【技术实现步骤摘要】
基于大数据信息诊断问题噪声源的方法及装置
本专利技术涉及这样一种技术，该技术基于大数据信息，通过基于深度学习的人工智能来诊断车辆噪声的问题噪声源，特别是非典型噪声，例如动力传动系的噪声。
技术介绍
车辆由组装在一起的许多部件组成。在组装的部件中，车辆的动力系统具有固有的噪声和振动特性。然而，由部件的组合产生的噪声信息是巨大的。此外，正常情况下的工作噪声和异常情况下出现的问题噪声表现不同。如果出现任何问题噪声，则车辆可能处于异常状态。仅基于具有非常复杂的结构的车辆产生的问题噪声信息，难以确定车辆的哪一部分被损坏。例如，对于车辆的动力传动系，很难找到出现问题噪声的区域。这是因为车辆的这种问题噪声非典型地发生。因此，噪声专家已经通过声音检测的评估来诊断噪声，并根据他们过去的经验找到了问题噪声源。但是，即使多个噪声专家使用了传感器或其他测试条件，执行这种诊断也需要花费较长的时间。此外，难以正确地诊断出问题噪声源。近来，已经努力利用噪声数据来寻找问题噪声源，但是没有适当的解决方案。特别地...
【技术保护点】
1.一种基于大数据信息诊断问题噪声源的方法，其包括：/n通过利用实时噪声测量装置来测量车辆的动力传动系的噪声数据，并将该噪声数据转换为能够通过接口装置输入至用于诊断问题噪声源的便携式装置的信号；/n通过人工智能的深度学习算法对转换后的信号进行噪声分析，并诊断作为噪声成因的问题噪声源；/n通过输出诊断结果作为问题噪声源来显示噪声成因，并将诊断结果发送到便携式装置。/n
【技术特征摘要】
20181212 KR 10-2018-01600841.一种基于大数据信息诊断问题噪声源的方法，其包括：
通过利用实时噪声测量装置来测量车辆的动力传动系的噪声数据，并将该噪声数据转换为能够通过接口装置输入至用于诊断问题噪声源的便携式装置的信号；
通过人工智能的深度学习算法对转换后的信号进行噪声分析，并诊断作为噪声成因的问题噪声源；
通过输出诊断结果作为问题噪声源来显示噪声成因，并将诊断结果发送到便携式装置。
2.根据权利要求1所述的基于大数据信息诊断问题噪声源的方法，其中，通过麦克风获取噪声数据，通过振动传感器获取振动数据。
3.根据权利要求2所述的基于大数据信息诊断问题噪声源的方法，其中，双向方法和门控循环单元技术应用于深度学习算法。
4.根据权利要求3所述的基于大数据信息诊断问题噪声源的方法，其中，注意机制技术应用于深度学习算法。
5.根据权利要求3所述的基于大数据信息诊断问题噪声源的方法，其中，早期集成学习技术应用于深度学习算法。
6.根据权利要求5所述的基于大数据信息诊断问题噪声源的方法，其中，所述人工智能配置为再现声音以用于识别所述问题噪声源。
7.根据权利要求1所述的基于大数据信息诊断问题噪声源的方法，其中，车辆的噪声数据或振动数据从车辆外部的外部数据存储装置获取，并进行重采样。
8.根据权利要求7所述的基于大数据信息诊断问题噪声源的方法，其中，所述重采样的频率是问题噪声的最大频率的两倍。
9.根据权利要求8所述的基于大数据信息诊断问题噪声源的方法，其中，双向方法和门控循环单元技术应...
【专利技术属性】
技术研发人员：郑仁秀，李东喆，
申请(专利权)人：现代自动车株式会社，起亚自动车株式会社，
类型：发明
国别省市：韩国;KR
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。