汽车内饰件异响识别方法的研究
发布时间：2022-05-08 13:44
汽车车室内的异响问题是影响汽车NVH性能的一个重要因素,异响控制水平体现了整车厂在车辆设计、加工、装配等方面的综合能力,逐渐成为消费者购买新车时考虑的因素之一,随着智能化技术的不断进步,工程师对异响问题的诊断方法提出了更高的要求。近年来,智能化的汽车故障识别方法发展迅速,但其中声音识别技术的应用较少,且随着深度神经网络模型的发展,其特征参数仍大多沿用浅层模型中的参数,同时在汽车内饰件异响声源诊断方向缺少系统性的声音识别解决方案。针对以上问题,本文创新性的提出一种基于FBank图谱与卷积神经网络的汽车内饰件异响识别方法,并搭建包含信号降噪、预处理、端点检测等算法的识别流程,主要内容如下:（1）选取车窗共振异响、座椅导轨碰撞异响、手套箱卡扣异响、座椅摩擦异响为研究对象,分析其产生的主要机理,并借助零部件异响实验室和整车四立柱实验室开展异响信号采集实验,结合UrbanSound8K数据集,添加喇叭声与发动机空转声,增加样本多样性,减小系统误触发率。整理得到本文所用样本集。针对实车环境背景噪声干扰大的问题,对基于贝叶斯理论优化的小波阈值降噪算法进行研究,将实验室信号叠加路噪并进行降噪实验,提出...
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
声音识别系统流程图
论文技术路线图
江苏大学硕士学位论文9第二章异响信号采集实验与降噪处理汽车内饰件由于安装在汽车内部，驾乘人员会直接触及、使用及感知到，其异响问题会更加直观地影响顾客的乘坐舒适性。引起内饰件异响的原因往往很复杂，本章首先分析内饰件异响产生的典型原因，并针对性的对本文所研究的几种异响信号进行采集实验，建立异响数据集并用于后续信号处理与模型训练。同时针对路试实验数据信噪比低的特点，对信号的降噪算法进行研究。2.1汽车内饰件异响的产生2.1.1异响的分类根据异响产生的机理，通常可将异响分为三类[33]：如图2.1所示：（1）敲击异响：通常称为“Rattle”，指相邻零部件之间由于磨损或配合不当而存在间隙，并发生碰撞产生的不连续的声音，如“咔哒”声。（2）振动异响：通常称为“Buzz”，指由于零部件在激励下产生结构振动或共振时发出的声音，通常为“嗡嗡”声。（3）摩擦异响：通常称为“Squeak”，指两个相接触的零件表面以粘滑（Stick-Slip）的方式相互摩擦而产生的声音，通常为较尖锐的“吱吱”声，具体的音色随相互摩擦的材质不同而不同。图2.1异响的分类Fig.2.1Classificationofabnormalnoise2.1.2内饰件异响产生的原因引起异响的原因主要有尺寸公差、装配精度、接触面材料的兼容性、结构设计、湿度环境条件及产品质量问题等[34]。汽车的内饰零部件通常采用卡扣卡接或螺钉紧固的方式进行装配，这样可以提高装配效率，且方便后期更换。但同样也存在以下缺点：（1）由于内饰件装配时卡接后固定不牢固，导致汽车行驶时，部件之间发生相对位移，产生碰撞或振动，引发异响现象。
【参考文献】：
期刊论文
[1]基于时域和频域分析的滚动轴承故障诊断[J]. 程秀芳,王鹏. 华北理工大学学报(自然科学版). 2020(01)
[2]深度学习在图像识别中的应用研究综述[J]. 郑远攀,李广阳,李晔. 计算机工程与应用. 2019(12)
[3]基于CNN与MFCC的城市场景声音识别[J]. 俞颂华,王汝凉. 广西师范学院学报(自然科学版). 2019(01)
[4]基于短时傅里叶变换的岩石声波信号分析方法研究[J]. 曹洁梅. 路基工程. 2018(06)
[5]低空飞行目标声音优化识别研究[J]. 朱绍程,刘利民. 计算机仿真. 2018(11)
[6]一种用于城市交通的优化声音识别仿真[J]. 郑皓,赵庶旭,屈睿涛. 计算机技术与发展. 2019(02)
[7]基于短时傅里叶变换和卷积神经网络的轴承故障诊断方法[J]. 李恒,张氢,秦仙蓉,孙远韬. 振动与冲击. 2018(19)
[8]基于卷积神经网络的声音场景识别[J]. 陈秋菊. 信息与电脑(理论版). 2018(18)
[9]基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究[J]. 程锦盛,杜选民,周胜增,曾赛. 舰船科学技术. 2018(17)
[10]轴系扭振诱发的车内异响诊断及优化[J]. 杨文英,郝志勇,郑旭,张庆辉,李亚南. 振动.测试与诊断. 2018(02)
博士论文
[1]基于计算机视觉的手势识别及人机交互技术的应用研究[D]. 徐军.东南大学 2018
硕士论文
[1]基于深度学习的声音场景检测的研究[D]. 赵瑞涵.成都理工大学 2019
[2]基于车全脸特征的车辆身份识别的设计与实现[D]. 杨仕琴.西安电子科技大学 2019
[3]基于车辆声信号的SVM及CNN车型分类识别方法研究[D]. 刘芳.重庆交通大学 2018
[4]基于深度学习的声音事件识别研究[D]. 王诗佳.东南大学 2018
[5]基于特征融合的开挖器械声音识别算法研究[D]. 程飞.杭州电子科技大学 2018
[6]发动机异响的特征提取与模式识别[D]. 杨兴国.重庆大学 2017
[7]道路模拟环境中的汽车座椅异响评价方法研究[D]. 申超.西南交通大学 2017
[8]一种噪声环境下的复杂声音识别方法[D]. 樊鹏.合肥工业大学 2017
[9]公共场所异常声音识别算法设计与研究[D]. 张丽君.重庆大学 2017
[10]基于深度学习方法的水下声音目标识别研究[D]. 卢安安.哈尔滨工程大学 2017
本文编号：3651765
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
声音识别系统流程图
论文技术路线图
江苏大学硕士学位论文9第二章异响信号采集实验与降噪处理汽车内饰件由于安装在汽车内部，驾乘人员会直接触及、使用及感知到，其异响问题会更加直观地影响顾客的乘坐舒适性。引起内饰件异响的原因往往很复杂，本章首先分析内饰件异响产生的典型原因，并针对性的对本文所研究的几种异响信号进行采集实验，建立异响数据集并用于后续信号处理与模型训练。同时针对路试实验数据信噪比低的特点，对信号的降噪算法进行研究。2.1汽车内饰件异响的产生2.1.1异响的分类根据异响产生的机理，通常可将异响分为三类[33]：如图2.1所示：（1）敲击异响：通常称为“Rattle”，指相邻零部件之间由于磨损或配合不当而存在间隙，并发生碰撞产生的不连续的声音，如“咔哒”声。（2）振动异响：通常称为“Buzz”，指由于零部件在激励下产生结构振动或共振时发出的声音，通常为“嗡嗡”声。（3）摩擦异响：通常称为“Squeak”，指两个相接触的零件表面以粘滑（Stick-Slip）的方式相互摩擦而产生的声音，通常为较尖锐的“吱吱”声，具体的音色随相互摩擦的材质不同而不同。图2.1异响的分类Fig.2.1Classificationofabnormalnoise2.1.2内饰件异响产生的原因引起异响的原因主要有尺寸公差、装配精度、接触面材料的兼容性、结构设计、湿度环境条件及产品质量问题等[34]。汽车的内饰零部件通常采用卡扣卡接或螺钉紧固的方式进行装配，这样可以提高装配效率，且方便后期更换。但同样也存在以下缺点：（1）由于内饰件装配时卡接后固定不牢固，导致汽车行驶时，部件之间发生相对位移，产生碰撞或振动，引发异响现象。
【参考文献】：
期刊论文
[1]基于时域和频域分析的滚动轴承故障诊断[J]. 程秀芳,王鹏. 华北理工大学学报(自然科学版). 2020(01)
[2]深度学习在图像识别中的应用研究综述[J]. 郑远攀,李广阳,李晔. 计算机工程与应用. 2019(12)
[3]基于CNN与MFCC的城市场景声音识别[J]. 俞颂华,王汝凉. 广西师范学院学报(自然科学版). 2019(01)
[4]基于短时傅里叶变换的岩石声波信号分析方法研究[J]. 曹洁梅. 路基工程. 2018(06)
[5]低空飞行目标声音优化识别研究[J]. 朱绍程,刘利民. 计算机仿真. 2018(11)
[6]一种用于城市交通的优化声音识别仿真[J]. 郑皓,赵庶旭,屈睿涛. 计算机技术与发展. 2019(02)
[7]基于短时傅里叶变换和卷积神经网络的轴承故障诊断方法[J]. 李恒,张氢,秦仙蓉,孙远韬. 振动与冲击. 2018(19)
[8]基于卷积神经网络的声音场景识别[J]. 陈秋菊. 信息与电脑(理论版). 2018(18)
[9]基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究[J]. 程锦盛,杜选民,周胜增,曾赛. 舰船科学技术. 2018(17)
[10]轴系扭振诱发的车内异响诊断及优化[J]. 杨文英,郝志勇,郑旭,张庆辉,李亚南. 振动.测试与诊断. 2018(02)
博士论文
[1]基于计算机视觉的手势识别及人机交互技术的应用研究[D]. 徐军.东南大学 2018
硕士论文
[1]基于深度学习的声音场景检测的研究[D]. 赵瑞涵.成都理工大学 2019
[2]基于车全脸特征的车辆身份识别的设计与实现[D]. 杨仕琴.西安电子科技大学 2019
[3]基于车辆声信号的SVM及CNN车型分类识别方法研究[D]. 刘芳.重庆交通大学 2018
[4]基于深度学习的声音事件识别研究[D]. 王诗佳.东南大学 2018
[5]基于特征融合的开挖器械声音识别算法研究[D]. 程飞.杭州电子科技大学 2018
[6]发动机异响的特征提取与模式识别[D]. 杨兴国.重庆大学 2017
[7]道路模拟环境中的汽车座椅异响评价方法研究[D]. 申超.西南交通大学 2017
[8]一种噪声环境下的复杂声音识别方法[D]. 樊鹏.合肥工业大学 2017
[9]公共场所异常声音识别算法设计与研究[D]. 张丽君.重庆大学 2017
[10]基于深度学习方法的水下声音目标识别研究[D]. 卢安安.哈尔滨工程大学 2017
本文编号：3651765
本文链接：https://www.wllwen.com/kejilunwen/qiche/3651765.html
