【技术实现步骤摘要】
一种面向汽车复杂部件异响的在线智能识别系统及方法
本专利技术涉及信号处理与模式识别
，尤其涉及一种面向汽车复杂部件异响的在线智能识别系统及方法。
技术介绍
声品质是传统汽车与新能源车辆的关键性能之一，异响则是影响整车声品质的决定性因素。异响控制水平体现了整车厂在汽车设计、加工、装配等方面的综合能力，逐渐成为影响消费者购买决定和使用满意度的关键因素之一。自主品牌及合资品牌汽车异响问题突出，投诉量居高不下。异响问题严重影响用户的驾乘体验，同时某些异响问题是汽车故障的前奏，不及时发现，会带来安全隐患。异响具有问题源头广、随机发生、形成机理复杂、特征不明显的特点，识别难度很大。针对内饰、车身、动力总成、刹车、转向等系统的异响问题，目前主要依靠主观感受及台架测试的方式进行识别诊断，其效率较低且对测试人员经验要求较高。随着数字信号处理、机器学习的快速发展，运用声音识别技术的相关方法实现对汽车异响的自动识别，在现实中具有重要的意义。目前的声音识别方法中，对于特征参数的提取与声学建模仍然以传统的浅层模型居多。常...
【技术保护点】
1.一种面向汽车复杂部件异响的在线智能识别方法，其特征在于，包括如下步骤：/n1)构建汽车复杂部件异响信号样本WT-FBank图谱，并上传至云端服务器；/n2)构建一种基于经典模型LeNet-5架构的卷积神经网络模型CNN；/n3)利用训练模型搭建模块，结合分类器支持向量机SVM，训练异响信号样本WT-FBank图谱，获得训练好的CNN模型与训练好的SVM识别模型；/n4)利用异响采集模块实时采集已启动的待检测车辆异响信号；/n5)利用前处理与分析模块预处理待检测异响信号，获得待检测异响信号的WT-FBank特征，构建待检测异响信号WT-FBank图谱；/n6)利用智能识别...
【技术特征摘要】
1.一种面向汽车复杂部件异响的在线智能识别方法，其特征在于，包括如下步骤：
1)构建汽车复杂部件异响信号样本WT-FBank图谱，并上传至云端服务器；
2)构建一种基于经典模型LeNet-5架构的卷积神经网络模型CNN；
3)利用训练模型搭建模块，结合分类器支持向量机SVM，训练异响信号样本WT-FBank图谱，获得训练好的CNN模型与训练好的SVM识别模型；
4)利用异响采集模块实时采集已启动的待检测车辆异响信号；
5)利用前处理与分析模块预处理待检测异响信号，获得待检测异响信号的WT-FBank特征，构建待检测异响信号WT-FBank图谱；
6)利用智能识别模块，将检测异响信号WT-FBank图谱输入至训练好的CNN模型提取待检测异响信号的特征，并转化为稀疏低维特征向量，输入至训练好的SVM识别模型进行智能匹配，输出识别类别结果返回至移动智能设备端，并利用自动更新模块，完善数据库；
7)判断异响信号检测是否结束，如果未结束，则转步骤4)，继续检测新的异响信号并进行识别，否则结束异响信号检测。
2.如权利要求1所述的面向汽车复杂部件异响的在线智能识别方法，其特征在于，所述步骤1)中所述构建汽车复杂部件异响信号样本WT-FBank图谱，并上传至云端服务器包括如下步骤：
1.1)利用声音采集设备采集启动状态下汽车复杂部件的异响信号样本；
1.2)对异响信号样本进行人工标注，建立汽车复杂部件异响信号样本库；
1.3)利用前处理与分析模块预处理异响信号样本，即提取异响信号样本的WT-FBank特征，构建异响信号样本WT-FBank图谱，并上传至云端服务器存储。
3.如权利要求1所述的面向汽车复杂部件异响的在线智能识别方法，其特征在于，所述步骤3)中获得训练好的CNN模型与训练好的SVM识别模型，包括如下步骤：
3.1)将异响信号样本WT-FBank图谱输入至CNN模型中，得到全局平均池化后的特征；
3.2)将全局平均池化后的特征输入至Softmax函数中，计算输出值与期望值间的误差；
3.3)根据误差，采用反向传播算法，反向逐层更新各层的权重、偏置项参数，直至达到训练误差精度为止，得到训练好的CNN模型；
3....
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。