：

[0008] 步骤1、采集永磁同步电机多工况、多测点噪声样本；对采集的噪声样本进行剪切、预处理，建立永磁同步电机声音样本数据库；

[0009] 步骤2、基于步骤1声音样本数据库，采用Bradley‑Kullback改进的分组成对比较法作为主观评价方法，组织被试人员进行主观听审试验，并对听审结果进行计权一致性筛选，剔除偏差较大的数据；

[0010] 步骤3、基于步骤2所得声音样本数据库，使用LMS.Test.Lab和MATLAB软件对声品质客观参量进行计算；

[0011] 步骤4、以步骤3提取的声品质客观的两级评价参量为输入，以步骤2主观评价结果为输出，采用RBF神经网络进行永磁同步电机声品质主客观建模，并分析网络初始参数对模型性能的影响；

[0012] 步5、根据步骤4客观参量分析结果，采用多种群遗传算法MPGA对模型进行修正。

[0013] 在上述永磁同步电机声品质评价方法中，步骤2所述基于Bradley‑Kullback改进的分组成对比较法具体实现包括：

[0014] 步骤2.1、将采集的永磁同步电机噪声信号按照转速和扭矩进行分组，每组噪声数量为 8‑15份，分组数目根据采集的电机噪声信号总数进行调整；

[0015] 步骤2.2、对第一组噪声信号，通过成对比较法开始进行主观评价，打分方式为噪声i 比j听起来更舒服打1分，反之则打0分；设第一组噪声信号数目为m，通过计权一致性系数检验去除不合理评价主体，得到M1个有效评价结果；对各工况噪声信号得分进行汇总，设该值为ni，理论上ni所能取得最大值为Ni，Ni＝M1*m；

[0016] 步骤2.3、设第一组中所有噪声样本声品质能力参数值为γi，记Nij为个体xi与xj相互比较总次数，nij为个体xi优于xj的总次数，假如每次比较相互独立，即nij服从二项分布 bin(Nij,Pij)，则有：ni＝sum(nij)；Ni＝sum(Nij)；

[0017] 步骤2.4、设个体能力参数γi的最大似然值为L，由Bradley模型得：

[0018]

[0019] 步骤2.5、通过最大似然法对公式(1)化简得公式(2)，并求解公式(2)得到第一组所有噪声样本声品质能力参数值：

[0020]

[0021] 步骤2.6、将步骤2.5所得到的每个噪声信号声品质能力参数值回代入Logit模型中，得到第一组所有噪声样本选择概率矩阵；

[0022] 步骤2.7、将步骤2.6得到的选择概率矩阵通过和积法对选择概率矩阵进行权重分析，得到第一组噪声信号声品质选择权值；

[0023] 步骤2.8、通过Kullback距离检验公式(3)对第一组噪声样本选择概率矩阵进行关联样本最佳位置计算，当U处于极大值位置时，对应的关联样本处于最佳选择区间：

[0024]

[0025] 其中，Xij为噪声样本i与j在成对比较中选择样本i的概率，E(.)为均值，m为该组噪声样本总数；

[0026] 步骤2.9、确定同时满足选择权值处于组内均值两端，且位于Kullback最佳关联样本区间的分组成对比较法关联样本；

[0027] 步骤2.10、通过公式 对各组评价结果进行数据反演，其中T1j和T2j为关联样本在原始组内评价值α为比例系数，β为平移调整量，i为噪声样本在各组内部编号，j为组号。

[0028] 与现有技术相比，本发明的有益效果是：建立基于Bradley‑Kullback选择权值选取关联样本的分组成对比较法，通过Bradley选择权值和Kullback最佳距位置确定关联样本。自适应选取关联样本，避免了关联样本在组数较多时，出现关联样本声品质位于组内极端位置失去关联效应。该方法无分组最大数目的限制，可适用于任意数量的噪声样本。

附图说明

[0029] 图1为本发明一个实施例永磁同步电机声品质评价流程；

[0030] 图2为本发明一个实施例Bradley‑Kullback自适应分组成对比较法关联样本选择示意图；

[0031] 图3为本发明一个实施例MPGA‑RBF神经网路结构模型。

具体实施方式

[0032] 下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0033] 需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

[0034] 下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。

[0035] 本实施例是通过以下技术方案来实现的，一种永磁同步点机声品质评价方法，包括下列步骤：

[0036] 步骤a：建立永磁同步电机噪声样本数据库，方法如下：

[0037] (1)采集永磁同步电机多工况、多测点噪声样本；

[0038] (2)对采集的声音样本进行剪切、预处理，建立样本数据库；

[0039] 步骤b：采用Bradley‑Kullback改进的分组成对比较法，组织被试人员进行主观听审试验，并对听审结果进行计权一致性筛选，剔除偏差较大的数据。

[0040] 步骤c:通过公式 对各组评价结果进行数据反演，其中 T1j和T2j为关联样本在原始组内评价值α为比例系数；β为平移调整量；i为噪声样本在各组内部编号；j为组号。

[0041] 步骤d：基于步骤c的声音样本数据库，使用LMS.Test.Lab和MATLAB软件进行声品质客观参量进行计算。

[0042] 步骤e：以步骤d提取的声品质客观的两级评价参量为输入，以步骤c主观评价结果为输出，采用RBF神经网络进行永磁同步电机声品质主客观建模，并分析网络初始参数对模型性能的影响。

[0043] 步骤f：根据步骤e客观参量分析结果，采用多种群遗传算法(MPGA)对模型进行修正。

[0044] 并且，步骤b中，基于Bradley‑Kullback改进的分组成对比较法，将采集的永磁同步电机噪声信号按照转速和扭矩进行分组，每组噪声数量为8‑15份，分组数目根据采集的电机噪声信号总数进行调整。

[0045] 并且，步骤b中，基于Bradley‑Kullback改进的分组成对比较法，对第一组噪声信号，通过成对比较法开始进行主观评价，打分方式为噪声i比j听起来更舒服打1分，反之则打 0分。设第一组噪声信号数目为m。通过计权一致性系数检验去除不合理评价主体，得到 M1个有效评价结果。对各工况噪声信号得分进行汇总，设该值为ni(对其求平均即为传统的主观评价得分均值)，设理论上ni所能取得最大值为Ni，Ni＝M1*m。

[0046] 并且，步骤b中，Bradley‑Kullback改进的分组成对比较法，设第一组中所有噪声样本声品质能力参数值为γi，记Nij为个体xi与xj相互比较总次数，nij为个体xi优于xj的总次数，假如每次比较相互独立，即nij服从二项分布bin(Nij,Pij)，则有：ni＝sum(nij)；Ni＝sum(Nij)。

[0047] 并且，步骤b中，Bradley‑Kullback改进的分组成对比较法，设个体能力参数γi的最大似然值为L，由Bradley模型得：

[0048]

[0049] 并且，步骤b中，Bradley‑Kullback改进的分组成对比较法，通过最大似然法对公式(1) 化简得公式(2)，并求解公式(2)得到第一组所有噪声样本声品质能力参数值。

[0050]

[0051] 并且，步骤b中，Bradley‑Kullback改进的分组成对比较法，通过Kullback距离检验公式(3)，其中Xij为噪声样本i与j在成对比较中选择样本i的概率，E(.)为均值，m为该组噪声样本总数。对第一组噪声样本选择概率矩阵进行关联样本最佳位置计算，当U处于极大值位置时，对应的关联样本即处于最佳选择区间。

[0052]

[0053] 并且，步骤b中,Bradley‑Kullback改进的分组成对比较法，同时满足选择权值处于组内均值两端，且位于Kullback最佳关联样本区间，即为所确定的分组成对比较法关联样本。如图2所示。

[0054] 通过听音实验，设置传统分组成对比较法对全部样本进行主观评价，得到评价结果，通过相关性和预测模型精度分析，验证本方法准确性。

[0055] 具体实施时，本实施例通过测试永磁同步电机多种工况下的噪声数据，以响度、尖锐度、粗糙度、抖动度和语义清晰度等作为初级客观评价指标；采用基于Bradley‑Kullback选择权值改进的分组成对比较法对电机噪声样本进行主观评价，利用MPGA‑RBF神经网络建立永磁同步电机声品质主客观评价预测模型。一种新型的永磁同步电机声品质评价流程如图1所示，方法的具体步骤如下：

[0056] (1)建立永磁同步电机噪声样本数据库

[0057] 在精密级、半自由声场噪声实验室内进行永磁同步电机噪声取样测试，参照国标GB/T 10069.1‑2006(旋转电机噪声测定方法及限值)、GB/T 755‑2019(旋转电机定额和性能)、GB/T 6379.6‑2009(测量方法与结果的准确度)、ISO 112004‑2014(声学，噪声机器和设备)，等标准确定试验方案，采集永磁同步电机多工况、多测点噪声样本。

[0058] 对采集的声音样本进行剪切、预处理，建立样本数据库。对声音样本的要求：1)剪切不宜过长或过短，一般长度为3‑8s，过长或过短都可能会影响听审人员的主观评价准确性；2) 声音样本要保证是WAV波形文件，不能保存成MP3等文件，避免信号转换导致声音失真。 3)每个声音样本时域信号结尾处插入1.5s静音，该措施可以避免声音样本间出现掩蔽效应，影响评价结果。

[0059] (2)永磁同步电机噪声信号主观评价

[0060] 步骤a、基于步骤(1)声音样本数据库，将声音样本按照整体数目进行分组，分组需遵循每组噪声样本数目为8‑15之间，避免相近工况集中分布在同一组的情况。

[0061] 步骤b、根据步骤a分组情况，对第一组噪声采用成对比较法进行主观评价。

[0062] 步骤c、根据步骤b评价结果，通过计权一致性系数检验去除不合理评价主体，得到 M1个有效评价结果。对各工况噪声信号得分进行汇总，得到每个噪声样本评价总得分ni，通过公式Ni＝M1*m计算评价总得分可能出现的最大结果Ni。

[0063] 步骤d、通过释然函数展开，得到每个噪声样本选择概率释然函数公式：

[0064]

[0065] 步骤e、对释然函数公式(1)通过最大释然法化简得到公式(2)，并对其进行求解，其结果即为该组噪声信号声品质分值。

[0066]

[0067] 步骤f、将步骤e得到的结果回代入Logit模型中，得到改组所有噪声样本选择概率矩阵。

[0068] 步骤g、将步骤f得到的选择概率矩阵通过和积法和Kullback距离检验公式进行计算，通过挑选中间层次的选择权值以及处于最佳位置的噪声样本作为关联样本。

[0069] 步骤h、将关联样本置入下一组中，进行主观评价，重复步骤b到h。

[0070] 步骤i、通过公式 对各组评价结果进行数据反演,得到所有噪声样本评价结果。

[0071] 在本实例中，通过Bradley‑Kullback选择权值改进的分组成对比较法对24个不同工况的电机噪声进行了主观评价。以MPGA‑RBF神经网络作为声品质预测模型，网络结构如附图 3所示。

[0072] 以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。