畢鳳榮，黃 宇，張立鵬，沈鵬飛，呂大立

（1.天津大學(xué)，內(nèi)燃機(jī)燃燒學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300072； 2.天津內(nèi)燃機(jī)研究所，天津 300072）

Research on Subjective Evaluation Method of Vehicle Sound Quality Based on Interval Grey Number Theory

BiFengrong1，HuangYu1，ZhangLipeng2，ShenPengfei1＆LüDali2
1.TianjinUniversity，StateKeyLaboratoryofEngines，Tianjin 300072； 2.TianjinInternalCombustionEngineResearchInstitute，Tianjin 300072

［Abstract］In order to improve the reliability and practicability of subjective evaluation of vehicle sound quality，and to analyze the interior noise quality characteristics of pure electric vehicle under the condition of constant speed and acceleration，based on the anchored semantic differential method（ASDM）and the interval grey number theory，an improved subjective evaluation method of sound quality is proposed.Firstly，referring to a benchmark sample，the assessors use fuzzy scoring method to evaluate subjectively the noise samples in the vehicles.Secondly，the grey incidence degree is used as scorer reliability to eliminate the invalid score data.Thirdly，a certainty parameter of interval grey number is proposed as an important index for calculating the weights of scores in order to obtain the comprehensive scoring results of each sample.By comparison with the evaluation results of traditional semantic differential method（SDM）and ASDM，it is verified that the improved method can more accurately reflect people's subjective feelings about the noise in the vehicle while the workload of evaluation is not increased.The method is used to evaluate subjectively the interior noise quality of three pure electric vehicles of different positioning under different working conditions，so that the sound quality characteristics of three vehicles can be compared and analyzed.

Keywords：vehiclesoundquality；intervalgreynumber；subjectiveevaluation；semanticdifferential method

前言

主、客觀評(píng)價(jià)是量化汽車(chē)聲品質(zhì)優(yōu)劣程度的主要途徑［1］，雖然近幾年聲品質(zhì)客觀評(píng)價(jià)方法的研究取得了較大的進(jìn)步，基于各類(lèi)智能算法的聲品質(zhì)預(yù)測(cè)模型得到了一定的發(fā)展；但人的主觀感受作為對(duì)噪聲最直接的反應(yīng)，主觀評(píng)價(jià)試驗(yàn)仍是汽車(chē)聲品質(zhì)研究中不可或缺的一環(huán)［2］。目前國(guó)內(nèi)外較為成熟的主觀評(píng)價(jià)方法主要包括：簡(jiǎn)單排序法（ranking method，RM）、等級(jí)評(píng)分法（rating scale method，RSM）、成對(duì)比較法（paired comparison method，PCM）、語(yǔ)義細(xì)分法（semantic differential method，SDM）和參考語(yǔ)義細(xì)分法（anchored semantic differential method，ASDM）等，這些方法在車(chē)內(nèi)噪聲品質(zhì)評(píng)價(jià)研究中得到了較為廣泛的應(yīng)用［3］。其中RM和RSM簡(jiǎn)單易行，但前者的評(píng)價(jià)結(jié)果只體現(xiàn)了樣本好壞的趨勢(shì)，后者評(píng)分時(shí)易受相鄰樣本的影響，準(zhǔn)確性和可靠性較低。PCM工作量與樣本數(shù)量的平方成正比［4］，過(guò)多的樣本會(huì)造成評(píng)審員聽(tīng)覺(jué)疲勞而使評(píng)價(jià)結(jié)果失真［5］，因此需控制樣本數(shù)量。SDM是采用若干成對(duì)的語(yǔ)義詞匯來(lái)對(duì)樣本進(jìn)行不同維度的描述，為評(píng)審員打分提供參考，但在應(yīng)用過(guò)程中仍無(wú)法避免相鄰樣本間的干擾，評(píng)審員對(duì)語(yǔ)義詞匯的不同理解也會(huì)影響結(jié)果的一致性，樣本數(shù)量同樣不宜過(guò)多。ASDM是在SDM的基礎(chǔ)上改良得到［1］，它為評(píng)審員提供了一個(gè)基準(zhǔn)樣本作為對(duì)比參考，使整個(gè)評(píng)分過(guò)程的標(biāo)準(zhǔn)更加穩(wěn)定，放寬了樣本數(shù)量限制，評(píng)價(jià)結(jié)果更加可靠。

但是以上的幾種方法均默認(rèn)評(píng)審員在給每一個(gè)樣本打分時(shí)總能給出一個(gè)確切的分值，這顯然是不符合人對(duì)事物進(jìn)行主觀評(píng)判時(shí)的實(shí)際狀態(tài)，有限且固定排布的評(píng)分等級(jí)也限制了評(píng)審員的打分自由。由此Yuan等［6］引入了灰色區(qū)間的概念對(duì)ASDM進(jìn)行改進(jìn)，這種改進(jìn)的語(yǔ)義細(xì)分法所采用的每一個(gè)語(yǔ)義詞匯分別對(duì)應(yīng)一段區(qū)間灰數(shù)，評(píng)審員按照詞匯對(duì)每個(gè)樣本評(píng)出一個(gè)分?jǐn)?shù)范圍。但在實(shí)際應(yīng)用中發(fā)現(xiàn)，該方法沒(méi)有考慮評(píng)分區(qū)間長(zhǎng)度與評(píng)分者對(duì)該評(píng)分確信程度間的聯(lián)系，也沒(méi)有針對(duì)區(qū)間型分?jǐn)?shù)給出一套切實(shí)可行的評(píng)分者信度求法，而且該方法限定了每次給分的范圍，同樣沒(méi)有做到真正的模糊打分。

針對(duì)以上問(wèn)題，本文中提出了基于區(qū)間灰數(shù)理論［7］改進(jìn)的語(yǔ)義細(xì)分法。每位評(píng)審員以基準(zhǔn)樣本作為對(duì)比參考，采用任意模糊涂抹的方法對(duì)每個(gè)樣本進(jìn)行評(píng)分，得到一組分?jǐn)?shù)的區(qū)間序列。通過(guò)區(qū)間灰色關(guān)聯(lián)度［8］算法求出各個(gè)評(píng)審員與整體評(píng)分結(jié)果之間的關(guān)聯(lián)度作為評(píng)分者信度，以此對(duì)評(píng)分結(jié)果進(jìn)行篩選，最后考慮每個(gè)評(píng)分的區(qū)間長(zhǎng)度與評(píng)審員對(duì)該評(píng)分的確信程度間的關(guān)系，提出區(qū)間灰數(shù)確信度的計(jì)算方法，依據(jù)確信度對(duì)剩余的評(píng)分結(jié)果進(jìn)行加權(quán)平均得到最終評(píng)價(jià)結(jié)果。通過(guò)與SDM和ASDM的評(píng)價(jià)結(jié)果進(jìn)行對(duì)比分析，證明了改進(jìn)的語(yǔ)義細(xì)分法在保持同樣工作量的前提下，能更準(zhǔn)確合理地反映人對(duì)車(chē)內(nèi)噪聲的主觀感受，并利用該方法分析了3款不同定位的純電動(dòng)汽車(chē)的車(chē)內(nèi)噪聲品質(zhì)特性。

1 區(qū)間灰數(shù)理論的基本原理

定義 1［9－10］若實(shí)數(shù) α≤β，且［α，β］?B則稱(chēng)不確定數(shù)δ∈［α，β］為在論域B上以α為下界，β為上界的區(qū)間灰數(shù)，L（δ）＝β－α為灰數(shù)δ的區(qū)間長(zhǎng)度。

定義2［7］對(duì)于缺乏分布信息的區(qū)間灰數(shù)δ∈［α，β］，有如下情況。

（2）若 δ為離散型灰數(shù)，εi∈［α，β］（i＝1，2，…，n）為灰數(shù) δ的所有可能取值，則稱(chēng)為灰數(shù)δ的核。

定義3 對(duì)于離散型區(qū)間灰數(shù)，稱(chēng)其能取得的最小區(qū)間長(zhǎng)度θ為該區(qū)間灰數(shù)所處論域的分辨率，本文中設(shè)計(jì)的評(píng)分表的分辨率θ＝0.1。

定義 4［11］設(shè) δ1∈［α1，β1］，δ2∈［α2，β2］為兩個(gè)區(qū)間灰數(shù)，則稱(chēng) d（δ1，δ2）為區(qū)間灰數(shù) δ1與 δ2間的距離。

定義5［9］設(shè)某系統(tǒng)行為灰數(shù)序列為 X＝｛X0，X1，…，Xm｝，其中反映該系統(tǒng)行為特征的灰數(shù)參考序列X0以及影響該系統(tǒng)行為的因素組成的灰數(shù)比較序列 X1，X2，…，Xm如下：

稱(chēng) γ（X0，Xi）為 X0與 Xi的區(qū)間灰色關(guān)聯(lián)度，其中 ξ∈（0，1）為分辨系數(shù)，通常取0.5。

定理1［12］前文中定義的區(qū)間灰色關(guān)聯(lián)度γ（X0，Xi）滿(mǎn)足以下灰色關(guān)聯(lián)四公理。

（1）規(guī)范性，即 0＜γ（X0，Xi）≤1。

證明：因 d（δx，δy）≥（δ0（k），δi（k）），故滿(mǎn)足規(guī)范性。

（2）偶對(duì)對(duì)稱(chēng)性，即當(dāng) X＝｛Xx，Xy｝時(shí)，γ（Xx，Xy）＝γ（Xy，Xx）。

證明：因 d（δx，δy）＝d（δy，δx）且

（3）整體性，即當(dāng) Xx，Xy∈X＝｛Xs｜s＝0，1，2，…m；m≥2｝時(shí)，一般 γ（Xx，Xy）γ（Xy，Xx）。

證明：因 X＝｛Xs｜s＝0，1，2，…，m；m≥2｝，則對(duì)于任意 Xx，Xy∈X，一般有δx（k），δy（k））（δy（k），δx（k）），故滿(mǎn)足整體性。

（4）接近性，即隨著 d（δ0（k），δi（k））的減小，γ（δ0（k），δi（k））增大，顯然成立。

2 改進(jìn)的語(yǔ)義細(xì)分法

ASDM在SDM的基礎(chǔ)上進(jìn)行改進(jìn)，為評(píng)審員提供了一個(gè)基準(zhǔn)樣本作為對(duì)比參考，但固定的分值仍限制了評(píng)審員的打分自由，無(wú)法反映評(píng)審員真實(shí)的主觀感受。本文中認(rèn)為人在評(píng)判事物時(shí)的主觀感受是一個(gè)模糊的區(qū)間范圍，而非確定的值，并且模糊區(qū)間越長(zhǎng)，評(píng)分者對(duì)該分?jǐn)?shù)的不確信程度越高。遂結(jié)合區(qū)間灰數(shù)理論，以各個(gè)評(píng)審員的評(píng)分序列與整體評(píng)分序列間的區(qū)間灰色關(guān)聯(lián)度作為評(píng)分者信度，考慮評(píng)分區(qū)間長(zhǎng)度與評(píng)分者對(duì)該評(píng)分確信程度間的關(guān)系，提出了以下改進(jìn)的語(yǔ)義細(xì)分法，總體流程如圖1所示。

圖1 改進(jìn)的語(yǔ)義細(xì)分法總體流程圖

（1）設(shè)計(jì)了一套用于聲品質(zhì)主觀評(píng)價(jià)試驗(yàn)的模糊打分表。其部分表格如圖2所示，打分范圍為0～10分，分辨率為0.1，評(píng)價(jià)指標(biāo)選取“響亮與安靜”、“愉悅與煩躁”等成對(duì)詞組，以略微、一點(diǎn)、一些和十分等修飾語(yǔ)對(duì)語(yǔ)義等級(jí)進(jìn)行大致劃分。選取一個(gè)客觀聲學(xué)指標(biāo)適當(dāng)?shù)臉颖咀鳛榛鶞?zhǔn)樣本，令其分值為5。M位評(píng)審員參考基準(zhǔn)樣本，根據(jù)主觀感受逐一對(duì)N個(gè)噪聲樣本進(jìn)行任意范圍的模糊涂抹打分，評(píng)分過(guò)程基本滿(mǎn)足評(píng)審員自由打分的需求。

（2）統(tǒng)計(jì)評(píng)審團(tuán)的評(píng)分結(jié)果，得到一組區(qū)間灰數(shù)評(píng)分序列 X＝｛X0，X1，…，Xi，…，XM｝，其中 Xi＝（δi（1），δi（2），…，δi（k），…，δi（N）），δi（k）∈［αik，βik］，L（δi（k））＝βik－αik（i＝1，2，…，M）。i＝0時(shí)，由以下公式計(jì)算參考序列中各區(qū)間灰數(shù)的核、區(qū)間長(zhǎng)度以及上下界：

（3）按照式（1）～式（3）計(jì)算區(qū)間灰數(shù)評(píng)分序列X中各個(gè)比較序列與參考序列的關(guān)聯(lián)度作為評(píng)分者信度 γ（X0，Xi）（i＝1，2，…，M），將信度過(guò)低的 r個(gè)評(píng)審員的評(píng)分結(jié)果篩除，得到新的評(píng)分序列X′＝｛X′0，X′1，…，X′i，…，X′M－r｝。

圖2 主觀評(píng)價(jià)試驗(yàn)?zāi)：蚍直?/p>

（4）基于評(píng)分者對(duì)評(píng)分確信程度與評(píng)分區(qū)間長(zhǎng)度成相反的關(guān)系，提出了分?jǐn)?shù)確信度的概念，其計(jì)算式為

通過(guò)新的評(píng)分序列 X′＝｛X′0，X′1，…，X′i，…，X′M－r｝，計(jì)算得到評(píng)分區(qū)間灰數(shù)的核序列 Δ，按照式（7）計(jì)算得到每個(gè)區(qū)間灰數(shù)評(píng)分的確信度序列Π，其中 θ＝0.1。

（5）最后以樣本每個(gè)分?jǐn)?shù)的確信度與該樣本所有分?jǐn)?shù)確信度之和的比值作為分?jǐn)?shù)的權(quán)值，計(jì)算得到各個(gè)樣本的綜合得分：

3 試驗(yàn)

3.1 噪聲樣本采集及預(yù)處理

參考GB／T 18697—2002《聲學(xué)汽車(chē)車(chē)內(nèi)噪聲測(cè)量方法》對(duì)特斯拉model s、奇瑞eq以及長(zhǎng)城C30 EV這3款不同品牌、定位的純電動(dòng)汽車(chē)進(jìn)行了車(chē)內(nèi)噪聲采集試驗(yàn)。測(cè)試設(shè)備如表1所示，測(cè)點(diǎn)位置及設(shè)備設(shè)置狀態(tài)如圖3所示，選擇副駕駛位，模擬采集副駕駛員雙耳在車(chē)內(nèi)收聽(tīng)到的噪聲信號(hào)。試驗(yàn)時(shí)道路環(huán)境、聲學(xué)環(huán)境、車(chē)輛狀態(tài)以及設(shè)備設(shè)置均滿(mǎn)足上述標(biāo)準(zhǔn)要求。

表1 噪聲樣本采集試驗(yàn)設(shè)備

圖3 噪聲樣本采集試驗(yàn)裝置

所有樣本的采集工況為 20、40、60、80、100、120 km／h速度下的勻速工況，以及 0～120 km／h的全油門(mén)加速工況，按照國(guó)際通用要求，將這些樣本分別截取為5 s時(shí)長(zhǎng)的最佳噪聲樣本［5］。其中，由于動(dòng)力性能的差異，部分車(chē)型在個(gè)別高速或低速工況下的噪聲樣本無(wú)法獲得，最終采集到3輛車(chē)的25個(gè)噪聲樣本，如表2所示。

表2 各車(chē)型噪聲樣本采集工況

通過(guò)LMSTestlab軟件提取這些樣本的客觀響度值，選取其中12個(gè)響度值分布更為合理的噪聲樣本驗(yàn)證改進(jìn)的主觀評(píng)價(jià)方法的可靠性，如表3所示。

表3 用于方法驗(yàn)證的噪聲樣本及其響度排序

3.2 主觀評(píng)價(jià)試驗(yàn)

參考Ma等［3］的實(shí)驗(yàn)方案，選取“愉悅與煩躁”、“豪華與廉價(jià)”、“有力與乏力”作為聲品質(zhì)主觀評(píng)價(jià)指標(biāo)，以“略微”、“有些”、“十分”等如圖2所示的修飾語(yǔ)對(duì)語(yǔ)義等級(jí)進(jìn)行大致劃分。組織了18名相關(guān)專(zhuān)業(yè)聽(tīng)力健康的師生作為評(píng)審員，采用改進(jìn)的語(yǔ)義細(xì)分法按照上文中所述步驟依次完成對(duì)25個(gè)噪聲樣本的主觀評(píng)價(jià)試驗(yàn)。試驗(yàn)過(guò)程中均采用專(zhuān)業(yè)聲卡以及高保真耳機(jī)對(duì)噪聲樣本進(jìn)行隨機(jī)回放，評(píng)審員聽(tīng)音后在獨(dú)立設(shè)計(jì)的模糊打分表上逐一對(duì)樣本的3組評(píng)價(jià)指標(biāo)進(jìn)行主觀評(píng)分，試驗(yàn)設(shè)備如圖4所示。試驗(yàn)過(guò)程中，環(huán)境背景噪聲低于30 dB（A），風(fēng)速低于1 m／s，溫度維持在22℃左右，無(wú)明顯異味（后文中簡(jiǎn)稱(chēng)此試驗(yàn)為全樣本主觀評(píng)價(jià)試驗(yàn)）。

圖4 主觀評(píng)價(jià)試驗(yàn)設(shè)備

為驗(yàn)證改進(jìn)的語(yǔ)義細(xì)分法相對(duì)于其它方法更加可靠和實(shí)用，上述試驗(yàn)結(jié)束后，隨機(jī)抽取其中10名評(píng)審員在同樣條件下分別采用SDM、ASDM以及改進(jìn)的語(yǔ)義細(xì)分法對(duì)表3所示的12個(gè)樣本的響亮程度再次獨(dú)立進(jìn)行了3次主觀評(píng)價(jià)試驗(yàn)，并記錄了每位評(píng)審員的評(píng)分耗時(shí)（后文中簡(jiǎn)稱(chēng)此3次試驗(yàn)為方法驗(yàn)證試驗(yàn)）。

3.3 試驗(yàn)結(jié)果信度檢驗(yàn)

整理統(tǒng)計(jì)改進(jìn)的語(yǔ)義細(xì)分法的評(píng)分結(jié)果，得到一組區(qū)間灰數(shù)評(píng)分序列X＝｛X0，X1，…，Xi，…，XM｝，按照式（1）～式（6）計(jì)算各個(gè)評(píng)審員與總體評(píng)分之間的灰色關(guān)聯(lián)度作為該方法的評(píng)分者信度；通過(guò)SPSS軟件對(duì)SDM和ASDM的評(píng)分結(jié)果進(jìn)行相關(guān)分析，分別計(jì)算各個(gè)評(píng)審員評(píng)分?jǐn)?shù)列兩兩之間的Pearson相關(guān)系數(shù)，得到每個(gè)評(píng)審員與其它評(píng)審員之間的評(píng)分相關(guān)系數(shù)，取其算數(shù)平均值作為評(píng)分者信度。表4為采用改進(jìn)的語(yǔ)義細(xì)分法對(duì)所有噪聲樣本進(jìn)行的聲品質(zhì)主觀評(píng)價(jià)試驗(yàn)，18位評(píng)審員對(duì)于不同評(píng)價(jià)指標(biāo)的評(píng)分者信度；表5為方法驗(yàn)證試驗(yàn)中分別采用3種方法時(shí)10位評(píng)審員各自的評(píng)分者信度。

對(duì)于采用改進(jìn)的語(yǔ)義細(xì)分法進(jìn)行的主觀評(píng)價(jià)試驗(yàn)，各評(píng)審員的評(píng)分者信度取自區(qū)間灰數(shù)關(guān)聯(lián)度，目前還沒(méi)有相關(guān)文獻(xiàn)對(duì)其無(wú)效臨界點(diǎn)的取值做出指導(dǎo)，本文中取其平均值的85%作為無(wú)效臨界點(diǎn)，即對(duì)于評(píng)分序列灰色關(guān)聯(lián)度低于各評(píng)審員平均值85%的評(píng)審員，其評(píng)分序列應(yīng)當(dāng)予以剔除，以保證評(píng)分結(jié)果的有效性。由表4可知對(duì)所有樣本進(jìn)行的主觀評(píng)價(jià)試驗(yàn)中所有評(píng)審員的評(píng)分序列灰色關(guān)聯(lián)度均大于平均值的85%，全部有效。由表5可知，評(píng)審員g的評(píng)分序列灰色關(guān)聯(lián)度為0.582，小于平均值的85%，予以剔除。而對(duì)于采用SDM或ASDM進(jìn)行的主觀評(píng)價(jià)試驗(yàn)，評(píng)審員的評(píng)分者信度均取自評(píng)分?jǐn)?shù)列之間的Pearson相關(guān)系數(shù)，其數(shù)值高于0.7則視為具有較高的一致性［13］，由表5可知采用這兩種方法進(jìn)行的試驗(yàn)中所有評(píng)審員的評(píng)分結(jié)果均為有效。

表4 全樣本主觀評(píng)價(jià)試驗(yàn)中各評(píng)審員的評(píng)分者信度

表5 方法驗(yàn)證試驗(yàn)中各評(píng)審員的評(píng)分者信度

4 試驗(yàn)結(jié)果分析

4.1 方法驗(yàn)證試驗(yàn)結(jié)果分析

（1）試驗(yàn)結(jié)果對(duì)比分析

對(duì)SDM和ASDM的評(píng)分結(jié)果作算數(shù)平均處理，可得到各個(gè)樣本的最終綜合得分。對(duì)于改進(jìn)的語(yǔ)義細(xì)分法，在剔除無(wú)效數(shù)據(jù)后，按照式（8）對(duì)其評(píng)分結(jié)果進(jìn)行計(jì)算，便可得到各個(gè)樣本的最終得分。3種方法的最終結(jié)果如表6所示，其數(shù)值大小與樣本響度的變化大致成正相關(guān)。

表6 方法驗(yàn)證試驗(yàn)結(jié)果

為更加直觀地比較3種方法的評(píng)分結(jié)果與樣本實(shí)際響度大小的相關(guān)程度，利用SPSS統(tǒng)計(jì)學(xué)軟件計(jì)算3組結(jié)果與實(shí)際響度之間的Pearson相關(guān)系數(shù)，并分別對(duì)4組數(shù)據(jù)進(jìn)行歸一化處理后畫(huà)出點(diǎn)線圖，使樣本的實(shí)際響度參數(shù)與評(píng)分結(jié)果能夠在同一尺度上進(jìn)行比較，結(jié)果如表7和圖5所示。

表7 方法驗(yàn)證試驗(yàn)的結(jié)果與實(shí)際響度間的相關(guān)程度

圖5 方法驗(yàn)證試驗(yàn)的結(jié)果與響度隨樣本的變化趨勢(shì)

由圖5和表7可以看出，相比ASDM和SDM，改進(jìn)的語(yǔ)義細(xì)分法的試驗(yàn)結(jié)果在大部分的樣本點(diǎn)上與樣本的實(shí)際響度更為貼近，且整體的相關(guān)系數(shù)更大，表明改進(jìn)的方法能夠更加準(zhǔn)確合理地反映人對(duì)純電動(dòng)汽車(chē)車(chē)內(nèi)噪聲的主觀感受。

（2）工作量對(duì)比分析

忽略打分之外的其它操作耗時(shí)，將主觀評(píng)價(jià)試驗(yàn)的耗時(shí)分為聽(tīng)音耗時(shí)、打分耗時(shí)和猶豫耗時(shí)3部分。假設(shè)應(yīng)用SDM、ASDM和改進(jìn)的語(yǔ)義細(xì)分法進(jìn)行主觀評(píng)價(jià)試驗(yàn)時(shí)，每次打分的平均耗時(shí)分別為L(zhǎng)1、L2、L3，猶豫的平均耗時(shí)分別為為 H1、H2、H3，考慮SDM和ASDM的打分方式相同，ASDM和改進(jìn)的語(yǔ)義細(xì)分法的判斷依據(jù)相同，認(rèn)為 L1＝L2，H2＝H3，故可得到樣本數(shù)為10、樣本時(shí)長(zhǎng)為5 s時(shí)，這3種聲品質(zhì)主觀評(píng)價(jià)方法的理論耗時(shí)與實(shí)際耗時(shí)對(duì)比結(jié)果如表8所示。

從表8可以看出，針對(duì)單個(gè)樣本，ASDM實(shí)際上只比SDM多耗時(shí)3.07 s，而理論上兩者之差為（5 s＋H2－H1），故可合理推測(cè) H2＜H1，表明對(duì)于改進(jìn)的語(yǔ)義細(xì)分法或ASDM，選取一個(gè)基準(zhǔn)樣本作為評(píng)分參考，可以使評(píng)審員的主觀判斷更加果斷。對(duì)比ASDM，改進(jìn)的語(yǔ)義細(xì)分法總體上沒(méi)有明顯增加評(píng)審員的工作量，考慮新式的打分方式耗時(shí)與打分熟練程度以及評(píng)分表設(shè)計(jì)密切相關(guān)，可以認(rèn)為，改進(jìn)的語(yǔ)義細(xì)分法與ASDM的評(píng)分工作量基本相同。

表8 3種主觀評(píng)價(jià)方法耗時(shí)

4.2 全樣本主觀評(píng)價(jià)試驗(yàn)結(jié)果分析

同樣按照式（8）對(duì)全樣本主觀評(píng)價(jià)試驗(yàn)的評(píng)分結(jié)果進(jìn)行計(jì)算，得到3款純電動(dòng)汽車(chē)不同工況下各個(gè)樣本的最終得分，如圖6～圖8所示。

圖6 愉悅度主觀評(píng)價(jià)試驗(yàn)結(jié)果

圖7 豪華度主觀評(píng)價(jià)試驗(yàn)結(jié)果

由圖6～圖8結(jié)果可知：

（1）定位高端的特斯拉純電動(dòng)汽車(chē)與另外兩款定位較低端的車(chē)型相比，其車(chē)內(nèi)噪聲環(huán)境明顯更加令人舒適，但在動(dòng)力性上，定位更高端的純電動(dòng)汽車(chē)并沒(méi)有表現(xiàn)得更加出色；

（2）從整體上來(lái)看，隨著純電動(dòng)汽車(chē)車(chē)速的升高，其車(chē)內(nèi)噪聲會(huì)令人更加煩躁，并且使得汽車(chē)帶給人的豪華感下降，但其為汽車(chē)帶來(lái)的動(dòng)力感受影響并不大；

（3）電動(dòng)汽車(chē)車(chē)內(nèi)加速噪聲更容易使人體會(huì)到汽車(chē)的動(dòng)力性；

（4）愉悅度與豪華度指標(biāo)在語(yǔ)義上可能存在較多的重合部分，導(dǎo)致其主觀評(píng)價(jià)結(jié)果相近。

圖8 動(dòng)力性主觀評(píng)價(jià)試驗(yàn)結(jié)果

5 結(jié)論

采用基于區(qū)間灰數(shù)理論的主觀評(píng)價(jià)方法對(duì)3款不同定位的純電動(dòng)汽車(chē)車(chē)內(nèi)噪聲進(jìn)行了主觀評(píng)價(jià)試驗(yàn)。針對(duì)區(qū)間型分?jǐn)?shù)序列，以區(qū)間灰色關(guān)聯(lián)度作為評(píng)分者信度檢驗(yàn)的參數(shù)，考慮評(píng)審員對(duì)所評(píng)分?jǐn)?shù)的確信程度與分?jǐn)?shù)的區(qū)間長(zhǎng)度成相反的關(guān)系，提出了一種區(qū)間灰數(shù)的確信度參數(shù)作為計(jì)算分?jǐn)?shù)權(quán)值的重要指標(biāo)，最終得到了多組主觀評(píng)價(jià)試驗(yàn)的結(jié)果，對(duì)其進(jìn)行對(duì)比分析得到以下結(jié)論。

（1）改進(jìn)的語(yǔ)義細(xì)分法與ASDM的工作量基本相同，而且相比其它兩種主觀評(píng)價(jià)方法，改進(jìn)的語(yǔ)義細(xì)分法能更加準(zhǔn)確合理地反映人對(duì)車(chē)內(nèi)噪聲的主觀感受，一定程度上提升了主觀評(píng)價(jià)試驗(yàn)的可靠性。

（2）隨著純電動(dòng)汽車(chē)車(chē)速的提升，其車(chē)內(nèi)噪聲的煩躁度在整體上呈上升趨勢(shì)，且車(chē)速越高，電動(dòng)汽車(chē)給人帶來(lái)的豪華感越低。

（3）相比于勻速工況，加速工況下的噪聲更能表現(xiàn)出純電動(dòng)汽車(chē)的動(dòng)力性，故在以動(dòng)力性作為電動(dòng)汽車(chē)聲品質(zhì)的考察指標(biāo)時(shí)，采集加速工況的噪聲信號(hào)作為樣本尤為重要。