Araç içi ses sistemlerinde akustik performansın benzetim ve deneysel veriler kullanılarak metasezgisel algoritmalarla optimizasyonu

Abstract

Bu tezde, SUV tipi bir aracın tam frekans hoparlör çıkışı, eşit ses yüksekliği konturları prensibine göre optimize edilerek araç içi akustik performans iyileştirilmiştir. Sistem bileşenlerinin frekans cevapları benzetim ortamına aktarılmış ve parametrik ekolayzır filtreler modellenmiştir. Bu bileşenler kaskat bir yapıda ele alınarak, hoparlör çıkışındaki işaret, frekans bölgesinde çarpma yöntemiyle hesaplanmıştır. Öncelikle, standartlarda tanımlanan ideal filtre parametreleri uygulanmış, benzetim ve deneysel ölçümler 0,9295 korelasyon katsayısı ve 2,29 kök karesel ortalama hata (RMSE) değeri ile yüksek uyum göstermiştir. Ancak, eşit ses yüksekliği konturu ile karşılaştırıldığında korelasyon 0,6341 ve RMSE ise 4,88 olarak hesaplanmıştır. Bu uyumsuzluğu gidermek için Genetik Algoritma (GA) ile parametrik ekolayzır filtreler optimize edilmiş olup, korelasyon katsayıları 0,9692 ve 0,9675’e yükselmiş, RMSE değerleri benzetim için 1,17’ye, deneysel ölçümler için 1,34’e düşmüştür. Bu iyileştirme, sürücü baş hizasında test edilmiş, ancak eşit ses yüksekliği konturuna tam uyum sağlanamamıştır. Bu testlerde korelasyon katsayıları 0,5552 ve 0,5510, RMSE değerleri 8,68 ve 5,25 olarak hesaplanmıştır. Sonuçlar, sürücü baş hizasındaki çıkış işaretinin, eşit ses yüksekliği konturu ile uyumunun düşük olduğunu göstermektedir. Sürücü baş hizasında eşit ses yüksekliği konturuna uyumu artırmak amacıyla, benzetime araç içi akustik etkileri içeren bir model dahil edilmiştir. Bu doğrultuda, deneysel tabanlı bir yöntemle araç içi akustik ortamın frekans cevabı oluşturulmuş ve optimizasyon sürecine entegre edilmiştir. Araç içi akustik ortamın frekans cevabının eklenmesinin ardından, GA ile yapılan optimizasyonda korelasyon katsayısı 0,6887’ye yükselmiş, RMSE ise 4,76’ya düşmüştür. Benzetim ve deneysel sonuçlar arasındaki korelasyon 0,8592 olarak hesaplanmıştır. Daha sonra, filtre parametrelerinin, Parçacık Sürü Optimizasyonu (PSO) algoritması ile de optimizasyonu gerçekleştirilmiştir. PSO optimizasyonu sonucunda, korelasyon katsayıları 0,7111 ve 0,6779’a yükselmiş, RMSE değerleri 4,59 ve 4,04 olarak hesaplanmıştır. Benzetim ve deneysel sonuçlar arasındaki korelasyon katsayısı 0,8661 olarak hesaplanmıştır. PSO ile filtre optimizasyonu, GA'ya kıyasla sürücü baş hizasında daha başarılı bir akustik performans sağlamıştır. Ancak, yansımalar, absorpsiyon, rezonans etkileri ve doğrusal olmayan akustik özellikler nedeniyle eşit ses yüksekliği konturuna tam bir yakınsama sağlanamamıştır.

In this study, the full-range speaker output of an SUV-type vehicle was optimized based on the principle of equal-loudness contours to enhance in-vehicle acoustic performance. The frequency responses of system components were incorporated into a simulation environment, and parametric equalizer filters were modeled in a cascaded structure. The speaker output signal was computed in the frequency domain using convolution. Initially, ideal filter parameters defined in standards were applied, and simulation results exhibited high agreement with experimental measurements, yielding a correlation coefficient of 0.9295 and an RMSE of 2.29. However, compared to the equal-loudness contour, the correlation decreased to 0.6341, and RMSE increased to 4.88. To address this discrepancy, parametric equalizer filters were optimized using a Genetic Algorithm (GA), improving the correlation coefficients to 0.9692 and 0.9675 while reducing RMSE values to 1.17 for simulation and 1.34 for experimental measurements. This optimization was tested at the driver’s head position but did not fully comply with the equal-loudness contour, with correlation coefficients of 0.5552 and 0.5510 and RMSE values of 8.68 and 5.25. These results indicate that the output signal at the driver’s head position exhibits low conformity to the equal-loudness contour. To improve compliance at the driver’s head position, a model incorporating in-vehicle acoustic effects was integrated into the simulation. The frequency response of the in-vehicle acoustic environment was obtained experimentally and incorporated into the optimization process. With this addition, GA-based optimization improved the correlation coefficient to 0.6887, while RMSE decreased to 4.76. The correlation between simulation and experimental results was 0.8592. Subsequently, filter parameters were further optimized using the Particle Swarm Optimization (PSO) algorithm, increasing correlation coefficients to 0.7111 and 0.6779 and reducing RMSE values to 4.59 and 4.04. The correlation between simulation and experimental result was improved to 0.8661. Compared to GA, PSO-based optimization yielded superior acoustic performance at the driver’s head position. However, due to reflections, absorption, resonance effects, and nonlinear acoustic properties, full convergence to the equal-loudness contour could not be achieved.