车辆噪声预测方法、电子设备及介质技术

本发明专利技术提供了一种车辆噪声预测方法、电子设备及介质，本发明专利技术的方法包括：获取车辆多源数据；对多源数据进行相关性分析，选择相关性系数大于阈值的数据作为数据集；将数据集作为深度学习网络模型的输入，训练深度学习网络模型，得到噪声预测模型；深度学习网络模型包括多层并联的神经网络、输出层，神经网络包括依次连接的隐藏层和注意力机制层，注意力机制层和输出层连接。本发明专利技术结合牵引传动系统多源数据的相关性特征分析和注意力机制，有效提取牵引电机‑齿轮箱的噪声动态特性；通过注意力机制可以帮助模型在少量样本数据下抓取重要数据进行分析及学习，注意力机制计算关键特征数据的权重，对耦合噪声特性进行精准捕捉，提高噪声预测的准确性。

【技术实现步骤摘要】

本专利技术属于车辆噪声预测，特别是涉及一种车辆噪声预测方法、电子设备及介质。

技术介绍

1、随着现代交通工具尤其是轨道车辆的快速发展，其运行状态直接影响到列车的安全性和乘坐舒适性，因此，如何有效地预测整车噪声，是当前轨道车辆发展中亟待解决的问题。

2、现有的解决方案主要是通过硬件设备和软件算法来实现对牵引传动系统的噪声监测和故障诊断。硬件设备主要包括传感器、数据采集器等，用于收集牵引传动系统的运行数据。软件算法则主要包括信号处理、特征提取、模式识别等，用于对收集到的数据进行分析和处理，以实现对噪声的控制和故障的诊断。

3、然而，现有技术在实际应用中还存在一些问题。首先，现有的硬件设备和软件算法往往只能针对单一类型的噪声进行预测分析，而对于复杂的机电耦合噪声，现有技术往往无法有效地进行解耦和预测。其次，现有技术在处理轨道车辆机电耦合下的多模态异构数据时，往往无法有效地融合和利用这些数据，导致噪声诊断的准确性和效率不高。最后，现有技术在噪声预测方面，往往无法实现高精度的预测，这给车辆的可靠性和安全性带来了一定的风险。

4、牵本文档来自技高网...

【技术保护点】

1.一种车辆噪声预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的车辆噪声预测方法，其特征在于，将牵引电机振动数据、牵引电机电流数据、齿轮箱振动数据、齿轮箱转矩数据输入噪声预测模型，得到车辆耦合噪声。

3.根据权利要求1所述的车辆噪声预测方法，其特征在于，第一特征ai的表达式如下：

4.根据权利要求3所述的车辆噪声预测方法，其特征在于，第二特征si的表达式如下：

5.根据权利要求4所述的车辆噪声预测方法，其特征在于，耦合噪声的表达式如下：

6.一种电子设备，其特征在于，包括：

7.一种计算机可读存储介质，...

【技术特征摘要】

1.一种车辆噪声预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的车辆噪声预测方法，其特征在于，将牵引电机振动数据、牵引电机电流数据、齿轮箱振动数据、齿轮箱转矩数据输入噪声预测模型，得到车辆耦合噪声。

3.根据权利要求1所述的车辆噪声预测方法，其特征在于，第一特征ai的表达式如下：

4.根据权利要求...

【专利技术属性】
技术研发人员：李登科，樊运新，刘晓波，王先锋，李超，徐佑辉，姚博汶，
申请(专利权)人：中车株洲电力机车有限公司，
类型：发明
国别省市：