CN106168541A - 汽车、诊断系统及生成汽车诊断数据的方法 - Google Patents
汽车、诊断系统及生成汽车诊断数据的方法 Download PDFInfo
- Publication number
- CN106168541A CN106168541A CN201610295095.3A CN201610295095A CN106168541A CN 106168541 A CN106168541 A CN 106168541A CN 201610295095 A CN201610295095 A CN 201610295095A CN 106168541 A CN106168541 A CN 106168541A
- Authority
- CN
- China
- Prior art keywords
- pattern
- data signal
- waveform data
- electrical waveform
- automobile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/10—Amplitude; Power
- G01H3/12—Amplitude; Power by electric means
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37433—Detected by acoustic emission, microphone
Abstract
本发明提供汽车、汽车诊断系统和用于生成汽车诊断数据的方法。一种用于生成汽车诊断数据的方法包括利用声音传感器捕获由汽车部件产生的声波波形。所述方法将所述声波波形转换成电波形数据信号。所述方法包括识别所述电波形数据信号中的模式。此外,所述方法将所述模式分类为指示所选性能问题。
Description
技术领域
本技术领域大体上涉及汽车诊断法,且更具体地涉及通过非话音声音捕获诊断汽车性能问题。
背景技术
环境保护署(EPA)要求车辆制造商安装车上诊断系统(OBD-II)用以监测从1996年款开始的轻型汽车和卡车。OBD-II系统(例如,微控制器和传感器)监测车辆的电气及机械系统并生成由车辆的发动机控制单元(ECU)处理以检测车辆性能的任何故障或劣化的数据。大部分ECU经由车辆内的共享的标准化电子总线传输状态及诊断信息。总线有效地充当具有多个处理器的车上计算机网络,每一处理器传输并接收数据。此网络内的主要计算机为车辆的电子控制模块(ECM)和动力控制模块(PCM)。ECM通常监测发动机功能(例如,巡航控制模块、火花控制器及排气/气体再循环器),而PCM监测车辆的动力传动系(例如,其发动机、变速机及刹车系统)。可从ECM和PCM获取的数据包括车辆速度、燃料液位、发动机温度及进气歧管压力。另外,响应于输入数据,ECU还生成五位“诊断故障码”(DTC),其指示车辆的特定问题。DTC存在于车辆的ECU的存储器中通常造成:“稍后发动机维护”的光点亮于大多数车辆的仪表盘上。
通过本文称为“OBD-II连接器”的标准化连接器使来自上述系统的数据可用。OBD-II连接器通常位于车辆的仪表盘下方。在维护车辆时,来自车辆的ECM和/或PCM的数据通常使用插入OBD-II连接器中的外部发动机诊断工具(一般称为“扫描工具”)来查询。启动车辆的发动机,且通过OBD-II连接器将数据从发动机计算机传送至扫描工具。稍后显示和分析数据以维护车辆。扫描工具通常仅用于诊断静止的车辆或运行在测力计上的车辆。
一些车辆制造商还将复杂电子系统包括在其制造的车辆中,以便访问和分析上述数据中的一些数据。例如,通用汽车公司(General Motors)将称为“安吉星(On-Star)”的系统包括在某些车辆中。安吉星通过无线网络收集并传输有关于这些DTC的数据。安吉星系统并未通过OBD-II连接器连接,而是直接接线到车辆的电子系统。这种接线过程通常在车辆制造时进行。
虽然上述系统可在识别汽车性能问题上表现良好,但是仍有改良可能性。此外,发动机功能(例如,巡航控制模块、火花控制器及排气/气体再循环器)以及动力传动系功能(例如,发动机、变速器及刹车系统)以外的功能的性能问题可能未被现有系统识别。
由此,期望提供改进的汽车诊断系统及带有这种改进的诊断系统的汽车。另外,期望提供改进的用于生成汽车诊断数据的方法。此外,根据结合附图和前述技术领域及背景技术进行的后续详细描述和所附权利要求书,其它特征和特性将变得显而易见。
发明内容
提供了一种用于生成汽车设备的诊断数据的方法。在一个实施例中,所述方法包括利用声音传感器捕获由汽车部件产生的声波波形。所述方法将声波波形转换成电波形数据信号。所述方法包括识别电波形数据信号的模式。此外,所述方法将所述模式分类为指示所选性能问题。
提供了一种汽车诊断系统。在一个实施例中,汽车诊断系统包括联接至汽车以用于接收非语音声音的声音传感器。此外,示例性汽车诊断系统包括:处理器,其包括用于将非语音声音转换成电波形数据信号的转换模块和用于将电波形数据信号分类为指示所选性能问题的分类模块。
在另一实施例中,提供了一种汽车。所述汽车包括车架、联接至车架以用于接收非语音声音的声音传感器及处理器。所述处理器包括用于将非语音声音转换为电波形数据信号的转换模块。所述处理器进一步包括用于将电波形数据信号分类为指示所选性能问题的分类模块。
附图说明
下文将结合以下附图描述实施例,其中,相同的数字符号表示相同的元件,且其中:
图1为根据实施例的汽车的示意图;
图2为根据实施例的图1的诊断系统20的示意图;以及
图3为示出了根据实施例的一种用于生成汽车的诊断数据的方法的示例的流程图。
具体实施方式
以下详细描述基本上仅仅是示例性的且并不旨在限制本文描述的实施例的申请及用途。此外,不存在由在前述技术领域、背景、简要发明内容或者以下详细描述中提出的任何表述的或暗示的理论所约束的意图。
以下描述涉及被“连接”或“联接”在一起的元件或特征。如本文所使用,“连接”可以是指一个元件/特征机械地接合至另一个元件/特征(或与其直接地连通),但不一定是直接地接合。同样,“联接”可以是指一个元件/特征直接地或间接地接合至另一个元件/特征(或与其直接地或间接地连通),但不一定是机械地接合。然而,应当理解,尽管下文在一个实施例中可能将两个元件描述为被“连接”,但在替代实施例中,类似的元件可以是“联接”的,反之亦然。因此,尽管本文所示的示意图描绘了元件的示例性布置,但额外的介入元件、装置、特征或部件也可以存在于实际实施例中。
此外,本文所述的各种部件和特征可以涉及使用特定的数字描述符,如第一、第二、第三等,以及位置和/或角度描述符,如水平的和垂直的。然而,这样的描述符可以仅用于与附图相关的描述目的并且不应理解为是限制性的,因为各种部件可以重新布置在其它实施例中。也应当理解,图1至图3仅是说明性的并且可以不按比例绘制。
图1示出了根据本文中的一个实施例的设有诊断系统20的车辆(或“汽车”)10。汽车10包括底盘12、车身14、四个车轮16和电子控制系统18。车身14布置在底盘12上且基本上围封汽车10的其它部件。车身14和底盘12可以共同形成车架。车轮16中的每个车轮靠近车身14的相应拐角而可旋转地联接至底盘12。
汽车10可以是多种不同类型汽车中的任何一种,如:例如,轿车、货车、卡车或运动型多用途车(SUV),并且其可以是两轮驱动(2WD)(即,后轮驱动或前轮驱动)、四轮驱动(4WD)或全轮驱动(AWD)。汽车10也可以结合多种不同类型的发动机中的任何一种或组合,如:例如,汽油或柴油燃料内燃机、“弹性燃料车辆”(FFV)发动机(即,使用汽油和酒精的混合物)、气体化合物(例如,氢气和/或天然气)燃料发动机、燃烧/电动混合动力发动机(即,如在混合电动汽车(HEV)中)以及电动机。
在图1所示的示例性实施例中,汽车10包括燃烧发动机和/或电动机/发电机18。燃烧发动机和/电动机28可以是集成的,使得其中一者或两者通过一个或多个驱动轴32机械地联接到车轮16中的至少一些车轮。在一个实施例中,汽车10为“串联式HEV”,其中燃烧发动机不直接联接至变速器而联接至发电机(未示出),所述发电机用于向电动机供电。在另一实施例中,汽车10为“并联式HEV”,其中燃烧发动机例如通过使电动机的转子可旋转地联接到内燃机的驱动轴而直接联接到变速器。
此外,汽车10包括用于从非话音声音诊断性能问题的诊断系统20。如图所示,诊断系统20包括处理器22。处理器22联接至声音传感器24、26和28。
声音传感器24、26和28可以是基于定向声音传感器(即,形成为固态集成电路的麦克风)或其它声音传感仪器的微机电系统(MEMS)。声音传感器24嵌入在燃烧发动机/电动机/发电机18中或以其它方式固定至燃烧发动机/电动机/发电机18。声音传感器26嵌入在车身14中或以其它方式固定至车身14。声音传感器28嵌入在底盘12中或以其它方式固定至底盘12。虽然示出了三个声音传感器,但诊断系统20可以包括一个、两个、三个或更多个声音传感器以用于接收外部声音(即,来源于汽车客舱之外的声音)。
尽管未在图1中详细示出,但处理器22包括各种模块,所述模块用于接收声音或声波波形并将声音或声波波形转换成电波形,并且用于处理电波形数据信号,例如,识别电波形数据信号的模式和将模式分类为指示所选性能问题。此外,处理器22可以包括存储器或与存储器通信以用于存储健康车辆声音分布模式和与已知性能问题相关联的模式库。
图2示出了通过处理器22执行的各种模块和处理。如图所示,非话音声音34、36和38分别由传感器24、26和28接收。如上文所指出,诊断系统20可以包括比所示出的三个更少或更多的传感器。因此,可以通过诊断系统20处理一种声音或多种声音。虽然在图2中处理了三种声音34、36和38,但本文中的实施例既不要求也不限制于捕获和处理三个声音传感器处的声音。
每种声音34、36和38可以具有声波波形或音频特征标志的特点。声音34、36和38可以由相同的源或若干源产生,但由于传感器24、26和28的位置不同,所述声音可以具有如由传感器24、26和28所接收的不同的特性或性质。例如,声音34可以包括来源于发动机18的噪声的较高音量或振幅,而声音26可以包括来源于轮胎16的噪声的较高音量或振幅。此外,声音34、36和38可以基于其位置而包括不同水平的环境噪声。
如图所示,在诊断系统20中设置了转换模块44、46和48,以将声音34、36和38转换成电波形数据信号54、56和58。如图所示,转换模块44、46和48可以是传感器24、26和28的一部分和/或处理器22的一部分。此外,虽然图2示出了专用于每个声音传感器24、26和28的单独的转换模块44、46和48,但可以提供单个转换模块以将声音转换成用于所有或部分传感器的数据信号。
在图2中,独立的且分离的电波形数据信号54、56和58由转换模块44、46和48产生。替代地,单个组合式电波形数据信号可以由一或多个转换模块产生。在任何情形下,一或多个电波形数据信号54、56和58被传达到识别模块60。识别模块60适合于识别一或多个电波形数据信号54、56和58中的模式62。例如,电波形数据信号可包括由正常发动机操作所呈现的分布,例如高斯分布。另外,电波形数据信号可包括正常分布的一或多个异常值。所述一或多个异常值可形成一模式。如图所示,识别模块60可与存储器65(例如,健康车辆声音分布模式库)通信。因此,识别模块可识别并未由健康车辆所呈现的任何一或多个模式62,即,用于进一步分析的感兴趣的一或多个模式62。此外,识别模块60可分析感兴趣的一或多个模式62的振幅或其它属性。例如,快速傅立叶变换可提供对能量和/或相位差的分析。此外,可对音频帧上的能量平均值和方差进行分析。可(例如)通过模式分类器(例如,高斯混合模型、K均值算法、神经网络、贝叶斯分类器等等)来分析美尔频率倒谱系数。如果感兴趣的一或多个62的振幅或其它属性并不超过阈值,那么识别模块可指示无需进行进一步处理。替代地,识别模块60可确定感兴趣的一或多个模式62是否在置信度阈值内。美尔倒谱频率系数被认为适合于对大多数车辆诊断或机械问题相关噪声进行分类。
置信度阈值基于概率或似然率。在示例性方法中,电波形数据信号属于提供最高概率或最大似然率的预定义类别或种类,即,所述信号与指示预定种类的性能问题的模式配对。在这种情况下,可针对每个预定义种类(例如,道路噪声、发动机噪声、不良悬架、吱吱作响的制动器)来计算概率。可将结果按照概率的降序进行排序。前述特征可用于评估电波形数据信号匹配每个预定义种类的最大似然率。每个音频种类在前述音频特征或属性方面将会具有唯一的特征标志。例如,置信度阈值可调谐至低于1%误差接受度。在这个过程中,每个时间帧中的音频频谱或能量频谱的序列可用作特征矢量。来自测试音频样本的所述特征矢量可结合预定义音频种类使用,以计算似然率或置信度得分。对于每个种类来说,可存在对应的似然率得分,且可能的种类可按照这些得分的次序进行排名。
如果所识别的感兴趣的一或多个模式62满足阈值,那么识别模块60可将所识别的感兴趣的一或多个模式62传达到分类模块70。分类模块70适合于将模式62分类为所选指示性能问题。包括所选性能问题72的诊断数据以及可选地用于校正动作的建议可由分类模块70创建。对于模式分类来说,在第一阶段期间,所述系统可训练成通过迭代地并且以递归的方式使用输入特征来减小已知音频样本(已标记)的分类误差而对每个标记的音频样本进行分类。在系统具有带有已知数据组的满意的分类性能之后,其可用于对具有未知种类的音频样本进行分类。车辆制造商可在车辆开发和验证阶段期间收集音频样本,如同在可部署低胎面轮胎以及可记录对应的音频特征标志以实现训练目的。
在对模式62进行分类时,分类模块70可使用存储在处理器22的存储器中的概率模型73。例如,概率模型73可选自由以下各者组成的群组:贝叶斯网络模型、动态贝叶斯网络模型、隐马尔可夫模型、模糊逻辑模型、神经网络模型以及彼得里网络模型。此类模型可使用多个回归、贝叶斯概率准则或者概率观测/模型。特征有效性技术可有助于选择有利于分类的特征。在基于算法的复杂性以及CPU(微处理器)可获得的处理功率(MIPS)进行特征选择之后,可使用合适的模式分类器。例如,神经网络可优于贝叶斯分类器。然而,前者可能需要更大的计算和处理开销。如先前所解释,应针对其所涉及的特定音频种类的事件来为每个特征矢量提供概率得分。具有最高得分的特征矢量可被指定为测试音频的标记。
此外,分类模块70和概率模型73可与存储器75(例如,与已知性能问题相关联的模式库)进行通信。例如,模式库可与以下性能问题相关联:例如,低轮胎胎面、低制动鼓/垫、正时皮带问题、变速器问题、悬架问题和/或排气问题,以及其它性能问题的原因。模式62的分类可包括将所述模式和库75内的与已知性能问题相关联的模式进行比较。众多特征可用于比较。然而,可通过例如主分量分析或因子分析或判别分析的技术来测量对于特定特征进行比较的有效性。相关性研究科指示哪些特征在对各种车辆机械噪声(例如,源自低轮胎胎面噪声的机械噪声)进行分类更为有效。
分类模块70可以将包括所选性能问题72的诊断数据传达到诊断模块80,所述诊断模块80可以为处理器20的一部分或在其之外。例如,诊断模块80可以包括显示灯或至汽车操作员的消息传送,从而指示需要进行维修。替代地或另外地,诊断模块80可以在维修汽车时为与机动车技术人员通信做准备。此外,可以将包括所选性能问题72的所述诊断数据添加到存储于OBD-II连接器中的来自车辆的ECM和/或PCM的数据,以供外部引擎诊断工具查询。
在实施例中,可以通过累积在对装有传感器24、26和28的汽车以各种速度在各种天气条件及在各种路面(例如,刻槽路面、混凝土、沥青、碎石、沙子、尘土等)以及在环境(例如,交通拥挤、开放场地、丛林、隧道、桥梁等)中进行试驾期间的音频数据(即声音)来创建健康车辆声音分布模式库65。可选地,诊断系统20可以被设计成在由最终用户驾驶时,连续得知健康车辆声音分布模式。
图3示出了用于生成汽车的诊断数据的方法的实施例。所述方法100包括在框102处捕获由汽车部件产生的声波波形。例如,嵌入汽车的结构部件中的一或多个声音传感器可以用于接收环境噪声。所述方法在框104处将声波波形转换成电波形数据信号。可以针对每个传感器产生独立的且分离的电波形数据信号,或可以针对所有传感器或针对所选的传感器产生单个组合式电波形数据信号。
在框106处,所述方法包括识别电波形数据信号中的模式。所述方法可以通过将电波形数据信号中的模式与健康车辆声音分布模式或与健康车辆声音分布模式库进行比较来识别电波形数据信号中的模式。通过将所述模式与一或多个健康车辆声音分布模式进行比较,所述方法可以识别对于电波形数据信号是独特的异常值模式。
在框108处,所述方法确定异常值模式是否在置信度阈值之内。如果异常值模式不在置信度阈值之内,那么所述方法在框102处继续进一步捕获声波波形。如果异常值模式在置信度阈值之内,那么在框110处,将异常值模式归类为感兴趣的模式或指示所选性能问题的模式。例如,所述方法可使用选自由以下各者组成的群组的概率模型来对模式进行分类:贝叶斯网络模型、动态贝叶斯网络模型、隐马尔可夫模型、模糊逻辑模型、神经网络模型和彼得里网络模型。此外,所述方法可以将所述模式和与已知性能问题相关联的模式库进行比较,其中所述已知性能问题包括低轮胎胎面、低制动鼓/垫、正时皮带问题、变速器问题、悬架问题和/或排气问题。所述方法在框112处继续将包括所选性能问题的诊断数据转发到诊断模块。
虽然在以上详细描述中已提出至少一个示例性实施例,但应当理解,存在大量的变化。还应当理解,所述一或多个示例性实施例仅作为示例,且并不旨在以任何方式限制本发明的范围、适用性或配置。相反地,前述详细描述将向本领域的技术人员提供方便的路线图以用于实施一或多个示例性实施例。应当了解,在不脱离如所附权利要求书及其法律等效物中所阐述的本发明的范围的情况下,可以在元件的功能及布置方面做出各种改变。
Claims (10)
1.一种用于生成汽车的诊断数据的方法,所述方法包括:
利用声音传感器捕捉由汽车部件产生的声波波形;
将所述声波波形转换成电波形数据信号;
识别所述电波形数据信号中的模式;以及
将所述模式分类为指示所选性能问题。
2.根据权利要求1所述的方法,其进一步包括将包括所述所选性能问题的所述诊断数据转发到诊断模块。
3.根据权利要求1所述的方法,其中识别所述电波形数据信号中的模式包括:
将所述电波形数据信号中的所述模式与健康车辆声音分布模式进行比较;以及
识别对于所述电波形数据信号是独特的异常值模式。
4.根据权利要求1所述的方法,其中所述处理器包括健康车辆声音分布模式库,其中,识别所述电波形数据信号中的模式包括:
将所述电波形数据信号中的所述模式与所述健康车辆声音分布模式库进行比较;以及
识别对于所述电波形数据信号是独特的异常值模式。
5.根据权利要求1所述的方法,其中识别所述电波形数据信号中的模式包括:
将所述电波形数据信号中的所述模式与健康车辆声音分布模式进行比较;
识别对于所述电波形数据信号是独特的异常值模式;
确定所述异常值模式是否在置信度阈值之内;
如果所述异常值模式在所述置信度阈值之内,那么将所述异常值模式归类为感兴趣的模式,其中,将所述模式分类为指示所选性能问题包括将所述感兴趣的模式分类为指示所选性能问题。
6.根据权利要求1所述的方法,其中,将所述模式分类为指示所选性能问题包括将所述模式和与已知性能问题相关联的模式库进行比较,其中所述已知性能问题包括低轮胎胎面、低制动鼓/垫、正时皮带问题、变速器问题、悬架问题,和/或排气问题。
7.根据权利要求1所述的方法,其中利用声音传感器捕获由汽车部件产生的声音波形包括利用嵌入所述汽车的结构部件中的多个声音传感器来接收环境噪音。
8.一种汽车诊断系统,其包括:
声音传感器,所述声音传感器联接至汽车以用于接收非语音声音;以及
处理器,所述处理器包括用于将所述非语音声音转换成电波形数据信号的转换模块和用于将所述电波形数据信号分类为指示所选性能问题的分类模块。
9.根据权利要求8所述的汽车诊断系统,其中所述处理器包括用于识别所述电波形数据信号中的模式的识别模块,其中所述分类模块将所述模式分类为指示所选性能问题。
10.一种汽车,其包括:
车架;
声音传感器,所述声音传感器联接至所述车架以用于接收非语音声音;以及
处理器,所述处理器包括用于将所述非语音声音转换成电波形数据信号的转换模块和用于将所述电波形数据信号分类为指示所选性能问题的分类模块。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/716630 | 2015-05-19 | ||
US14/716,630 US20160343180A1 (en) | 2015-05-19 | 2015-05-19 | Automobiles, diagnostic systems, and methods for generating diagnostic data for automobiles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106168541A true CN106168541A (zh) | 2016-11-30 |
CN106168541B CN106168541B (zh) | 2019-07-16 |
Family
ID=57231872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610295095.3A Active CN106168541B (zh) | 2015-05-19 | 2016-05-06 | 汽车、诊断系统及生成汽车诊断数据的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20160343180A1 (zh) |
CN (1) | CN106168541B (zh) |
DE (1) | DE102016208048B4 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597057A (zh) * | 2018-04-28 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于噪音深度学习的无人机故障预测诊断系统及方法 |
CN110865628A (zh) * | 2019-10-25 | 2020-03-06 | 清华大学深圳国际研究生院 | 基于工况数据的新能源汽车电控系统故障预测方法 |
CN112204362A (zh) * | 2018-05-30 | 2021-01-08 | 西门子工业软件公司 | 检测机械系统中的振动和/或声学传递的方法和装置 |
CN112509599A (zh) * | 2020-10-21 | 2021-03-16 | 中国人民解放军陆军炮兵防空兵学院 | 一种基于bp神经网络和梅尔倒谱的声谱故障分析诊断方法 |
CN113670434A (zh) * | 2021-06-21 | 2021-11-19 | 深圳供电局有限公司 | 变电站设备声音异常识别方法、装置和计算机设备 |
CN114659616A (zh) * | 2020-12-23 | 2022-06-24 | 丰田自动车株式会社 | 声源估计服务器、声源估计系统、声源估计装置、声源估计方法 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9843877B2 (en) | 2015-12-31 | 2017-12-12 | Ebay Inc. | Sound recognition |
US10360740B2 (en) * | 2016-01-19 | 2019-07-23 | Robert Bosch Gmbh | Methods and systems for diagnosing a vehicle using sound |
RU2018135573A (ru) * | 2016-03-10 | 2020-04-10 | Филипс Лайтинг Холдинг Б.В. | Система оценки загрязнения |
CN106596124A (zh) * | 2016-11-29 | 2017-04-26 | 山东大学 | 一种小型电动汽车动力系统测试平台 |
DE102017200372A1 (de) * | 2017-01-11 | 2018-07-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung und System zum Überwachen eines Fahrzeuges durch akustische Diagnose |
KR102324776B1 (ko) | 2017-10-16 | 2021-11-10 | 현대자동차주식회사 | 차량의 소음원인 진단방법 |
WO2019239542A1 (ja) * | 2018-06-14 | 2019-12-19 | 三菱電機株式会社 | 異常検知装置、異常検知方法及び異常検知プログラム |
DE102018216557A1 (de) * | 2018-09-27 | 2020-04-02 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung und Fortbewegungsmittel zur akustischen Überwachung einer Fehlerfreiheit eines Fortbewegungsmittels |
DE102018132158A1 (de) * | 2018-12-13 | 2020-06-18 | Bayerische Motoren Werke Aktiengesellschaft | Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug |
DE102018221998A1 (de) * | 2018-12-18 | 2020-06-18 | Audi Ag | Verfahren zum Generieren einer Geräuschdatenbank, Verfahren zum Dämpfen von wenigstens einem akustischen Signal in einem Kraftfahrzeug sowie Signaldämpfungsvorrichtung für ein Kraftfahrzeug |
CN110044472B (zh) * | 2019-03-22 | 2021-11-16 | 宁波慧声智创科技有限公司 | 一种线上产品异音异响智能检测系统 |
DE102019117817A1 (de) * | 2019-07-02 | 2021-01-07 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Analyse von Fahrzeuggeräuschen |
DE102019209797A1 (de) * | 2019-07-03 | 2021-01-07 | Thyssenkrupp Ag | Verfahren und Einrichtung zur Ermittlung des fahrbetriebsbedingten Zustandes von Karosseriekomponenten eines Fahrzeugs sowie eines entsprechenden Fahrerverhaltens |
US11775816B2 (en) | 2019-08-12 | 2023-10-03 | Micron Technology, Inc. | Storage and access of neural network outputs in automotive predictive maintenance |
US11635893B2 (en) | 2019-08-12 | 2023-04-25 | Micron Technology, Inc. | Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks |
US11748626B2 (en) | 2019-08-12 | 2023-09-05 | Micron Technology, Inc. | Storage devices with neural network accelerators for automotive predictive maintenance |
US11586943B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network inputs in automotive predictive maintenance |
US11586194B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network models of automotive predictive maintenance |
US20210049444A1 (en) * | 2019-08-12 | 2021-02-18 | Micron Technology, Inc. | Predictive maintenance of automotive engines |
US11853863B2 (en) | 2019-08-12 | 2023-12-26 | Micron Technology, Inc. | Predictive maintenance of automotive tires |
US11702086B2 (en) | 2019-08-21 | 2023-07-18 | Micron Technology, Inc. | Intelligent recording of errant vehicle behaviors |
US11650746B2 (en) | 2019-09-05 | 2023-05-16 | Micron Technology, Inc. | Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles |
US11693562B2 (en) | 2019-09-05 | 2023-07-04 | Micron Technology, Inc. | Bandwidth optimization for different types of operations scheduled in a data storage device |
US11250648B2 (en) | 2019-12-18 | 2022-02-15 | Micron Technology, Inc. | Predictive maintenance of automotive transmission |
US11709625B2 (en) | 2020-02-14 | 2023-07-25 | Micron Technology, Inc. | Optimization of power usage of data storage devices |
US11531339B2 (en) | 2020-02-14 | 2022-12-20 | Micron Technology, Inc. | Monitoring of drive by wire sensors in vehicles |
JP7392633B2 (ja) * | 2020-11-10 | 2023-12-06 | トヨタ自動車株式会社 | 車両の異音検査装置 |
US11646049B2 (en) * | 2021-05-04 | 2023-05-09 | Verizon Connect Development Limited | Systems and methods for utilizing models to predict hazardous driving conditions based on audio data |
DE102021204469A1 (de) | 2021-05-04 | 2022-11-10 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und Verfahren zur Diagnose einer Manipulation eines Abgasstrangs einer Brennkraftmaschine |
CN113514147B (zh) * | 2021-05-18 | 2023-10-31 | 浙江吉利控股集团有限公司 | 车辆噪声识别方法、系统、设备及计算机可读存储介质 |
CN115524143B (zh) * | 2022-10-21 | 2023-09-19 | 中国人民解放军陆军装甲兵学院 | 一种军用车辆健康状态分析管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782464A (zh) * | 2010-03-03 | 2010-07-21 | 罗新宇 | 汽车发动机声学诊断方法及其仪器 |
US20120143431A1 (en) * | 2010-12-06 | 2012-06-07 | Hyundai Motor Company | Diagnostic apparatus using a microphone |
EP2535694A1 (en) * | 2011-06-14 | 2012-12-19 | Hamilton Sundstrand Corporation | Engine noise monitoring as engine health management tool |
EP2538210A2 (en) * | 2011-06-23 | 2012-12-26 | United Technologies Corporation | Acoustic diagnostic of fielded turbine engines |
CN104122094A (zh) * | 2014-07-29 | 2014-10-29 | 南通理工学院 | 一种发动机异响故障诊断装置及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1137898A (ja) * | 1997-05-23 | 1999-02-12 | Daifuku Co Ltd | エンジン良否判定設備 |
DE10033586A1 (de) * | 2000-07-11 | 2002-01-24 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Fehlererkennung bzw. Diagnose |
DE10320809A1 (de) | 2003-05-08 | 2004-11-25 | Conti Temic Microelectronic Gmbh | Verfahren zur Erkennung und Überwachung der Bewegung bei Fahrzeugen |
DE102006019317A1 (de) * | 2005-07-14 | 2007-01-25 | Robert Bosch Gmbh | Zur Dosierung von Kraftstoff zu Brennräumen eines Verbrennungsmotors dienendes Verfahren und Steuergerät |
DE102007051261A1 (de) | 2007-10-26 | 2009-04-30 | Volkswagen Ag | Verfahren und Vorrichtung zur akustischen Beurteilung eines Kraftfahrzeuges |
US8655571B2 (en) * | 2011-06-23 | 2014-02-18 | United Technologies Corporation | MFCC and CELP to detect turbine engine faults |
US20130182865A1 (en) * | 2011-12-30 | 2013-07-18 | Agco Corporation | Acoustic fault detection of mechanical systems with active noise cancellation |
-
2015
- 2015-05-19 US US14/716,630 patent/US20160343180A1/en not_active Abandoned
-
2016
- 2016-05-06 CN CN201610295095.3A patent/CN106168541B/zh active Active
- 2016-05-10 DE DE102016208048.2A patent/DE102016208048B4/de active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782464A (zh) * | 2010-03-03 | 2010-07-21 | 罗新宇 | 汽车发动机声学诊断方法及其仪器 |
US20120143431A1 (en) * | 2010-12-06 | 2012-06-07 | Hyundai Motor Company | Diagnostic apparatus using a microphone |
EP2535694A1 (en) * | 2011-06-14 | 2012-12-19 | Hamilton Sundstrand Corporation | Engine noise monitoring as engine health management tool |
EP2538210A2 (en) * | 2011-06-23 | 2012-12-26 | United Technologies Corporation | Acoustic diagnostic of fielded turbine engines |
CN104122094A (zh) * | 2014-07-29 | 2014-10-29 | 南通理工学院 | 一种发动机异响故障诊断装置及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597057A (zh) * | 2018-04-28 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于噪音深度学习的无人机故障预测诊断系统及方法 |
CN112204362A (zh) * | 2018-05-30 | 2021-01-08 | 西门子工业软件公司 | 检测机械系统中的振动和/或声学传递的方法和装置 |
CN112204362B (zh) * | 2018-05-30 | 2022-10-04 | 西门子工业软件公司 | 检测机械系统中的振动和/或声学传递的方法和装置 |
CN110865628A (zh) * | 2019-10-25 | 2020-03-06 | 清华大学深圳国际研究生院 | 基于工况数据的新能源汽车电控系统故障预测方法 |
CN112509599A (zh) * | 2020-10-21 | 2021-03-16 | 中国人民解放军陆军炮兵防空兵学院 | 一种基于bp神经网络和梅尔倒谱的声谱故障分析诊断方法 |
CN114659616A (zh) * | 2020-12-23 | 2022-06-24 | 丰田自动车株式会社 | 声源估计服务器、声源估计系统、声源估计装置、声源估计方法 |
CN114659616B (zh) * | 2020-12-23 | 2024-05-07 | 丰田自动车株式会社 | 声源估计服务器、声源估计系统、声源估计装置、声源估计方法 |
CN113670434A (zh) * | 2021-06-21 | 2021-11-19 | 深圳供电局有限公司 | 变电站设备声音异常识别方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
US20160343180A1 (en) | 2016-11-24 |
CN106168541B (zh) | 2019-07-16 |
DE102016208048B4 (de) | 2023-03-16 |
DE102016208048A1 (de) | 2016-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106168541A (zh) | 汽车、诊断系统及生成汽车诊断数据的方法 | |
CN106596123B (zh) | 设备故障诊断的方法、装置及系统 | |
CN106525445A (zh) | 基于车辆声音和振动的车辆诊断 | |
US8972213B2 (en) | Pattern recognition approach to battery diagnosis and prognosis | |
CN108108766A (zh) | 基于多传感器数据融合的驾驶行为识别方法及系统 | |
CN108362508A (zh) | 汽车nvh检测装置、方法及汽车剩余使用寿命评估方法 | |
CN106650633A (zh) | 一种驾驶员情绪识别方法和装置 | |
US20230012186A1 (en) | System and method for vibroacoustic diagnostic and condition monitoring a system using neural networks | |
CN108351995A (zh) | 用于提供车辆维修提示的方法和系统 | |
Siegel et al. | Engine misfire detection with pervasive mobile audio | |
CN106114516A (zh) | 一种自适应驾驶人特性的愤怒驾驶行为监测及干预装置 | |
CN105890742A (zh) | 一种车辆共振检测警报方法、装置及系统 | |
US20240021029A1 (en) | State diagnosis apparatus and method of moving system part | |
Genuit et al. | Sound design of electric vehicles-Challenges and risks | |
CN106904122A (zh) | 车辆语音警示方法和装置 | |
Siegel et al. | Surveying off-board and extra-vehicular monitoring and progress towards pervasive diagnostics | |
CN105992101A (zh) | 用于在低噪音车辆中输出保护音的装置和方法 | |
Parizet et al. | NVH analysis techniques for design and optimization of hybrid and electric vehicles | |
CN109307549A (zh) | 轮胎空腔声的主要传递路径的确定方法、装置及汽车 | |
Trost et al. | Driver Classification of Shifting Strategies Using Machine Learning Algorithms | |
Bogema | Auralization of Vehicle Sound in Development and Production | |
JP2000074790A (ja) | 車両の診断方法 | |
CN107436191A (zh) | 一种行人警示声音品质的测试方法 | |
CN110579274A (zh) | 车辆底盘故障声响诊断方法及系统 | |
Murray et al. | Automated Identification of Vehicular Accidents from Acoustic Signals Using Artificial Neural Networks. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |