一种用户异响抱怨的风险程度评估方法与流程

本发明涉及车辆异响评价领域，尤其涉及一种用户异响抱怨的风险程度评估方法。

背景技术：

1、在汽车行业，整车异响抱怨问题已经成为广泛存在的挑战。一旦用户发现某个异响声音，由于掩蔽效应的存在，异响听阈提高，他们更容易在以后的使用中再次注意到这一异响，从而加深用户的感知和烦躁情绪。

2、目前，对于汽车异响问题的研究主要集中在工程领域，通过传感器和测试设备获得的物理参数进行分析，例如声音强度、频率谱等。然而，这些参数未必能充分反映用户对异响的主观感受，无法很好地描述用户对于抱怨类异响的厌烦程度，评估客户心理抱怨程度。且重复多次的异响，会改变其听阈，加深客户的厌恶程度，无法用常规物理参数描述。随着心理声学研究的深入，越来越多的关注被集中在声音对个体心理状态和情感的影响上，为评估用户对异响的感知和抱怨程度提供了一种新的可能性。

3、中国发明cn114764526a公开了一种用于车辆异响性能的评价方法，在测试条件下，通过测试人员对车辆内部的异响的接受程度进行主观评价并记录该主观评价的数据；在与主观评价相同的测试条件下，利用客观测试模块对车辆内部的异响进行检测和处理，获得车辆内部的异响的声品质参数的数据；将记录的主观评价数据与获得的声品质参数数据进行匹配，建立主观评价数据与声品质参数数据相对应的评价矩阵。上述发明利用评价矩阵评价车辆的异响性能，评价过于复杂，且未涉及开发阶段与售后阶段异响的关联，无法在开发阶段评估异响风险，可能会导致为解决开发中异响问题投入大量资源，不利于研发资源利用率的优化。

技术实现思路

1、本发明的目的在于，提供一种用户异响抱怨的风险程度评估方法，以解决上述问题，可以预测用户在市场上对异响抱怨的可能程度，有助于提前采取措施，减少售后成本和品牌形象受损的风险。

2、本发明提出了一种用户异响抱怨的风险程度评估方法，包括如下步骤：

3、步骤s1、获取用户抱怨的异响音频数据；

4、步骤s2、计算异响的能量凸显度a；

5、步骤s3、构建调制异响矩阵，所述调制异响矩阵包括若干个调制异响凸显度，所述调制异响凸显度的取值范围为a-100％～a+100％；

6、步骤s4、获取主观抱怨程度数据；

7、步骤s5、关联调制异响矩阵与主观抱怨程度数据，确定心理凸显度b；

8、步骤s6、使用神经网络模型预测异响在市场中引起用户抱怨的风险程度，所述用户抱怨的风险程度通过心理凸显度b表征。

9、在一个实施例中，所述步骤s1具体包括：

10、定位用户抱怨的异响，识别并复现用户抱怨的异响；

11、对发生异响的工况进行分析和拆解；

12、使用数据采集系统，采集异响工况下整车的异响音频数据。

13、在一个实施例中，采集异响工况下整车的异响音频数据时，数据采集系统的采样率为分析带宽的2.56倍以上。

14、在一个实施例中，所述步骤s2具体包括：

15、使用信号处理软件对异响音频数据进行fft分析，得到异响音频的频谱图，所述频谱图的横坐标表示频率；

16、确定异响中心频率fc、异响抱怨频带上限频率fc,u和异响抱怨频带下限频率fc,l；

17、根据异响中心频率fc、异响抱怨频带上限频率fc,u和/或异响抱怨频带下限频率fc,l计算基准频带上限频率fu,u和基准频带下限频率fl,l；

18、根据异响抱怨频带上限频率fc,u、异响抱怨频带下限频率fc,l、基准频带上限频率fu,u和基准频带下限频率fl,l计算异响的能量凸显度a。

19、在一个实施例中，所述信号处理软件为声振分析软件，包括head artemis、lmstestlab和/或bbm pak。

20、在一个实施例中，

21、基准频带上限频率fu,u的计算公式为：

22、

23、其中，当20hz≤fc≤200hz时，cu,0＝-0.71，ci,1＝-0.40，cu,2＝2.24，cu,3＝0.017，cu,4＝-0.019；当200hz<dc≤2000hz时，cu,0＝104.27，cu,1＝3.71，cu,2＝-2.66，cu,3＝-2.41×10-3，cu,4＝2.32×10-3；当2000hz<fc<10000hz时，cu,0＝-0.67，cu,1＝-0.56，cu,2＝1.59，cu,3＝-1.1×10-5，cu,4＝1.01×10-5；

24、基准频带下限频率fl,l的计算公式为：

25、

26、其中，当20hz≤fc≤200hz时，cl,0＝-11.33，cl,1＝-0.64，cl,2＝1.82，cl,3＝4.11×10-5，cl,4＝-1.04×10-3；当200hz<fc≤2000hz时，cl,0＝-13.09，cl,1＝-0.77，cl,2＝1.66，cl,3＝9.6×10-4，cl,4＝1.04×10-3；当2000hz<fc<10000hz时，cl,0＝56.60，cl,1＝1.96，cl,2＝-1.02，cl,3＝-2.89×10-4，cl,4＝2.96×10-4；

27、异响的能量凸显度a的计算公式为：

28、在一个实施例中，所述步骤s3中调制异响矩阵包括8个调制异响凸显度，分别为a-10％，a-5％，a+5％，a+10％，a+15％，a+20％，a+25％，a+30％。

29、在一个实施例中，所述步骤s4中，试验人员对多次回放后的异响音频进行主观抱怨程度评测以获取主观抱怨程度数据，具体包括：

30、参照性别、年龄、教育程度、有无声学评价经验选定试验人员，年龄分为20岁-29岁、30岁-39岁、40岁-49岁、50岁及以上，教育程度分为专科、本科、硕士、博士；

31、对试验人员连续回放20次以上异响音频后进行主观抱怨程度评测，主观抱怨程度包括10个分值，分别为1、2、3、4、5、6、7、8、9、10，分值越低表示试验人员对异响抱怨程度越高，1-5表示试验人员对异响不可接受，6-10表示试验人员对异响可接受。

32、在一个实施例中，所述步骤s5具体包括：

33、调制异响音频，使调制后的异响音频分别满足调制异响凸显度；

34、试验人员对调制后的异响音频进行主观抱怨程度评价；

35、选择与多次回放后的异响音频主观抱怨程度最接近的调制后的异响音频，其对应的调制异响凸显度a+x％即为异响的心理凸显度b。

36、在一个实施例中，所述步骤s6中神经网络模型为bp神经网络；

37、所述神经网络模型的输入变量包括异响中心频率、频带宽度、能量凸显度和/或主观抱怨程度；

38、所述神经网络模型的输出变量包括心理凸显度。

39、与现有技术相比，本发明的用户异响抱怨的风险程度评估方法的有益效果在于：

40、1)本发明提出一个新的心理声学评价指标，使用心理凸显度描述用户对异响的心理感受程度，可以更准确的评估用户抱怨程度，建立客观数据与用户主观心理感受的联系，解决用户主观感受与客观数据差异较大的问题，指导企业定性衡量客户对异响抱怨的程度，有助于研发人员更全面地理解异响对用户体验的实际影响，进而有针对性地进行改进和优化。

41、2)本发明借助神经网络，建立异响与心理凸显度的联系，针对在研发初期发现的异响，评估产品上市后该异响引起客户抱怨的风险程度，从而指导投入适当的资源去分析解决，减少因异响问题引起的客户抱怨，更早地识别和解决潜在的声学问题，既能降低售后成本和品牌形象受损的风险，又可提高研发资源利用率，优化研发费用，减少不必要的资源浪费。