随着社会发展,人们对汽车NVH性能的要求也逐渐提高,汽车车内声品质影响整体NVH性能。目前纯电动汽车发展迅速,相较于燃油车来说纯电动汽车整体噪声水平有所降低,但缺乏发动机等噪声掩蔽的电机噪声更令人难以接受,因此对于纯电动汽车车内噪声的声品质进行研究具有重要的实际意义。本文致力于寻找更加准确、适应性更好的主观和客观声品质评价模型,选取纯电动汽车作为研究对象,对纯电动汽车车内噪声的声品质评价预测模型进行了分析和研究。本文主要研究内容包括:1)首先选取三种不同的纯电动汽车并运用噪声采集设备采集了不同工况下的车内匀速噪声信号。对采集的原始噪声样本进行筛选、截取和等响度等处理后建立了含有27个有效样本的噪声信号样本库。计算了噪声样本的五种传统心理声学参数,并采用等级评分法对噪声样本的声品质进行了客观评价,将这五种参数与主观评分值进行了相关性分析,选取了相关性更高的三种客观参数。2)对噪声信号样本库的样本进行滤波和重采样等预处理,对经过预处理后的样本信号分别从分形维数和小波包分解理论出发,提取了基于集合经验模态分解(EEMD)的时频域分形维数差和小波包分解后各节点的能量比系数作为噪声样本的新的特征参数。3)将基于EEMD分解重构的时频域分形维数差、小波包能量比系数和三种心理声学参数分别作为输入参数,以噪声样本的声品质主观评价结果作为输出参数,构建了基于自适应变异算子优化的粒子群算法(PSO)-小波神经网络预测模型,并同基于传统小波神经网络的声品质预测模型进行了对比。研究结果表明将基于EEMD的时频域分形维数差作为输入参数,将基于自适应变异算子的PSO-小波神经网络作为预测模型时预测效果最好,同时经过对比分析发现,经过优化的小波神经网络在预测的准确性和稳定性上相较于传统的小波神经网络预测模型有一定的提高。