-
公开(公告)号:CN118091541A
公开(公告)日:2024-05-28
申请号:CN202410495787.7
申请日:2024-04-24
申请人: 中汽研(天津)汽车工程研究院有限公司
摘要: 本发明公开了一种汽车噪声源定位方法及系统。其中,方法包括如下步骤:采集汽车内的声音信号以及光学图像;对采集的声音信号进行预处理;生成汽车噪声源的声场分布图;针对声场分布图,形成声学图像,并且初步定位噪声源位置;将所述声学图像和光学图像进行叠加,得到噪声源定位可视化图;根据噪声源定位可视化图,运用传递路径法合成车内噪声频谱,并与正常工况下采集的驾驶员耳旁的噪声频谱进行对比,若存在的误差没有超过预设阈值,则确定准确定位到噪声源位置,否则,返回进行重新定位。本申请提供的技术方案减少了车上传感器的布置数量,从而减少了传递路径分析的工作量,能够以较少的路径定位到汽车上的噪声源。
-
公开(公告)号:CN118797414A
公开(公告)日:2024-10-18
申请号:CN202411259900.8
申请日:2024-09-10
申请人: 中汽研(天津)汽车工程研究院有限公司
IPC分类号: G06F18/24 , G06F18/2135 , G06F18/15 , G06F18/27
摘要: 本发明公开一种电驱动总成噪声多维度评价方法、系统及存储介质,包括:根据预设划分标准对目标电驱动总成集进行层级类别划分,采集目标电驱动总成集的噪声信号数据集,对噪声信号数据集进行处理,得到噪声信号特性的映射客观参数集,基于层级类别和映射客观参数集中的参数类别,对噪声信号数据集进行统计,建立电驱动总成噪声数据矩阵序列库,基于电驱动总成噪声数据矩阵序列库,建立电驱动总成噪声多映射客观参量加权回归模型,根据电驱动总成噪声多映射客观参量加权回归模型对不同工况下的电驱动总成的噪声进行评价,提高了噪声评价的精确度。
-
公开(公告)号:CN118072416A
公开(公告)日:2024-05-24
申请号:CN202410494417.1
申请日:2024-04-24
申请人: 中汽研(天津)汽车工程研究院有限公司 , 中国汽车技术研究中心有限公司
IPC分类号: G07C5/08 , G07C5/00 , G06F18/213 , G06F18/2411 , G06N3/08 , G06N20/10 , B60W50/02 , B60W50/14 , G01M17/007 , G06F123/02 , G06N3/0442 , G06N3/0464
摘要: 本发明公开了基于深度学习的智能车载声振分析与诊断系统,包括:车载采集仪,采集汽车预定的位置的振动、噪声信号并处理;车机声振分析模块,装于车机系统中,读取和处理车载采集仪采集到的振动、噪声信号及读取车辆行驶速度、发动机转速信号传送到云端服务器,将实时监测信息与云端服务器反馈的智能诊断结果信息显示;云端服务器,基于车机声振分析模块传输来的振动、噪声信号及车辆行驶速度、发动机转速信号进行大数据训练,通过深度学习方式进行智能诊断模型训练,用训练好的智能诊断模型输出智能诊断结果信息反馈给车机声振分析模块在车机系统显示。本发明能够对车辆的振动和声学性能进行评价,同时对车辆振动和噪声问题进行智能诊断。
-
公开(公告)号:CN118364362B
公开(公告)日:2024-09-10
申请号:CN202410764518.6
申请日:2024-06-14
申请人: 中汽研(天津)汽车工程研究院有限公司 , 中国汽车技术研究中心有限公司
IPC分类号: G06F18/241 , G06N3/0464 , G06N3/096
摘要: 本发明公开了基于恒Q变换和迁移学习的故障诊断方法,包括步骤:从监测传感器中采集监测数据,构建初始数据集;对初始数据集数据增强,形成增强数据集;将增强数据集中的数据进行恒Q变换,转换为在时频平面上的信号表示,得到多通道图像;将多通道图像输入到基于GoogleNet的迁移学习故障诊断模型中,得第一结果0;将第一结果0全局平均池化后,添加预定丢弃概率的丢弃,得到一维向量的输出结果作为一层全连接神经网络输入;全连接神经网络输出第二结果0’,第二结果0’中最大元素所在位置为故障诊断的最终预测值。本发明大大提高设备故障诊断效率,能在故障发生早期及时有效故障诊断及辨别故障类型,避免设备故障而带来损失。
-
公开(公告)号:CN118091541B
公开(公告)日:2024-08-02
申请号:CN202410495787.7
申请日:2024-04-24
申请人: 中汽研(天津)汽车工程研究院有限公司
摘要: 本发明公开了一种汽车噪声源定位方法及系统。其中,方法包括如下步骤:采集汽车内的声音信号以及光学图像;对采集的声音信号进行预处理;生成汽车噪声源的声场分布图;针对声场分布图,形成声学图像,并且初步定位噪声源位置;将所述声学图像和光学图像进行叠加,得到噪声源定位可视化图;根据噪声源定位可视化图,运用传递路径法合成车内噪声频谱,并与正常工况下采集的驾驶员耳旁的噪声频谱进行对比,若存在的误差没有超过预设阈值,则确定准确定位到噪声源位置,否则,返回进行重新定位。本申请提供的技术方案减少了车上传感器的布置数量,从而减少了传递路径分析的工作量,能够以较少的路径定位到汽车上的噪声源。
-
公开(公告)号:CN118364362A
公开(公告)日:2024-07-19
申请号:CN202410764518.6
申请日:2024-06-14
申请人: 中汽研(天津)汽车工程研究院有限公司 , 中国汽车技术研究中心有限公司
IPC分类号: G06F18/241 , G06N3/0464 , G06N3/096
摘要: 本发明公开了基于恒Q变换和迁移学习的故障诊断方法,包括步骤:从监测传感器中采集监测数据,构建初始数据集;对初始数据集数据增强,形成增强数据集;将增强数据集中的数据进行恒Q变换,转换为在时频平面上的信号表示,得到多通道图像;将多通道图像输入到基于GoogleNet的迁移学习故障诊断模型中,得第一结果0;将第一结果0全局平均池化后,添加预定丢弃概率的丢弃,得到一维向量的输出结果作为一层全连接神经网络输入;全连接神经网络输出第二结果0’,第二结果0’中最大元素所在位置为故障诊断的最终预测值。本发明大大提高设备故障诊断效率,能在故障发生早期及时有效故障诊断及辨别故障类型,避免设备故障而带来损失。
-
-
-
-
-