Innengeräusch von Elektrofahrzeugen: Vorhersage der Angenehmheit mittels eines Long Short-Term Memory (LSTM)-Modells (vor Ort)
* Presenting author
Abstract:
Die Elektrifizierung des Antriebsstrangs bietet durch die Reduktion der Schallintensität des Motorgeräusches ein enormes Potenzial für den akustischen Komfort im Fahrzeuginnenraum. Dennoch können hochfrequente tonale Komponenten die Angenehmheit des Innengeräuschs stark reduzieren. Diese werden meist durch den Elektromotor bzw. das Getriebe hervorgerufen und treten hauptsächlich in transienten Fahrzuständen (Beschleunigung und Rekuperation) auf. Daher müssen auch die die Hörwahrnehmung beschreibenden psychoakustischen Parameter und ihr Einfluss auf die Angenehmheit dynamisch betrachtet werden. Im vorliegenden Beitrag wird hierzu ein Long Short-Term Memory (LSTM) basiertes neuronales Netz zur Regression von Zeitreihen psychoakustischer Parameter auf den Einzahlwert Angenehmheit verwendet. Dabei werden auch die wechselseitigen Abhängigkeiten der einzelnen Zeitschritte voneinander berücksichtigt. Die Angenehmheit (als Zielgröße für die Modellierung) wurde in verschiedenen Hörversuchen erhoben, bei denen neben den Originalaufnahmen aus dem Fahrzeuginnenraum auch teilsynthetisierte Geräusche bewertet wurden. Als Grundlage für die Geräuschsynthese dienten die Ergebnisse eines Trennungsalgorithmus, wodurch einzelne Geräuschkomponenten gezielt verstärkt, abgeschwächt, entfernt oder neu hinzugefügt wurden. Die Hörversuchsdaten zur Angenehmheit und den Vorhersagen des LSTM-Modells zeigen eine hohe Übereinstimmung sowohl für Elektro-, als auch für Hybridfahrzeuge. Das LSTM-Modell ermöglicht somit eine automatisierte Bewertung von Fahrzeuginnengeräuschen von Elektro- und Hybridfahrzeugen als Grundlage für passive und aktive Geräuschverbesserungsmaßnahmen.