(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110368998.0 (22)申请日 2021.04.0 6 (65)同一申请的已公布的文献号 申请公布号 CN 113221438 A (43)申请公布日 2021.08.0 6 (73)专利权人 武汉科技大 学 地址 430081 湖北省武汉市青山区和平大 道947号 (72)发明人 王博　王海文　胡溧　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 彭艳君 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/12(2006.01)G06Q 10/06(2012.01) (56)对比文件 CN 110737970 A,2020.01.31 CN 110688712 A,2020.01.14 CN 112560302 A,2021.0 3.26 WO 2005066927 A1,20 05.07.21 US 7478043 B1,20 09.01.13 曲皎 等.基 于Bradley-Ter ry模型的学术期 刊影响力分析. 《辽宁师 范大学学报 （自然科 学 版） 》 .2018,第41卷(第3期), Yuma Koizumi 等.Unsupervised Detection of Anomalous Sound Based o n Deep Learn ing and the Neyman –Pearson Lemma. 《IEEE/ACM TRANSACTIONS ON AUDIO,》 .2019, 审查员 肖亦然 (54)发明名称 一种永磁同步电机声品质评价方法 (57)摘要 本发明涉及新能源车辆技术， 具体涉及一种 永磁同步电机声品质评价方法， 包括下列步骤： 建立永磁同步电机声音样本数据库； 数据采集和 筛选； 通过LMS.Test.Lab和MATLAB软件对噪声信 号声品质客观参量进行计算； 针对电机噪声特 性， 建立基于Bra dley‑Kullback选 择权值选 取关 联样本的分组成对比较 法， 对传统分组成对比较 法进行改进； 根据主客观参量计算结果， 建立RBF 神经网络声品质预测模型， 通过多种群遗传算法 (MPGA)修正模型。 该方法避免了关联样本在组数 较多时， 出现关联样本声品质位于组 内极端位置 失去关联效应。 而且该方法无分组最大数目的限 制， 可适用于任意数量的噪声样本 。 权利要求书2页 说明书6页 附图3页 CN 113221438 B 2022.10.18 CN 113221438 B 1.一种永磁同步电机声品质评价方法， 其特 征是， 包括以下步骤： 步骤1、 采集永磁同步电机多工况、 多测点噪声样本； 对采集的噪声样本进行剪切、 预处 理， 建立永磁同步电机声 音样本数据库； 步骤2、 基于步骤1声音样本数据库， 采用Bradley ‑Kullback改进的分组成对比较法作 为主观评价方法， 组织被试人员进行主观听审试验， 并对听审结果进 行计权一致性筛选， 剔 除偏差较大的数据； 步骤3、 基于步骤2所得声音样本数据库， 使用LMS.Test.Lab和MATLAB软件对声品质客 观参量进行计算； 步骤4、 以步骤3提取的声品质客观的两级评价参量为输入， 以步骤2主观评价结果为输 出， 采用RBF神经网络进 行永磁同步电机声品质主客观建模， 并分析网络初始 参数对模型性 能的影响； 步5、 根据步骤4 客观参量分析结果， 采用多种群遗传算法MPGA对 模型进行修 正； 步骤2所述基于Bradley ‑Kullback改进的分组成对比较法具体实现包括： 步骤2.1、 将采集的永磁同步电机噪声信号按照转速和扭矩进行分组， 每组噪声数量为 8‑15份， 分组数目根据采集的电机噪声信号总数进行调整； 步骤2.2、 对第一组噪声信号进行打分； 设第一组噪声信号数目为m， 通过计权一致性系 数检验去除不合理评价主体， 得到M1个有效评价结果； 对各工况噪声信号得分进行汇总， 为 ni， ni所能取得最大值 为Ni， Ni＝M1*m； 步骤2.3、 设第一 组中所有噪声样本声品质能力参数值为γi， 记Nij为个体xi与xj相互比 较总次数， nij为个体xi优于xj的总次数， 每次比较相互独立， 即nij服从二项分布bin(Nij, Pij)， 则有： ni＝sum(nij)； Ni＝sum(Nij)； 步骤2.4、 设个 体能力参数γi的最大似然值 为L， 由Bradley模型 得： 步骤2.5、 通过最大似然法对公式(1)化简得公式(2)， 并求解公式(2)得到第一组所有 噪声样本声品质能力参数值： 步骤2.6、 将步骤2.5所得到的每个噪声信号声品质能力参数值回代入Logit模型中， 得 到第一组所有噪声样本 选择概率矩阵；权　利　要　求　书 1/2 页 2 CN 113221438 B 2步骤2.7、 将步骤2.6得到的选择概率矩阵通过和积法对选择概率矩阵进行权重分析， 得到第一组噪声信号声品质选择权值； 步骤2.8、 通过Kullback距离检验公式(3)对第一组噪声样本选择概率矩阵进行关联样 本最佳位置计算， 当U处于极大值 位置时， 对应的关联样本处于最佳选择区间： 其中， Xij为噪声样本i与j在成对比较中选择样本i的概率， E(.)为均值， m为该组 噪声样 本总数； 步骤2.9、 确定同时满足选择权值处于组内均值两端， 且位于Kullback最佳关联样本区 间的分组成对比较法关联样本； 步骤2.10、 通过公式 对各组评价结果进行数据反演， 其中T1j和 T2j为关联样本在原始组内评价值， α 为比例系数， β 为平移调整量， i为噪声样本在各组内部 编号， j为组号。权　利　要　求　书 2/2 页 3 CN 113221438 B 3