摘要：车辆悬架减振器异响严重削弱了车内声品质,针对该异响问题设计并开展了不同路况条件下的整车道路试验,对采集到的车内噪声信号分别计算A计权声压级与心理声学客观参量(响度、尖锐度、语音清晰度、抖动度和粗糙度)以提取减振器异响特征信息,并将其与主观评价进行了相关分析。另一方面,再引入小波包分解与样本熵的概念,对减振器异响特征信息进行了有效地提取,同时提出基于Adaboost的极限学习机(ELM)算法,建立了减振器异响声品质预测改进模型,并将其与支持向量机(Support Vector Machine,SVM)、广义神经网络(Generalized Regression Neural Network,GRNN)进行对比。研究结果表明:传统的A计权声压与心理声学指标不能有效地用于减振器异响声品质预测而结合小波包样本熵提取的异响特征与ELM-Adaboost算法能有效地对减振器异响声品质进行预测,并且效果优于SVM与GRNN。

摘要：针对某车型右后减振器异响问题,分别从源和传递路径做了系统的理论分析和试验验证,确定了减振器低温下异常振动和轮罩刚度弱是减振器异响根本原因。为了从工程设计和产品管控上彻底规避减振器异响问题,制定减振器单体台架试验方法和相应的控制指标,同时对传递路径的关键影响因素提出了结构设计建议及目标。