具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

需要说明的是，本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。本发明下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本发明实施例对此不作具体限制。

图1是本发明实施例提供的一种发动机怠速声品质优化方法的流程图。图 2是本发明实施例提供的声品质客观心理学参量与声品质主观评价等级分数之间的线性回归模型建立流程图。

如图1所示，发动机怠速声品质优化方法具体包括如下步骤：

步骤S101，获取发动机的多个噪声数据样本，并基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数。

具体地，声品质主观评价等级分数指的是个人对声音的满意程度，等级越高，人对声音的满意度越高。以柴油发动机为例，采集不同柴油发动机型号在不同工况下、不同测点位置下的噪声数据，得到多个噪声数据样本，由于不同人群对于不同频率段声音的敏感度是不同的，因此寻找不同年龄段的身体健康的人群，在同一设定环境条件下对每个噪声数据样本分别进行主观评价，得到声品质主观评价等级分数；再通过LMS软件计算每个噪声数据样本的声品质客观心理学参量。

步骤S102，根据声品质客观心理学参量以及声品质主观评价等级分数确定线性回归模型。

可选地，步骤S102，根据声品质客观心理学参量以及声品质主观评价等级分数确定线性回归模型包括：使用支持向量机算法建立声品质客观心理学参量以及声品质主观评价等级分数的线性回归模型。

具体地，如图2所示，在得到噪声数据样本的声品质客观心理学参量以及声品质主观评价等级分数之后，用支持向量机算法，以声品质客观心理学参量为输入，声品质主观评价等级分数为输出，建立出声品质客观心理学参量以及声品质主观评价等级分数的线性回归模型，其中，支持向量机(Support Vector Machine，SVM)算法是使用分类与回归分析来分析数据的监督学习模型及其相关的学习算法。

步骤S103，建立发动机的喷射参数与声品质客观心理学参量的预测模型，其中，喷射参数包括主喷提前角、预喷间隔角、预喷油量以及轨压。

具体地，决定发动机的燃烧状态的喷射参数主要包括主喷提前角、预喷间隔角、预喷油量以及轨压，建立出的预测模型为神经网络模型，人工神经网络是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的始终数学模型。

图3是本发明实施例提供的建立喷射参数与声品质客观心理学参量之间的预测模型的流程图。如图3所示，以喷射参数为输入，以声品质客观心理学参量为输出，运用神经网络算法建立喷射参数与声品质客观心理学参量之间的人工神经网络模型(即上述预测模型)。图4是本发明实施例提供的神经网络结构图，声品质客观心理学参量包括图4中所示的响度、尖锐度、粗糙度、波动度以及A计权声压级等，在建立起人工神经网络模型之后，可以通过Matlab软件自带的神经网络工具箱对建立的人工神经网络结构进行训练，训练结果如图 5至图8所示，以人工神经网络模型预测值Y和试验值T之间的决定系数R来验证其预测性能，要求Training集(训练集)、Validation集(验证集)以及 Test集(测试集)的R值均为9以上。

此外，为保证建立的喷射参数与声品质客观心理学参量的预测模型具有较高的精度，需要合理、准确的采集到高质量的喷射参数作为神经网络建模的试验数据，例如，可以采用正交表格法建立多组喷射参数的组合。

步骤S104，基于线性回归模型以及预测模型建立喷射参数以及声品质主观评价等级分数之间的传递函数。

具体地，图9是本发明实施例提供的建立传递函数以及进行全局寻优的流程图，如图9所示，在得到线性回归模型以及预测模型之后，整合喷射参数与声品质客观心理学参量之间的人工神经网络预测模型以及声品质客观心理学参量与声品质主观评级等级分数之间的一元线性回归模型，最终获得喷射参数与声品质主观评级等级分数之间的传递函数。

步骤S105，求解传递函数，得到发动机的最优喷射参数。

具体地，在得到喷射参数与声品质主观评级等级分数之间的传递函数之后，以该传递函数为适应度函数，以声品质主观评级等级分数最大值为目标，以喷射参数可选范围为约束，以喷射参数组合作为个体，通过Matlab软件自带的遗传算法工具箱进行全局寻优，最后得到最优喷射参数，并以最优喷射参数控制发动机进行工作，基于最优喷射参数进行工作的发动机的声品质最优。

如图9所示，使用遗传算法进行全局寻优的具体步骤如下：首先，对喷射参数进行基因编码，产生初始种群；第二，计算个体适应度并进行种群选优；第三，判断是否满足收敛要求，若是，则执行第四步染色体解码输出最优个体，结束全局寻优，若否，则执行第五步依次进行选择、交叉、变异；第六，在选择交叉变异之后重新计算个体适应度并进行种群选优；第七，产生第K+1代种群，并重新回到第三步再次判断是否满足收敛要求。

可选地，步骤S105，求解传递函数，得到发动机的最优喷射参数包括：通过遗传算法求解传递函数，得到发动机的最优喷射参数。

具体地，遗传算法是模拟生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程的搜索最优解的方法。遗传算法具有内在的隐并行性和更好的全局寻优能力，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则，因此，通过Matlab软件自带的遗传算法工具箱进行全局寻优，可在较短的时间内寻到全局最优值，避免了寻常标定方法因控制单一变量陷入了局部最优的缺陷。

本发明实施例通过最优化发动机的喷射参数来改变发动机的燃烧状态，解决了现有技术无法从根源上对发动机的声品质进行优化的技术问题，实现了从根源上优化发动机的声品质的技术效果，提高了产品的竞争力。

基于上述技术方案，本实施例对获取发动机的多个噪声数据样本，并基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数进行优化。图10是本发明实施例提供的另一种发动机怠速声品质优化方法的流程图，如图10所示，本实施例提供的发动机怠速声品质优化方法包括如下步骤：

步骤S201，获取发动机的多个噪声数据样本。

具体地，采集不同柴油发动机型号在不同工况下、不同测点位置下的噪声数据，得到多个噪声数据样本。

步骤S202，计算每个噪声数据样本的声品质客观心理学参量。

可选地，步骤S202，计算每个噪声数据样本的声品质客观心理学参量包括：计算每个噪声数据样本的响度、尖锐度、粗糙度、波动度以及A计权声压级。

具体地，可以使用LMS软件计算每个噪声数据样本的响度、尖锐度、粗糙度、波动度及A计权声压级等声品质客观心理学参量，其中，响度反映的是人为对声音强弱的主观感受程度，尖锐度用于描述高频噪声在频谱所占的比例，粗糙度用于表示人们对声音信号实时变化的感受程度，波动度用于反映声音的幅值调制特性。

步骤S203，对噪声数据样本进行主观评价，得到声品质主观评价等级分数。

可选地，步骤S203，对噪声数据样本进行主观评价，得到声品质主观评价等级分数包括：基于等级评分法对噪声数据样本进行主观评价，得到声品质主观评价等级分数。

具体地，等级评分法是将声品质的某一个属性划分为若干个等级，每个等级中又划分不同分值。表1是等级评分法评分表，参见表1，可以将身体健康的人群根据不同年龄段进行分组，然后在同一设定环境条件下让不同分组的人群通过等级评分法对每个噪声数据样本分别进行主观评。

表1.等级评分法评分表

步骤S204，根据声品质客观心理学参量以及声品质主观评价等级分数确定线性回归模型。

步骤S205，建立发动机的喷射参数与声品质客观心理学参量的预测模型，其中，喷射参数包括主喷提前角、预喷间隔角、预喷油量以及轨压。

步骤S206，基于线性回归模型以及预测模型建立喷射参数以及声品质主观评价等级分数之间的传递函数。

步骤S207，求解传递函数，得到发动机的最优喷射参数。

本发明实施例通过最优化发动机的喷射参数来改变发动机的燃烧状态，解决了现有技术无法从根源上对发动机的声品质进行优化的技术问题，实现了从根源上优化发动机的声品质的技术效果，提高了产品的竞争力。

图11是本发明实施例提供的又一种发动机怠速声品质优化方法的流程图。

基于上述技术方案，在获取发动机的多个噪声数据样本，并基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数之前，如图8所示，发动机怠速声品质优化方法还包括如下步骤：

步骤S301，根据正交表格法建立多组喷射参数的组合。

具体地，数据的建模通常离不开DOE(Design of Experiment，实验设计)，在本发明实施例中，试验设计采用正交表格法建立多组喷射参数的组合，正交表格法是一种正交设计中安排试验和分析测试结果的基本工具，具有以下两种特点：(1)每一列中，不同的数字出现的次数相等；(2)任意两列中数字的排列方式齐全且均衡。可以利用正交表的均衡搭配特性获取多组喷射参数的组合。表2示例性地给出了根据正交表格法建立的喷射参数组合。

表2.喷射参数组合表

步骤S302，获取每组喷射参数下的发动机的噪声数据样本。

具体地，参见图3，在采用正交表格法得到多组喷射参数之后，获取每组喷射参数下，柴油发动机在不同工况时的噪声数据样本。

步骤S303，基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数。

步骤S304，根据声品质客观心理学参量以及声品质主观评价等级分数确定线性回归模型。

步骤S305，建立发动机的喷射参数与声品质客观心理学参量的预测模型，其中，喷射参数包括主喷提前角、预喷间隔角、预喷油量以及轨压。

步骤S306，基于线性回归模型以及预测模型建立喷射参数以及声品质主观评价等级分数之间的传递函数。

步骤S307，求解传递函数，得到发动机的最优喷射参数。

本发明实施例通过最优化发动机的喷射参数来改变发动机的燃烧状态，解决了现有技术无法从根源上对发动机的声品质进行优化的技术问题，实现了从根源上优化发动机的声品质的技术效果，提高了产品的竞争力。

图12是本发明实施例提供的又一种发动机怠速声品质优化方法的流程图。

基于上述技术方案，在得到最优喷射参数之后，如图9所示，发动机怠速声品质优化方法还包括如下步骤：

步骤S401，获取发动机的多个噪声数据样本，并基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数。

步骤S402，根据声品质客观心理学参量以及声品质主观评价等级分数确定线性回归模型。

步骤S403，建立发动机的喷射参数与声品质客观心理学参量的预测模型，其中，喷射参数包括主喷提前角、预喷间隔角、预喷油量以及轨压。

步骤S404，基于线性回归模型以及预测模型建立喷射参数以及声品质主观评价等级分数之间的传递函数。

步骤S405，求解传递函数，得到发动机的最优喷射参数。

步骤S406，基于最优喷射参数控制发动机工作。

具体地，在求解得到最优喷射参数之后，以最优喷射参数控制发动机进行工作，基于最优喷射参数进行工作的发动机的声品质最优。

本发明实施例以数据标定的方法，即采用最优喷射参数对发动机进行控制的方法进行噪声声品质优化，无需更改柴油发动机内部的硬件配置即可实现声品质最优，有效缩短了优化发动机声品质的研发周期，减小了人力物力成本，性价比高。

本发明实施例还提供了一种发动机怠速声品质优化系统，用于执行本发明上述实施例所提供的发动机怠速声品质优化方法，以下对本发明实施例提供的发动机怠速声品质优化系统做具体介绍。

图13是本发明实施例提供的一种发动机怠速声品质优化系统的结构图。如图13所述，发动机怠速声品质优化系统主要包括：获取单元10，模型确定单元20，第一建立单元30，第二建立单元40，求解单元50，其中：

获取单元10，用于获取发动机的多个噪声数据样本，并基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数；

模型确定单元20，用于根据声品质客观心理学参量以及声品质主观评价等级分数确定线性回归模型；

第一建立单元30，用于建立发动机的喷射参数与声品质客观心理学参量的预测模型，其中，喷射参数包括主喷提前角、预喷间隔角、预喷油量以及轨压；

第二建立单元40，用于基于线性回归模型以及预测模型建立喷射参数以及声品质主观评价等级分数之间的传递函数；

求解单元50，用于求解传递函数，得到发动机的最优喷射参数。

通过使用本发明实施例提供的发动机怠速声品质优化系统，解决了现有技术无法从根源上对发动机的声品质进行优化的技术问题，实现了从根源上优化发动机的声品质的技术效果，提高了产品的竞争力。

可选地，模型确定单元20具体用于：使用支持向量机算法建立声品质客观心理学参量以及声品质主观评价等级分数的线性回归模型。

可选地，获取单元10包括：

获取子单元，用于获取发动机的多个噪声数据样本；

计算子单元，用于计算每个噪声数据样本的声品质客观心理学参量；

评价子单元，用于对噪声数据样本进行主观评价，得到声品质主观评价等级分数。

可选地，评价子单元具体用于：基于等级评分法对噪声数据样本进行主观评价，得到声品质主观评价等级分数。

可选地，计算子单元具体用于：计算每个噪声数据样本的响度、尖锐度、粗糙度、波动度以及A计权声压级。

可选地，在获取单元10获取发动机的噪声数据样本，并基于噪声数据样本确定声品质客观心理学参量以及声品质主观评价等级分数之前，发动机怠速声品质优化系统还包括：

参数确定单元，用于根据正交表格法建立多组喷射参数的组合；

样本获取单元，用于获取每组喷射参数下的发动机的噪声数据样本。

可选地，求解单元50具体用于：通过遗传算法求解传递函数，得到发动机的最优喷射参数。

可选地，在求解单元50得到最优喷射参数之后，发动机怠速声品质优化系统还包括：

控制单元，用于基于最优喷射参数控制发动机工作。

本发明实施例提供的发动机怠速声品质优化系统使用上述实施例中的发动机怠速声品质优化方法，因此本发明实施例提供的发动机怠速声品质优化系统也具备上述实施例中所描述的有益效果，此处不再赘述。

本发明实施例还提供了一种发动机，发动机包括上述任一实施例所述的发动机怠速声品质优化系统。

本发明实施例提供的发动机包括上述实施例中的发动机怠速声品质优化系统，因此本发明实施例提供的发动机也具备上述实施例中所描述的有益效果，此处不再赘述。

在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

最后应说明的是，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。