[发明专利]汽车座椅水平驱动器的辐射噪声合格性的检测方法

权利要求书

1.汽车座椅水平驱动器的辐射噪声合格性的检测方法，包括以下步骤：

1)采集HDM近场声信号和计算声品质客观参量；

采用中国专利公开CN2016109384646公布的低噪声产品的近场声信号采集实验、声信号时频分析和声品质客观参量计算分析方法，获取含HDM特征信息的近场声信号及对应的声品质客观参量信息，包括：响度、尖锐度、粗糙度；

2)构建声品质合格性评价指标的多元线性回归模型；将主观评价与客观评价初步分析的结果进行结合，使用多元线性回归的数学模型，并经过显著性和拟合程度的检验，将声品质客观评价结果与主观评价偏好性值进行相关性与回归性分析，建立人耳对HDM的主观感受与声品质客观参量之间的关系，使评价方法可以将各个声品质客观参量以一定权重结合起来，表征为HDM声品质合格性，其评价指标公式为：Q＝31.917-1.311×Loudness-5.84×Roughness

Loudness表示响度客观参量指标，Roughness表示粗糙度客观参量指标，Q为的经互相关和线性回归分析获得的声品质客观参量综合评价指标；

3)对HDM样品进行声品质合格程度预测；检测过程中，通过响度、粗糙度代入回归模型计算得到的主观偏好性值；根据得到的综合指标值是否超过合格品的范围进而判断HDM声品质是否合格。

2.如权利要求1所述的汽车座椅水平驱动器的辐射噪声合格性的检测方法，其特征在于：步骤2)具体包括：

2.1选择多元线性回归的数学模型；

自变量个数为p的多元性线性回归模型可以表示为：

式中，ε_i～N(0,σ²)，即它们为独立同分布的正态随机变量，a,b₁,b₂,…,b_p称为回归系数，为求解这些回归系数的值，通常采用最小二乘法，即误差平方和过达到最小的a,b₁,b₂,…,b_p作为最佳估计值；即，

令关于a和b_j的偏导数为0，整理得正规方程如下：

若令：

其中，b₀＝a；将(1-4)写成矩阵形式，线性回归模型可表示为：

Y＝Xβ+ε (6)

由(6)可得正规方程为：

X'Xβ＝X'Y (7)

由(7)得：

β＝(X'X)^-1X'Y (8)

采用利用逐步回归法进行相关自变量引入和非相关自变量剔除，即先对偏相关系数最大的变量做显著性回归检验以决定该变量是否进入方程，然后将方程中的每个变量作为最后选入方程的变量并做偏F检验，决定该变量能否留在回归模型中；这样既有引入变量也有剔除变量，原来被剔除的变量也有可能被引入到方程中；

2.2检验显著性和拟合程度；

使用如下的F统计量对回归模型进行显著性检验：

其中，为回归平方和，为残差平方和；在给定的显著性水平α下，若F＜F_α，则认为估计的线性回归模型是显著的；

多元线性回归模型中，要分析自变量X对因变量Y的影响是否显著，就需对其经验回归系数b_i是否为0进行检验；回归系数不为0时，X对因变量Y的影响程度显著；在确保回归模型显著后，应进一步检验回归系数的显著性；对第i个变量的回归系数的检验统计量t为：

其中，C＝(X'X)^-1，C_kk为矩阵C的元素，由数据计算的检验统计量可以进一步判断各回归模型拟合的好坏；

接下去判断线性回归模型相关指数的大小，即R²，表征的是回归模型能够描述自变量与因变量关系的程度：

其中，R²越大表示回归模型的拟合程度越好，即模型对自变量与因变量之间关系的预测效果越好；R表示X₁至Xp的线性关系大小；

2.3主客观评价相结合，根据声品质客观参量得到评价指标的回归模型；

为了建立HDM声品质心理声学客观参量与主观评价结果之间的关系模型，选择响度、尖锐度、粗糙度、抖动度作为自变量，分别用x₁、x₂、x₃、x₄表示，因变量为通过声品质主观评价得到的主观偏好性值，表示为P，则HDM的声品质评价多元线性回归模型为：

P＝a+b₁x₁+b₂x₂+b₃x₃+b₄x₄ (12)

其中a为常数项；b₁、b₂、b₃、b₄为回归性系数；

将HDM声品质心理声学客观参量代入至式(12)自变量x₁、x₂、x₃、x₄的位置，将HDM声品质主观评价结果代入至P处，建立两者之间的关系模型；通过线性回归方法中的逐步回归法，计算得出自变量的系数b₁、b₂、b₃、b₄，并对模型的显著性、回归性进行检验，确定模型中的系数符合自变量与因变量之间的逻辑关系，并将确定下来的方程模型投入到更多的HDM产品的声品质检测中，评价HDM声品质是否合格；

将HDM声品质主观评价结果，即主观评价者对每个声音样本的主观偏好性与其声品质客观参量数据导入到SPSS软件中进行回归性分析，回归模型在已有响度参量的基础上，本次回归分析采用逐步法，剔除掉不合适的自变量，留下能影响主观偏好性的声品质客观参量作为回归模型的自变量，主观偏好性值为因变量，获得准确的回归模型；因变量为通过HDM声品质主观评价后每个声音样本的主观偏好性值；

选择包含了响度和粗糙度两个声品质客观参量的模型作为HDM声品质合格性评价指标的回归模型；

线性回归模型的方差分析，随着粗糙度的引入，模型的均方误差不断减小，表示模型的回归效果显著性提高；此外，模型在进行F检验时的显著性概率为0(Sig.＝0)，小于α＝0.01；因此可以得出结论：可以拒绝总体回归系数是0的原假设，所以回归模型是有意义的，且回归模型显著；

模型中的响度、粗糙度变量系数均经过t检验，其显著性概率均小于0.05(Sig.0.05)，因此模型中的所有变量系数均有显著意义；

综合以上回归分析的结果可以得出：粗糙度与响度对人的主观偏好性值影响均较为显著，将回归系数值与常数项值代入回归模型方程中，可得到HDM声品质合格性指标Q的多元线性回归模型：

Q＝31.917-1.311×x₁-5.84×x₃ (13)

将其中的x₁和x₃分别用响度和粗糙度数值代替，回归模型可以写作：

Q＝31.917-1.311×Loud.-5.84×Rough. (14)

其中，Loud.与Rough.分别对应HDM的响度和粗糙度。