CN108254066A - 基于神经网络的汽车三维动态噪音检测识别系统及方法 - Google Patents

Abstract

本发明涉及一种基于神经网络的汽车三维动态噪音检测识别系统及方法，该系统包括三维精密微动平台以及依次通过数据线连接的声强探测装置、声谱分析和识别装置和声强采集控制装置，所述的声强探测装置设置在三维精密微动平台上，所述的三维精密微动平台通过与声强采集控制装置连接的步进电机控制器进行X、Y和Z三个方向上的三维步进移动，与现有技术相比，本发明具有适用于车内部件检测、识别精度高等优点。

Description

基于神经网络的汽车三维动态噪音检测识别系统及方法

技术领域

本发明涉及汽车车内噪音检测及辨别技术领域，尤其是涉及一种基于神经网络的汽车三维动态噪音检测识别系统及方法。

背景技术

三维动态检测技术可对汽车行驶过程中车内三维空间的噪声进行检测，此系统可识别和采集汽车内部部件附近的噪声声谱信息，有效地克服了以往的噪音声谱检测系统只能检测到汽车表面和外部各点的噪音信号，而无法对汽车内部噪音源位置的声谱信号进行识别和采集的缺点，实现了汽车在高速和低速行驶的情况下，更加准确地对车内三维空间的噪音特性进行捕捉的功能，为进一步研究汽车行驶过程中的噪音特征提供了技术和方案。

汽车内部噪音含有丰富的声谱信息，它是认识汽车噪音发生物理过程的丰富来源，是控制噪音产生的物理过程，实现汽车减噪的先行要素。对汽车内部噪音信号的测试与对汽车外部环境的测试有很大不同，首先，汽车内部的部件运行的温度高，很难进行直接测量，一般只能进行间接测量。其次，电源波动、气流变化等因素对车内噪音的扰动，使车内噪音中各种被测量存在时变性，这种时变速度往往很大，具有随机性。第三，汽车内部空间小但温度梯度大，各种部位的噪音在汽车内部空间分布很不均匀。因此，汽车内部的噪音被认为是最难测的噪音来源。所有这些给汽车噪音测试带来很大的不便，而三维动态检测系统对克服这些困难具有很大的优越性。

利用频谱分析仪检测噪音的技术基础是借助频谱仪将噪音辐射分解为各种频率的声谱，选择出特征谱线，再依靠声谱强度与其他的物理因素的关系来反映和测定噪音信号的物理状态和过程，然后将所测的结果作为控制噪音实时反馈到控制系统，对噪音产生过程进行控制。

然而，目前对汽车噪音的声谱谱检测仅仅限于对汽车的外围噪音信号，而其检测系统无法对汽车内部的噪音信号进行辨别和检测。因此，所测的噪音信号与实际的汽车噪音信号有严重的偏差，也就不能够为进一步地为汽车行驶过程中噪音控制和研究提供可靠的数据。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于神经网络的汽车三维动态噪音检测识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于神经网络的汽车三维动态噪音检测识别系统，该系统包括三维精密微动平台以及依次通过数据线连接的声强探测装置、声谱分析和识别装置和声强采集控制装置，所述的声强探测装置设置在三维精密微动平台上，所述的三维精密微动平台通过与声强采集控制装置连接的步进电机控制器进行X、Y和Z三个方向上的三维步进移动。

所述的声强探测装置包括通过光纤连接的声强探头和信号放大器，所述的声强探头用以采集车内各主要部件的声压信号，所述的信号放大器与声谱分析和识别装置连接。

所述的声谱分析和识别装置为一频谱分析仪，所述的频谱分析仪通过A/D转换器与信号放大器连接，用以实现对声压信号的频谱转换。

所述的三维精密微动平台包括底座、设置在底座上用以实现X、Y和Z三个方向上三维步进移动的步进电机以及螺杆传动结构，所述的步进电机控制器通过数据接口与步进电机连接。

一种汽车三维动态噪音检测识别方法，包括以下步骤：

1)在噪音识别前，将声强探头固定在三维精密微动平台上，声强探头的输出端通过数据线与声谱分析和识别装置连接后，再与声强采集控制装置连接，并且在声强采集控制装置中建立三维动态噪音检测过程的声音场模型；

2)利用声强探头对汽车行驶过程中车内各主要部件附近的声波进行采集，并且根据声强探头采集声音结果对声音场模型参数因素进行调整和修正，保证声音场模型的可靠性；

3)利用麦克风将其产生的声波的声压信号通过A/D转换器将声压信号转化为一系列离散的数字信号，并在频谱分析仪中进行频谱转换，即FFT转换；

4)对转换后的信号进行预处理后，通过神经网络进行识别。

所述的步骤2)中，车内各主要部件包括发动机、车盘底座、排气管以及车胎。

所述的步骤4)中，所述的神经网络为三层前馈网络，并且通过BP算法进行训练。

所述的神经网络的隐含层的节点为12，选取车内各主要部件的4种噪声源分别在减速行驶、匀速行驶和加速行驶情况下的声音样本为训练样本。

与现有技术相比，本发明具有以下优点：

本发明通过在声强探头的最前端配合三维精密微动平台和声音采集控制系统组成一个三维动态光谱检测系统，此系统可对汽车行驶过程中的车内三维空间的噪音进行检测，即可识别和采集车内主要部件的外围和内部点的声压信息，其识别部位精度为10μm。

附图说明

图1为进行噪音类型声测法的识别方法流程图。

图2为本发明实施例的结构示意图。

图3为进行噪音探测和识别的结构原理图。

图中标记说明：

1、声强探测装置，2、声谱分析和识别装置，3、数据线，4、电路放大系统及固定装置，5、三维精密微动平台，6、声强采集控制装置，7、步进电机控制器。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

一、利用神经网络进行汽车噪音识别的具体实施方式，如图1所示：

步骤A1：噪音识别前，将麦克风焊在三维转动平台支架上，其输出端通过数据线与外部测音装置连接，再与计算机连接。

步骤A2：利用麦克风对汽车行驶过程中车内各主要部件(发动机、车盘底座、排气管以及车胎)附近的声音进行采集，根据麦克风采集声音结果对参数因素进行调整、修正以保证声音场模型的可靠性。

步骤A3：利用麦克风将其产生的声波的声压信号通过连接器传到分类系统，通过A/D转换器将声压信号转化为一系列离散的数字信号,并在频谱分析仪中进行频谱转换(FFT转换)。

步骤A4：对原始噪声进行预处理后,通过神经网络进行识别的实现，设计的网络是三层前馈网络,利用BP算法分别进行了网络训练(选取了4种噪声源，即发动机、车盘底座、排气管以及车胎)并用到实际运行线路上进行检验。

二、利用三维动态检测技术进行车内噪音检测的具体实施方式：

如图2和3所示，本发明提供一种基于神经网络的汽车三维动态噪音检测识别系统，该系统包括三维精密微动平台5、电路放大系统及固定装置4，声强探测装置1，声谱分析和识别装置2和数据线3。

声强探测装置1包括声强探头、光纤和信号放大器，光纤两端分别与声强探头和信号放大器连接，并安装在三维精密微动平台上；

电路放大系统及固定装置4由电路放大器、调节结构、保护罩和支架组成。

三维精密微动平台5由可实现空间X、Y和Z三维方向步进运动的步进电机、螺杆机械机构和底座组成。

声强采集控制装置6由声谱采集软件、步进电机控制器7和电脑组成，声强信号放大的步进电机控制器7通过数据线3经USB接口与电脑连接。

声谱分析和识别装置2的声电信号传递和供电，通过数据线3经USB接口与电脑连接，三维精密微动平台,5上X、Y和Z三维方向步进运动的步进电机数据线3分别与步进电机控制器7上的X、Y和Z三个接口连接，步进电机控制器7通过数据线3经USB接口与电脑连接。

声强探测装置2进行声谱检测时，声强探测装置1在汽车内部各主要部件附近作X、Y和Z三维的步进移动。

本发明的结构安装和连接方法如下：

首先，将三维精密微动平台固定到适当的位置，之后将声强探测装置1安装到三维精密微动平台5上，接着打开检测探头的外罩，然后通过数据线3将检测镜头和声谱分析和识别装置2连通。之后，通过数据线3接通信号放大器、步进电机控制器7和电脑以及步进电机控制器7和三维精密微动平台5。

打开上位电脑，启动步进电机控制器7，之后打开声谱采集软件，通过声谱采集软件界面，通道分析仪及步进电机控制器7和电脑的连接情况以及三维精密微动平台5上的步进电机的工作状况。如声谱采集软件没有检测到以上设备，或者步进电机无法工作则需检查连接情况，确保设备的连通。

然后，通过声谱采集软件的界面设置采集参数，包括X、Y和Z三个方向的采集起点和终点位置，采集步长，采集方式(单次采谱或连续采谱)等。

最后，打开汽车发动机，待汽车运行稳定后，点击声谱采集电脑和软件上的开始按钮，进行噪音场的声谱采集，至此三维动态声谱检测和识别系统搭建完成。

本发明可对汽车行驶过程中车内三维空间的噪声进行检测，即此系统可识别和采集汽车内部部件附近的噪声声谱信息，其识别位置精度为10μm。有效地克服了以往的噪音声谱检测系统只能检测到汽车表面和外部各点的噪音信号，而无法对汽车内部噪音源位置的声谱信号进行识别和采集的缺点，实现了汽车在高速和低速行驶的情况下，更加准确地对车内三维空间的噪音特性进行捕捉的功能，为进一步研究汽车行驶过程中的噪音特征提供了检测和识别技术和方案。

Claims (8)

1.一种基于神经网络的汽车三维动态噪音检测识别系统，其特征在于，该系统包括三维精密微动平台(5)以及依次通过数据线(3)连接的声强探测装置(1)、声谱分析和识别装置(2)和声强采集控制装置(6)，所述的声强探测装置(1)设置在三维精密微动平台(5)上，所述的三维精密微动平台(5)通过与声强采集控制装置(6)连接的步进电机控制器(7)进行X、Y和Z三个方向上的三维步进移动。

2.根据权利要求1所述的一种基于神经网络的汽车三维动态噪音检测识别系统，其特征在于，所述的声强探测装置(1)包括通过光纤连接的声强探头和信号放大器，所述的声强探头用以采集车内各主要部件的声压信号，所述的信号放大器与声谱分析和识别装置(2)连接。

3.根据权利要求2所述的一种基于神经网络的汽车三维动态噪音检测识别系统，其特征在于，所述的声谱分析和识别装置(2)为一频谱分析仪，所述的频谱分析仪通过A/D转换器与信号放大器连接，用以实现对声压信号的频谱转换。

4.根据权利要求1所述的一种基于神经网络的汽车三维动态噪音检测识别系统，其特征在于，所述的三维精密微动平台(5)包括底座、设置在底座上用以实现X、Y和Z三个方向上三维步进移动的步进电机以及螺杆传动结构，所述的步进电机控制器(7)通过数据接口与步进电机连接。

5.一种应用如权利要求1-4任一项所述基于神经网络的汽车三维动态噪音检测识别系统的汽车三维动态噪音检测识别方法，其特征在于，包括以下步骤：

1)在噪音识别前，将声强探头固定在三维精密微动平台上，声强探头的输出端通过数据线与声谱分析和识别装置(2)连接后，再与声强采集控制装置连接，并且在声强采集控制装置中建立三维动态噪音检测过程的声音场模型；

2)利用声强探头对汽车行驶过程中车内各主要部件附近的声波进行采集，并且根据声强探头采集声音结果对声音场模型参数因素进行调整和修正，保证声音场模型的可靠性；

3)利用麦克风将其产生的声波的声压信号通过A/D转换器将声压信号转化为一系列离散的数字信号，并在频谱分析仪中进行频谱转换，即FFT转换；

4)对转换后的信号进行预处理后，通过神经网络进行识别。

6.根据权利要求5所述的一种基于神经网络的汽车三维动态噪音检测识别方法，其特征在于，所述的步骤2)中，车内各主要部件包括发动机、车盘底座、排气管以及车胎。

7.根据权利要求5所述的一种基于神经网络的汽车三维动态噪音检测识别方法，其特征在于，所述的步骤4)中，所述的神经网络为三层前馈网络，并且通过BP算法进行训练。

8.根据权利要求7所述的一种基于神经网络的汽车三维动态噪音检测识别方法，其特征在于，所述的神经网络的隐含层的节点为12，选取车内各主要部件的4种噪声源分别在减速行驶、匀速行驶和加速行驶情况下的声音样本为训练样本。