重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (7): 1-9.doi: 10.3969/j.issn.1674-8425(z).2020.07.001

• 车辆工程 •    下一篇

基于小波包FBank图谱与CNN的车内异响识别研究

王若平1,房 宇1,陈达亮2,王 东2,李仁仁1,曾发林1   

  1. １．江苏大学汽车与交通工程学院，江苏镇江　２１２０１３； ２．中国汽车技术研究中心有限公司，天津　３００３００
  • 收稿日期:2019-06-11 发布日期:2020-08-13
  • 作者简介:王若平,女,教授,主要从事现代汽车设计理论与方法研究,E-mail:760288261@qq.com。
  • 基金资助:
    国家自然科学基金项目(51575238)

  • Received:2019-06-11 Published:2020-08-13

PDF (PC)

312

赞

摘要： 车内异响识别是优化改进异响声源的重要前提，针对目前异响声源诊断效率低的问题，提出一种基于卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ＣＮＮ）的车内异响识别方法。选择４种车内零部件异响声音为研究对象，提取异响信号的梅尔频率倒谱系数和ＦＢａｎｋ（ｆｉｌｔｅｒｂａｎｋ）图谱特征，并采用小波包变换对其进行改进，然后使用ＣＮＮ对训练数据提取更深层次的特征并进行分类识别，同时对比不同特征参数输入对识别率的影响。实验结果表明：所提出的基于小波包ＦＢａｎｋ图谱与ＣＮＮ的车内异响识别方法准确率可达９０．２％，基于小波包变换改进的ＦＢａｎｋ图谱相比于梅尔倒谱系数更加适合作为ＣＮＮ的输入。

关键词: 异响识别, 特征参数提取, 小波包变换, 卷积神经网络

中图分类号: 

  • TP206