混合算法优化的乘用车舱内噪声感知烦恼度神经网络建模

摘要：

针对传统乘用车舱内噪声感知烦恼度量化模型精度低的问题,提出了一种利用混合算法优化的神经网络模型预测舱内噪声感知烦恼度的评价方法.此混合算法融合麻雀搜索算法(SSA)和遗传算法(GA),对反向传播(BP)神经网络进行优化,根据声品质主客观评价数据,建立SSA-GA-BP网络的乘用车舱内噪声感知烦恼度客观量化模型,与BP模型、GA-BP模型、SSA-BP模型进行对比分析.结果表明,SSA-GA-BP模型能够实现更高的预测精度,更接近主观评价数值,泛化能力更强,可替代传统的声品质主观评价实验.

关键词：舱内噪声、声品质、神经网络、遗传算法、麻雀搜索算法

所属期刊栏目：49

分类号：TP13;TP391.9;TP273

资助基金：中央高校基本科研业务费专项资金项目;中国博士后科学基金

在线出版日期：2024-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：254-262