随着化石能源稀缺与环境污染等问题的日益严重，以纯电动汽车为代表的新能源汽车已逐步在世界范围内得到推广和普及。然而相比传统燃油汽车，纯电动汽车缺少了内燃机等传统动力系统噪声的掩蔽效应，增加了电机的高频啸叫噪声，其车内噪声品质具有与传统燃油车完全不同的特性。在人们物质生活水平已发展到新的阶段的今天，乘用车车内噪声品质的评估已成为热门研究课题，并且纯电动汽车产业方兴未艾，考虑其车内声品质特性与传统燃油车存在较大区别且没有相关评价标准作为参考，对纯电动汽车的车内噪声品质进行评价分析并建立声品质客观声学参数预测模型具有重要意义。
　　车内噪声品质评价方法包括主观评价试验和建立声品质预测模型两部分，首先通过主观评价实验直观地体现驾驶员对车内噪声环境的感受，继而利用多个客观声学参数对主观感受进行模拟，建立车内噪声品质客观声学参数预测模型，是目前得到广泛认可的汽车声品质量化方法。
　　本文以特斯拉Models、奇瑞eQ以及长城C30EV这三款不同定位的纯电动汽车的匀速和全油门加速工况车内噪声为研究对象，进行了系统全面的声品质评价和分析。在主观评价环节中，考虑评审员的年龄结构和性别特征，结合区间灰数理论和参考语义细分法提出了一种模糊参考语义细分法。对比传统语义细分法和参考语义细分法，验证了改进方法的准确性和实用性，分析了不同年龄和性别人群对纯电动汽车车内噪声不同声品质指标的偏好差异。在建立声品质预测模型环节中，提取噪声样本的A声级、响度、尖锐度以及它们的变化率等客观声学参数作为训练和检验数据，根据主观评价得到的结果和规律，分别建立了基于反向传播(Back-Propagation，BP)神经网络、径向基函数(Radial Basis Function， RBF)神经网络和粒子群(Particle Swarm Optimization，PSO)算法优化的RBF神经网络的声品质预测模型。
　　研究结果表明：对比传统语义细分法和参考语义细分法，基于区间灰数理论改进得到的模糊参考语义细分法能够在保持相同工作量的前提下，更加准确地反映评审员对车内噪声的主观感受；在匀速工况下，纯电动汽车车内噪声品质的愉悦度指标与其音调度或抖动度参数的相关性要比传统燃油车的大的多；不同年龄层和性别的人群对纯电动汽车车内噪声品质的偏好具有一定区别，考虑人群年龄和性别特征后建立的声品质预测模型更加准确和贴近实际；相比以BP神经网络和未优化的RBF神经网络建立的预测模型，PSO优化的RBF神经网络声品质预测模型对纯电动汽车车内噪声品质预测的泛化能力更加稳定和准确。