随着时代的快速发展,在国内乘用车保有量日趋饱和,人们对汽车的需求更加理性的今天,汽车乘坐舒适性已成为人们购车的重要考量指标。这对车辆NVH性能的调校提出了更高的要求,声品质的问题也越来越多的受到各大主机厂和院校相关研究人员的关注。建立噪声源对车内噪声的声品质影响模型,对提升车内声学环境的舒适性,提高车辆产品竞争力有着重要意义。据此需求,本文旨在通过传递路径分析的手段,研究车内结构及空气噪声的传递路径对车内声品质的影响。利用遗传算法(Genetic Algorithm,GA)所具有的全局搜索能力,对主要贡献路径进行参数优化,从而有效改善和提升车内声品质水平。本文首先根据传递路径合成的基本原理进行各路径激励信号和传递函数的测试实验,以及TPA(Transfer Path Analysis)合成,建立了可识别各路径噪声贡献情况的车内噪声传递模型。通过对多辆汽车采样,建立了车内噪声样本数据库。计算样本的响度、尖锐度等客观心理声学参量,组织人员根据烦躁度评价指标对样本进行评分。在此基础上,引入多元线性回归、BP(Back Propagation)神经网络和GA-BP神经网络三种可用于预测的算法,建立以客观心理声学参量为输入,烦躁度为输出的声品质预测模型。通过比较三种模型的预测精度,确定了精度更高的GA-BP神经网络模型用于本文的声品质预测。随后,通过建立声品质贡献因子(Sound Quality Contribution Factor,SQCF),清晰地反映了各路径声品质贡献程度。通过相同工况各路径SQCF值的横向对比和重点路径不同工况SQCF值的纵向对比,确定了低速工况下的发动机悬置系统左悬置Y向和右悬置Y向结构路径,以及高速工况下的发动机后表面辐射噪声的空气路径为关键优化路径。然后,针对关键结构路径,在分别分析影响较大的两条结构路径所对应悬置元件的无耦合运动的基础上,通过两级优化策略,先制定目标烦躁度值,再利用遗传算法搜索与之对应的最优路径传递函数。最后进行悬置元件静刚度匹配,获得了相应的悬置元件静刚度优化值及传递函数。针对关键空气路径,以实验优化的方法在样车前围板处进行隔声设计优化,通过完善隔声材料的敷设位置和厚度,实现对目标传递函数的逼近。研究结果表明,针对单一关键路径开展的优化均可以在提高车内声品质总体水平的同时,降低各自对应关键工况下的声品质贡献因子。三条路径的综合优化结果则有效的实现了对每一个研究工况下车内总体声品质的提升。说明本文的研究可为车内声品质开发提供有效参考和新的思路。