| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外关于汽车声品质研究的概况 | 第11-13页 |
| ·国外汽车声品质研究现状 | 第11-13页 |
| ·国内汽车声品质研究现状 | 第13页 |
| ·人工神经网络的发展 | 第13-14页 |
| ·人工神经网络在汽车声品质研究的应用 | 第14-15页 |
| ·本文的主要研究内容 | 第15-17页 |
| 第2章 车内噪声来源及心理声学参数计算模型 | 第17-24页 |
| ·引言 | 第17页 |
| ·汽车车内的噪声来源 | 第17-18页 |
| ·汽车发动机噪声 | 第18-19页 |
| ·心理声学参数的计算模型 | 第19-23页 |
| ·响度 | 第19-20页 |
| ·尖锐度 | 第20-21页 |
| ·粗糙度和抖动度 | 第21-22页 |
| ·音调度和 AI 指数 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 声品质主客观评价试验及数据库的建立 | 第24-37页 |
| ·引言 | 第24页 |
| ·车内噪声信号采集 | 第24-25页 |
| ·发动机噪声声品质主观评价试验 | 第25-28页 |
| ·声品质主观评价的方法 | 第25-26页 |
| ·声品质主观评价流程 | 第26-27页 |
| ·声品质主观评价试验 | 第27-28页 |
| ·心理声学参数 | 第28-32页 |
| ·相关分析 | 第32-33页 |
| ·C 级车声品质数据库的建立 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于遗传算法的 BP 神经网络 | 第37-51页 |
| ·引言 | 第37页 |
| ·BP 神经网络模型 | 第37-40页 |
| ·BP 神经网络的结构与特点 | 第37-38页 |
| ·BP 学习算法 | 第38-40页 |
| ·遗传算法 | 第40-48页 |
| ·遗传算法的基本概念 | 第40-42页 |
| ·遗传算法的流程 | 第42-43页 |
| ·遗传算法的设计与实现 | 第43-47页 |
| ·遗传算法优化神经网络 | 第47-48页 |
| ·GA-BP 模型的建立 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 GA-BP 神经网络在汽车声品质中预测的应用 | 第51-64页 |
| ·引言 | 第51页 |
| ·BP 网络的结构确定 | 第51-55页 |
| ·输入输出层神经元个数的确定 | 第51-52页 |
| ·传递函数的确定 | 第52-53页 |
| ·隐含层数及神经元个数的确定 | 第53-55页 |
| ·遗传算法对权值和阈值的优化 | 第55-59页 |
| ·确定遗传算法种群 | 第55-56页 |
| ·确定遗传算法变异概率 | 第56页 |
| ·遗传算法的训练 | 第56-58页 |
| ·遗传算法的输出结果 | 第58-59页 |
| ·GA-BP 神经网络预测模型 | 第59-60页 |
| ·训练样本的选择 | 第60页 |
| ·GA-BP 预测模型与 BP 预测模型的对比 | 第60-63页 |
| ·GA-BP 预测模型与 BP 预测模型的收敛性对比 | 第60-61页 |
| ·GA-BP 预测模型与 BP 预测模型的稳定性对比 | 第61-62页 |
| ·GA-BP 预测模型与 BP 预测模型的预测精度对比 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·研究工作总结 | 第64-65页 |
| ·研究工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简介及在学期间所取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
