随着世界各国新能源汽车产业的不断发展，我国也开始重视对新能源汽车的开发和研究，纯电动汽车作为新能源汽车中一个重要类型，也逐渐成为国内外研究的热点。但目前国内对纯电动汽车的研究主要集中在动力系统和电池系统方面，较少考虑噪声特性方面，针对纯电动汽车声品质方面的研究并无文献记录，因而有必要进行深入研究。本文依托2012年吉林省科技发展计划重大项目“一汽纯电动汽车声品质分析评价与控制技术研究”，以我国自主研发生产的纯电动汽车为研究对象，针对纯电动汽车车内噪声声品质进行研究。通过对车内噪声样本的采集和处理，进行了声品质主观评价试验，并对试验结果进行了分析。通过对神经网络和遗传算法的研究，开创性地采用基于遗传算法优化的BP神经网络方法建立纯电动汽车车内声品质的预测模型，找出影响纯电动汽车车内声品质的主要因素，对进一步控制和改进声品质提供帮助。这一研究将对提高纯电动汽车声学设计和噪音控制水平、增强我国电动汽车的国际市场竞争力有重要的现实价值意义。本文的研究工作主要分为两大部分：一、采集车内噪声样本，进行车内声品质主客观评价和研究借助半消声实验室对四个不同车型的纯电动汽车由电机产生的车内噪声进行样本采集，此过程在转毂平台上进行，试验采用Head人工头分别对车辆在20km/h、40km/h、80km/h、100km/h、120km/h五种匀速工况下的噪声信号进行采集；之后，开始进行声品质主观评价试验，对纯电动汽车车内噪声烦躁度进行等级评分；运用Artemis声品质软件计算出噪声样本的主要心理声学客观参数，包括响度、尖锐度、波动度、粗糙度等；最后对主观评价结果和心理声学客观参数进行相关性分析，确定对车内声品质具有主要影响的心理声学客观参数。二、建立纯电动汽车车内声品质神经网络预测模型，并检验声品质改善效果首先对BP神经网络模型结构、传递函数和算法原理进行了阐述，随后对GA遗传算法的相关概念、流程和操作等进行了介绍，最后通过将GA遗传算法与BP算法相结合从而构建了GA-BP神经网络模型。再引入主客观评价试验结果，确定了车内声品质评价BP神经网络的结构，对网络层数及各层神经元数目进行设定，并对传递函数进行设定；之后又使用遗传算法对构建的网络进行优化；利用Matlab软件建立了纯电动车车内声品质（烦躁度）的GA-BP神经网络预测模型，并对模型进行训练、检验，充分证明了该模型的收敛性、稳定性和预测精度。最后，探索了电动车车内噪声降噪控制措施，并利用已建立的电动车车内声品质GA-BP神经网络客观评价模型和主观评价试验验证了声品质改善效果。