1.一种怠速工况下NVH评价结果预测方法，其特征在于，所述方法包括：获取待测车辆怠速工况下的怠速时域信号；其中，所述待测车辆怠速工况包括所述待测车辆怠速工况时空调关工况及空调开工况；

将所述怠速时域信号转换为怠速频域信号；

基于预设阶次频率划分表，提取所述怠速频域信号的频率和阶次的特征值；其中，所述预设阶次频率划分表包括声音信号和振动信号的阶次频率划分，其中，声音信号将主阶次、次主阶次、次次主阶次作为三组阶次特征，将0‑20000HZ、0‑50HZ、50‑150HZ、150‑300HZ、

300‑800HZ、800‑2000HZ、2000‑8000HZ作为七组频率特征；振动信号一阶、主阶次、次主阶次、次次主阶次作为四组阶次特征，0‑200HZ、0‑80HZ、80‑200HZ作为三组频率特征；

将所述频率和阶次的特征值输入预建神经网络模型中，预测得到所述待测车辆怠速工况下的NVH评价结果；

其中，所述获取待测车辆怠速工况下的怠速时域信号，包括：预热所述待测车辆；

所述待测车辆在消音环境下，关闭所述待测车辆的空调，所述待测车辆怠速工作第一时长后，获取所述空调关工况下的第一怠速时域信号；

将所述待测车辆的空调档位调至 制冷最低档，所述待测车辆怠速工作第二时长后，获取所述空调开工况下的第二怠速时域信号；

将所述第一怠速时域信号和所述第二怠速时域信号，作为所述怠速时域信号。

2.根据权利要求1所述的方法，其特征在于，所述消音环境中环境噪声小于或等于

25dB，环境温度的范围为0‑40℃。

3.根据权利要求1或2所述的方法，其特征在于，所述怠速时域信号包括声音时域信号和振动时域信号。

4.根据权利要求3所述的方法，其特征在于，所述声音信号采用A计权处理。

5.根据权利要求1所述的方法，其特征在于，所述预建神经网络模型的构建，包括：获取若干怠速工况下的怠速训练时域信号；

将所述怠速训练时域信号转换为怠速训练频域信号；

基于所述预设阶次频率划分表，提取所述怠速训练频域信号的频率和阶次的特征值；

获取与每个所述怠速训练时域信号对应的主观评价分数，每个所述怠速训练频域信号提取出的频率和阶次的特征值及对应的所述主观评价分数，构成一个训练数据，所有所述训练数据构成训练集；

基于所述训练集训练BP神经网络模型，得到所述预建神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述训练集训练BP神经网络模型，得到所述预建神经网络模型，包括：基于所述训练集训练所述BP神经网络模型，直至预测误差小于预设阈值，停止训练，得到所述预建神经网络模型。

7.根据权利要求5或6所述的方法，其特征在于，所述BP神经网络模型包括68个输入层、

15个隐含层、及1个输出层；所述隐含层的传递函数采用tan‑sigmoid；所述隐含层到所述输出层的传递函数采用purelin。

8.根据权利要求1或2所述的方法，其特征在于，所述待测车辆包括四缸内燃机车辆和六缸内燃机车辆。