汽车车内噪声声品质直接影响着人们的身心健康与对产品的取向,是目前汽车性能优化控制领域面临的重要研究课题之一。论文开展加速噪声品质主客观、主客观相关性以及声品质优化控制研究过程中的一系列基础理论研究。全文的主要研究内容如下:以18辆国产乘用车为研究对象,依据GB/T 18697-2002设计全油门加速工况车内噪声采集实验,利用朗德多通道数据采集前端采集车内噪声信号,并对噪声信号进行预处理,得到30个加速工况车内噪声样本。通过各客观参量的时变算法,获得了噪声样本的线性度、响度、粗糙度、尖锐度、语言清晰度5个客观参量值。采用等级评分法对30个噪声样本进行主观评价试验,剔除不稳定的评价结果后,得到每个噪声样本的主观评价值。利用多元线性回归分析建立以客观参量描述主观满意度的数学模型,结果表明加速工况车内声品质主要受线性度、响度、粗糙度三个参数影响。同时,以客观参量作为输入,主观满意度作为输出,基于GA-BP神经网络理论建立全油门加速工况车内噪声品质非线性预测模型,并对其进行验证。应用GA-BP神经网络模型和多元线性回归模型对10个检验组噪声样本的声品质进行预测,并对结果进行比较分析。结果表明,GA-BP神经网络预测模型的精度和性能优于多元线性回归预测模型,验证了建立的GA-BP神经网络模型的精确性和优越性。基于GA-BP神经网络非线性模型开展加速噪声优化研究。对加速过程中车内产生明显轰鸣声的某车进行了声品质优化研究,采用减小排气系统吊耳动刚度的优化方案,记录实验前后车内噪声,分析其声品质客观参量,各客观参量值均有所改善,将客观分析结果代入到基于GA-BP的数学模型可知,得到车内声品质改善幅度达20%左右,优化结果令人满意,进一步证实已建立的加速声品质非线性预测模型的正确性。