CN109060371A - 一种汽车零部件异响检测装置 - Google Patents
一种汽车零部件异响检测装置 Download PDFInfo
- Publication number
- CN109060371A CN109060371A CN201810726812.2A CN201810726812A CN109060371A CN 109060371 A CN109060371 A CN 109060371A CN 201810726812 A CN201810726812 A CN 201810726812A CN 109060371 A CN109060371 A CN 109060371A
- Authority
- CN
- China
- Prior art keywords
- voice signal
- acquisition
- auto parts
- components
- abnormal sound
- 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.)
- Pending
Links
Classifications
-
- 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
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种汽车零部件异响检测装置,包括:采集模块,用于采集汽车零部件运行时产生的声音信号;处理模块,用于对所述采集的声音信号进行处理,获取所述声音信号的特征参数;数据库模块,用于储存预置的汽车零部件部件正常时或发生异常时发出的声音信号样本的特征参数;分类器模块,用于根据所述数据库模块中预置的声音信号样本的特征参数训练分类器;识别模块,用于采用所述分类器对获取的声音信号的特征信息进行识别处理,分析所述获取的声音信号是否为异响,并根据所述分析结果生成相应的检测结果消息。本发明能够同时针对零部件发生异常时可能周期性异响或非周期性异响进行检测,适应性强,准确度高,有效地节省人力成本。
Description
技术领域
本发明涉及一种汽车零部件异响检测装置。
背景技术
汽车零部件在生产过程中,会有一定比例的不合格产品。其中一类不合格产品的问题是,当产品处于工作环境时会发生异响。汽车厂商需要对生产线上的产品进行逐个测试,筛选和各产品。目前,为了实现车辆质量的提升,零部件检测汽车零部件的技术水平和数量规模都在与日俱增,现有技术中,对于零部件发出的周期性的异响信号,已经有一些较为成熟的解决方案,但是对于非周期性的异响信号,目前市场上还没有高性能的自动化检测汽车零部件。
发明内容
针对上述问题,本发明旨在提供一种汽车零部件异响检测装置。
本发明的目的采用以下技术方案来实现:
一种汽车零部件异响检测装置,包括:
采集模块,用于采集汽车零部件运行时产生的声音信号;
处理模块,用于对所述采集的声音信号进行处理,获取所述声音信号的特征参数;
数据库模块,用于储存预置的汽车零部件部件正常时或发生异常时发出的声音信号样本的特征参数;
分类器模块,用于根据所述数据库模块中预置的声音信号样本的特征参数训练分类器;
识别模块,用于采用所述分类器对获取的声音信号的特征信息进行识别处理,分析所述获取的声音信号是否为异响,并根据所述分析结果生成相应的检测结果消息。
进一步地,所述装置还包括:显示模块,用于显示所述检测结果消息。
进一步地,所述处理模块还包括:
预处理单元,用于对采集的声音信号进行去噪和分帧加窗处理;
频域转换单元,用于对预处理后的声音信号进行短时傅里叶变换;
对数能量谱单元,用于对短时傅里叶变换后的获取的信号进行Mel滤波和对数能量的计算,获取对数能量谱;
能量谱转换单元,用于对获取的对数能量谱进行转换处理,获取声音信号的Gabor谱;
能量分布单元,用于获取所述Gabor谱的能量分布信息;
后处理单元,用于将获取的能量分布信息组合成所述声音信号的特征参数。
本发明的有益效果为:本发明装置通过采集汽车零部件内部发出的声音信号,分析该声音信号的特征参数,根据特征参数判断该声音信号是否为异响,从而判断汽车零部件的运行状态,能够同时针对零部件发生异常时可能周期性异响或非周期性异响进行检测,适应性强,准确度高,有效地节省人力成本。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图;
图2为本发明处理模块的框架结构图。
附图标记:采集模块1、处理模块2、数据库模块3、分类器模块4、识别模块5、显示模块6、预处理单元21、频域转换单元22、对数能量谱单元23、能量谱转换单元24、能量分布单元25和后处理单元26
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1,其示出一种汽车零部件异响检测装置,包括:
采集模块1,用于采集汽车零部件运行时产生的声音信号;
处理模块2,用于对所述采集的声音信号进行处理,获取所述声音信号的特征参数;
数据库模块3,用于储存预置的汽车零部件部件正常时或发生异常时发出的声音信号样本的特征参数;
分类器模块4,用于根据所述数据库模块3中预置的声音信号样本的特征参数训练分类器;
识别模块5,用于采用所述分类器对获取的声音信号的特征信息进行识别处理,分析所述获取的声音信号是否为异响,并根据所述分析结果生成相应的检测结果消息。
本发明上述实施方式,通过采集汽车零部件内部发出的声音信号,分析该声音信号的特征参数,根据特征参数判断该声音信号是否为异响,从而判断汽车零部件的运行状态,能够同时针对零部件发生异常时可能周期性异响或非周期性异响进行检测,适应性强,准确度高,有效地节省人力成本。
进一步地,所述装置还包括:显示模块6,用于显示所述检测结果消息。
进一步地,所述处理模块2还包括:
预处理单元21,用于对采集的声音信号进行去噪和分帧加窗处理;
频域转换单元22,用于对预处理后的声音信号进行短时傅里叶变换;
对数能量谱单元23,用于对短时傅里叶变换后的获取的信号进行Mel滤波和对数能量的计算,获取对数能量谱;
能量谱转换单元24,用于对获取的对数能量谱进行转换处理,获取声音信号的Gabor谱;
能量分布单元25,用于获取所述Gabor谱的能量分布信息;
后处理单元26,用于将获取的能量分布信息组合成所述声音信号的特征参数。
进一步地,所述预处理单元21进一步包括:对声音信号进行分帧处理,获取声音序列xd(n),d=1,2,…,D,其中n表示帧的索引,帧数为D;
进一步地,所述频域转换单元22进一步包括:计算声音序列xd(n)的短时傅里叶变换(STFT),即:
式中,xd(n)表示第d帧声音序列,ω(n0-n)表示汉明窗函数;Xd(k)表示xd(n)的STFT系数,k=0,1,…,N,N表示汉明窗长度。
进一步地,所述对数能量谱单元23进一步包括:获取声音序列STFT系数的对数能量谱,其中采用的对数能量函数为:
其中,
式中,fl,fh分别表示Mel频率谱的下限和上限,0≤m<M,M表示Mel滤波器的数量,Hm(f)表示设定的三角形滤波器,Ed(m)表示对数能量,Meld(k)表示Mel滤波器组的滤波结果,其中所有帧的Ed(m)构成对数能量谱E。
进一步地,所述能量谱转换单元24进一步包括:获取声音信号的Gabor谱Pu,v,其中采用的Gabor谱获取函数为:
Pu,v=conv(E,ψuv)
式中,conv(·)表示卷积算子,E表示对数能量谱,ψuv表示Gabor小波核函数,
其中:
式中,u表示Gabor小波的核方向,u=1,2,…,U,U表示Gabor小波核方向数量,v表示Gabor小波的核尺度,v=1,2,…,V,V表示Gabor小波核尺度数量,z=(i,j)表示像素点的空间位置,σ表示高斯函数的半径,kv表示核尺度v对应的尺度参数,表示核方向。
优选地,采用的Gabor小波核尺度数量V=5,核方向数量U=8。
本发明上述实施方式,采用上述的方法将能量谱转换成Gabor谱,其中采用的Gabor小波能够放大信号的局部信息,并保留信号的原有信息,提高异响检测的鲁棒性。
进一步地,所述能量分布单元25进一步包括:获取所述Gabor谱的局部能量分布谱,包括:
首先,将Gabor谱Pμ,v分成(D-w+1)·(M/w)个小块BLij;
其中,i=1,…,D-w+1,j=1,…,M/w,w表示块尺寸;
分别获取每个小块BLij的Gobar一阶不变矩参数,其中采用的一阶不变矩参数获取函数为:
θ1=y20+y02
式中,θ1表示一阶不变矩参数,wL,wW分别代表块的宽和高,ypq表示p+q阶归一化中心矩,αpq表示p+q阶中心矩,其中
g(a,b)=BLij(a,b),表示能量重心,其中εpq表示p+q阶矩,其中,y20即ypq中p=2,q=0;
经上述处理,将从每一个小块获取的Gabor一阶不变矩参数组合得到Gabor局部能量分布谱。
本发明上述实施方式,采用上述方法将不同小块的Gobar一阶不变矩参数组合成局部能量分布谱,放大能量谱的局部能量变化信息,能够突出声音信号中异响的特征部分,提高了声音信号特征参数提取的精确度和适应性,为之后精确的异响检测奠定了基础。
进一步地,所述后处理单元26进一步包括:采用离散余弦变换消除Gabor局部能量分布谱间系数的相关性,从而得到Gabor局部能量分布谱的倒谱系数,并将其记为Lu,v,将不同尺度、不同方向的Gabor局部能量分布谱的倒谱系数Lu,v组合在一起,构成声音信号的特征参数。
优选地,所述后处理单元26还进一步包括:从倒谱系数Lu,v中提取统计特征,记为Ru,v,同时,也从Lu,v的一阶、二阶差分中提取统计特征,记为ΔRu,v和ΔΔRu,v,组合得到的声音信号特征参数为:R=[R0,1,ΔR0,1,ΔΔR0,1,…,RU-1,V,ΔRU-1,V,ΔΔRU-1,V]。
本发明上述实施方式,采用Gabor局部能量分布谱的倒谱系数及其一阶、二阶差分的均值、标准值、最大值、最小值、峰值、偏度、范围、中值等构成声音信号的特征参数,能够有效地降低特征参数获取的冗余度,提高特征参数的识别性能。
本发明上述实施方式,处理模块中个单元采用上述方式对获取的声音信号进行特征参数提取,首先对获取的声音信号进行预处理,为特征提取提取做好准备,去除噪声的影响;然后对声音信号进行Gabor谱的提取,并根据提取的Gabor谱获取其局部能量分布信息,将局部能量分布信息作为基础构建特征参数,供识别模块进行进一步的识别处理,鲁棒性强,精确度高,能够大大提高装置对异响检测识别的性能。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.一种汽车零部件异响检测装置,其特征在于,包括:
采集模块,用于采集汽车零部件运行时产生的声音信号;
处理模块,用于对所述采集的声音信号进行处理,获取所述声音信号的特征参数;
数据库模块,用于储存预置的汽车零部件部件正常时或发生异常时发出的声音信号样本的特征参数;
分类器模块,用于根据所述数据库模块中预置的声音信号样本的特征参数训练分类器;
识别模块,用于采用所述分类器对获取的声音信号的特征信息进行识别处理,分析所述获取的声音信号是否为异响,并根据所述分析结果生成相应的检测结果消息。
2.根据权利要求1所述的一种汽车零部件异响检测装置,其特征在于,还包括:显示模块,用于显示所述检测结果消息。
3.根据权利要求1所述的一种汽车零部件异响检测装置,其特征在于,所述处理模块还包括:
预处理单元,用于对采集的声音信号进行去噪和分帧加窗处理;
频域转换单元,用于对预处理后的声音信号进行短时傅里叶变换;
对数能量谱单元,用于对短时傅里叶变换后的获取的信号进行Mel滤波和对数能量的计算,获取对数能量谱;
能量谱转换单元,用于对获取的对数能量谱进行转换处理,获取声音信号的Gabor谱;
能量分布单元,用于获取所述Gabor谱的能量分布信息;
后处理单元,用于将获取的能量分布信息组合成所述声音信号的特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726812.2A CN109060371A (zh) | 2018-07-04 | 2018-07-04 | 一种汽车零部件异响检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726812.2A CN109060371A (zh) | 2018-07-04 | 2018-07-04 | 一种汽车零部件异响检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109060371A true CN109060371A (zh) | 2018-12-21 |
Family
ID=64819135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810726812.2A Pending CN109060371A (zh) | 2018-07-04 | 2018-07-04 | 一种汽车零部件异响检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109060371A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003364A (zh) * | 2018-07-04 | 2018-12-14 | 深圳市益鑫智能科技有限公司 | 一种基于语音识别的智能家居门禁系统 |
CN110425710A (zh) * | 2019-08-30 | 2019-11-08 | 盈盛智创科技(广州)有限公司 | 一种空调的故障检测方法、装置、设备及存储介质 |
CN112149498A (zh) * | 2020-08-13 | 2020-12-29 | 江苏大学 | 一种面向汽车复杂部件异响的在线智能识别系统及方法 |
CN112268614A (zh) * | 2020-10-28 | 2021-01-26 | 深圳市泰祺科技有限公司 | 一种汽车监听方法及系统 |
CN113049275A (zh) * | 2021-03-18 | 2021-06-29 | 杭州豪盛电动车辆有限公司 | 一种轨道平车故障监测方法、装置、智能终端及存储介质 |
CN113984191A (zh) * | 2021-10-27 | 2022-01-28 | 苏州微著设备诊断技术有限公司 | 一种电力设备异音智能听针系统及其诊断方法 |
CN117091848A (zh) * | 2023-10-20 | 2023-11-21 | 潍柴动力股份有限公司 | 一种基于声信号的发动机异响识别方法、装置及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2383635B (en) * | 2001-10-31 | 2005-06-15 | Tekgenuity Ltd | Improvements in and relating to monitoring apparatus |
CN102592593A (zh) * | 2012-03-31 | 2012-07-18 | 山东大学 | 一种考虑语音中多线性群组稀疏特性的情绪特征提取方法 |
CN104409078A (zh) * | 2014-12-11 | 2015-03-11 | 黑龙江真美广播通讯器材有限公司 | 异常声音检测和识别系统 |
CN105841797A (zh) * | 2016-03-15 | 2016-08-10 | 中南大学 | 一种基于mfcc和svm的车窗电机异常噪声检测方法及装置 |
CN106328152A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种室内噪声污染自动识别监测系统 |
CN107782548A (zh) * | 2017-10-20 | 2018-03-09 | 韦彩霞 | 一种基于对轨道交通工具零部件检测系统 |
-
2018
- 2018-07-04 CN CN201810726812.2A patent/CN109060371A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2383635B (en) * | 2001-10-31 | 2005-06-15 | Tekgenuity Ltd | Improvements in and relating to monitoring apparatus |
CN102592593A (zh) * | 2012-03-31 | 2012-07-18 | 山东大学 | 一种考虑语音中多线性群组稀疏特性的情绪特征提取方法 |
CN104409078A (zh) * | 2014-12-11 | 2015-03-11 | 黑龙江真美广播通讯器材有限公司 | 异常声音检测和识别系统 |
CN106328152A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种室内噪声污染自动识别监测系统 |
CN105841797A (zh) * | 2016-03-15 | 2016-08-10 | 中南大学 | 一种基于mfcc和svm的车窗电机异常噪声检测方法及装置 |
CN107782548A (zh) * | 2017-10-20 | 2018-03-09 | 韦彩霞 | 一种基于对轨道交通工具零部件检测系统 |
Non-Patent Citations (1)
Title |
---|
陶华伟: "基于谱图特征的语音情感识别若干问题的研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003364A (zh) * | 2018-07-04 | 2018-12-14 | 深圳市益鑫智能科技有限公司 | 一种基于语音识别的智能家居门禁系统 |
CN110425710A (zh) * | 2019-08-30 | 2019-11-08 | 盈盛智创科技(广州)有限公司 | 一种空调的故障检测方法、装置、设备及存储介质 |
CN112149498A (zh) * | 2020-08-13 | 2020-12-29 | 江苏大学 | 一种面向汽车复杂部件异响的在线智能识别系统及方法 |
CN112149498B (zh) * | 2020-08-13 | 2024-05-14 | 江苏大学 | 一种面向汽车复杂部件异响的在线智能识别系统及方法 |
CN112268614A (zh) * | 2020-10-28 | 2021-01-26 | 深圳市泰祺科技有限公司 | 一种汽车监听方法及系统 |
CN113049275A (zh) * | 2021-03-18 | 2021-06-29 | 杭州豪盛电动车辆有限公司 | 一种轨道平车故障监测方法、装置、智能终端及存储介质 |
CN113984191A (zh) * | 2021-10-27 | 2022-01-28 | 苏州微著设备诊断技术有限公司 | 一种电力设备异音智能听针系统及其诊断方法 |
CN117091848A (zh) * | 2023-10-20 | 2023-11-21 | 潍柴动力股份有限公司 | 一种基于声信号的发动机异响识别方法、装置及系统 |
CN117091848B (zh) * | 2023-10-20 | 2024-02-20 | 潍柴动力股份有限公司 | 一种基于声信号的发动机异响识别方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109060371A (zh) | 一种汽车零部件异响检测装置 | |
CN108414240B (zh) | 一种检测机器异常振动的方法与装置 | |
CN110017991B (zh) | 基于谱峭度和神经网络的滚动轴承故障分类方法及系统 | |
CN105841961A (zh) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 | |
CN106226407B (zh) | 一种基于奇异谱分析的超声回波信号在线预处理方法 | |
Liu et al. | Deep learning and recognition of radar jamming based on CNN | |
CN106653032A (zh) | 低信噪比环境下基于多频带能量分布的动物声音检测方法 | |
CN110987434A (zh) | 一种基于去噪技术的滚动轴承早期故障诊断方法 | |
CN110007355A (zh) | 一种卷积自编码器及物体内部异常的检测方法和装置 | |
CN112137620B (zh) | 一种基于超宽带雷达的人体微弱呼吸信号检测方法 | |
CN111401136A (zh) | 一种柱塞泵空化程度检测方法、装置及终端 | |
US9600445B2 (en) | Precision measurement of waveforms | |
CN102254185B (zh) | 基于对比度敏感函数的背景杂波量化方法 | |
CN109410178A (zh) | 一种工件裂纹检测方法及系统 | |
CN114187330A (zh) | 一种基于光流法的结构微幅振动工作模态分析方法 | |
CN114781463A (zh) | 一种跨场景鲁棒的室内摔倒无线检测方法及相关设备 | |
CN106548031A (zh) | 一种结构模态参数识别方法 | |
CN105933063B (zh) | 一种光纤信号处理方法、装置及光纤传感系统 | |
CN113990303B (zh) | 基于多分辨率空洞深度可分卷积网络的环境声音辨识方法 | |
Sousa et al. | Robust cepstral-based features for anomaly detection in ball bearings | |
CA2743613C (en) | Precision measurement of waveforms | |
CN110458071A (zh) | 一种基于dwt-dfpa-gbdt的光纤振动信号特征提取与分类方法 | |
CN113758709A (zh) | 结合边缘计算和深度学习的滚动轴承故障诊断方法及系统 | |
CN113095113A (zh) | 一种用于水下目标识别的小波线谱特征提取方法及系统 | |
CN104361596A (zh) | 一种基于Contourlet变换和Frobenius范数半参考图像质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |