汽車車室內(nèi)的異響問題是影響汽車NVH性能的一個重要因素,異響控制水平體現(xiàn)了整車廠在車輛設(shè)計、加工、裝配等方面的綜合能力,逐漸成為消費者購買新車時考慮的因素之一,隨著智能化技術(shù)的不斷進步,工程師對異響問題的診斷方法提出了更高的要求。近年來,智能化的汽車故障識別方法發(fā)展迅速,但其中聲音識別技術(shù)的應(yīng)用較少,且隨著深度神經(jīng)網(wǎng)絡(luò)模型的發(fā)展,其特征參數(shù)仍大多沿用淺層模型中的參數(shù),同時在汽車內(nèi)飾件異響聲源診斷方向缺少系統(tǒng)性的聲音識別解決方案。針對以上問題,本文創(chuàng)新性的提出一種基于FBank圖譜與卷積神經(jīng)網(wǎng)絡(luò)的汽車內(nèi)飾件異響識別方法,并搭建包含信號降噪、預(yù)處理、端點檢測等算法的識別流程,主要內(nèi)容如下:（1）選取車窗共振異響、座椅導(dǎo)軌碰撞異響、手套箱卡扣異響、座椅摩擦異響為研究對象,分析其產(chǎn)生的主要機理,并借助零部件異響實驗室和整車四立柱實驗室開展異響信號采集實驗,結(jié)合UrbanSound8K數(shù)據(jù)集,添加喇叭聲與發(fā)動機空轉(zhuǎn)聲,增加樣本多樣性,減小系統(tǒng)誤觸發(fā)率。整理得到本文所用樣本集。針對實車環(huán)境背景噪聲干擾大的問題,對基于貝葉斯理論優(yōu)化的小波閾值降噪算法進行研究,將實驗室信號疊加路噪并進行降噪實驗,提出... 

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【部分圖文】：

聲音識別系統(tǒng)流程圖

論文技術(shù)路線圖

江蘇大學碩士學位論文9第二章異響信號采集實驗與降噪處理汽車內(nèi)飾件由于安裝在汽車內(nèi)部，駕乘人員會直接觸及、使用及感知到，其異響問題會更加直觀地影響顧客的乘坐舒適性。引起內(nèi)飾件異響的原因往往很復(fù)雜，本章首先分析內(nèi)飾件異響產(chǎn)生的典型原因，并針對性的對本文所研究的幾種異響信號進行采集實驗，建立異響數(shù)據(jù)集并用于后續(xù)信號處理與模型訓練。同時針對路試實驗數(shù)據(jù)信噪比低的特點，對信號的降噪算法進行研究。2.1汽車內(nèi)飾件異響的產(chǎn)生2.1.1異響的分類根據(jù)異響產(chǎn)生的機理，通常可將異響分為三類[33]：如圖2.1所示：（1）敲擊異響：通常稱為“Rattle”，指相鄰零部件之間由于磨損或配合不當而存在間隙，并發(fā)生碰撞產(chǎn)生的不連續(xù)的聲音，如“咔噠”聲。（2）振動異響：通常稱為“Buzz”，指由于零部件在激勵下產(chǎn)生結(jié)構(gòu)振動或共振時發(fā)出的聲音，通常為“嗡嗡”聲。（3）摩擦異響：通常稱為“Squeak”，指兩個相接觸的零件表面以粘滑（Stick-Slip）的方式相互摩擦而產(chǎn)生的聲音，通常為較尖銳的“吱吱”聲，具體的音色隨相互摩擦的材質(zhì)不同而不同。圖2.1異響的分類Fig.2.1Classificationofabnormalnoise2.1.2內(nèi)飾件異響產(chǎn)生的原因引起異響的原因主要有尺寸公差、裝配精度、接觸面材料的兼容性、結(jié)構(gòu)設(shè)計、濕度環(huán)境條件及產(chǎn)品質(zhì)量問題等[34]。汽車的內(nèi)飾零部件通常采用卡扣卡接或螺釘緊固的方式進行裝配，這樣可以提高裝配效率，且方便后期更換。但同樣也存在以下缺點：（1）由于內(nèi)飾件裝配時卡接后固定不牢固，導(dǎo)致汽車行駛時，部件之間發(fā)生相對位移，產(chǎn)生碰撞或振動，引發(fā)異響現(xiàn)象。

【參考文獻】：
期刊論文
[1]基于時域和頻域分析的滾動軸承故障診斷[J]. 程秀芳,王鵬.  華北理工大學學報(自然科學版). 2020(01)
[2]深度學習在圖像識別中的應(yīng)用研究綜述[J]. 鄭遠攀,李廣陽,李曄.  計算機工程與應(yīng)用. 2019(12)
[3]基于CNN與MFCC的城市場景聲音識別[J]. 俞頌華,王汝涼.  廣西師范學院學報(自然科學版). 2019(01)
[4]基于短時傅里葉變換的巖石聲波信號分析方法研究[J]. 曹潔梅.  路基工程. 2018(06)
[5]低空飛行目標聲音優(yōu)化識別研究[J]. 朱紹程,劉利民.  計算機仿真. 2018(11)
[6]一種用于城市交通的優(yōu)化聲音識別仿真[J]. 鄭皓,趙庶旭,屈睿濤.  計算機技術(shù)與發(fā)展. 2019(02)
[7]基于短時傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠韜.  振動與沖擊. 2018(19)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的聲音場景識別[J]. 陳秋菊.  信息與電腦(理論版). 2018(18)
[9]基于目標MFCC特征的監(jiān)督學習方法在被動聲吶目標識別中的應(yīng)用研究[J]. 程錦盛,杜選民,周勝增,曾賽.  艦船科學技術(shù). 2018(17)
[10]軸系扭振誘發(fā)的車內(nèi)異響診斷及優(yōu)化[J]. 楊文英,郝志勇,鄭旭,張慶輝,李亞南.  振動.測試與診斷. 2018(02)

博士論文
[1]基于計算機視覺的手勢識別及人機交互技術(shù)的應(yīng)用研究[D]. 徐軍.東南大學 2018

碩士論文
[1]基于深度學習的聲音場景檢測的研究[D]. 趙瑞涵.成都理工大學 2019
[2]基于車全臉特征的車輛身份識別的設(shè)計與實現(xiàn)[D]. 楊仕琴.西安電子科技大學 2019
[3]基于車輛聲信號的SVM及CNN車型分類識別方法研究[D]. 劉芳.重慶交通大學 2018
[4]基于深度學習的聲音事件識別研究[D]. 王詩佳.東南大學 2018
[5]基于特征融合的開挖器械聲音識別算法研究[D]. 程飛.杭州電子科技大學 2018
[6]發(fā)動機異響的特征提取與模式識別[D]. 楊興國.重慶大學 2017
[7]道路模擬環(huán)境中的汽車座椅異響評價方法研究[D]. 申超.西南交通大學 2017
[8]一種噪聲環(huán)境下的復(fù)雜聲音識別方法[D]. 樊鵬.合肥工業(yè)大學 2017
[9]公共場所異常聲音識別算法設(shè)計與研究[D]. 張麗君.重慶大學 2017
[10]基于深度學習方法的水下聲音目標識別研究[D]. 盧安安.哈爾濱工程大學 2017



本文編號：3651765