CN110928861B - 车辆道路噪声辅助分析评估方法及其系统 - Google Patents
车辆道路噪声辅助分析评估方法及其系统 Download PDFInfo
- Publication number
- CN110928861B CN110928861B CN201811087122.3A CN201811087122A CN110928861B CN 110928861 B CN110928861 B CN 110928861B CN 201811087122 A CN201811087122 A CN 201811087122A CN 110928861 B CN110928861 B CN 110928861B
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- road noise
- vehicle road
- database
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 103
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 238000012216 screening Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆道路噪声辅助分析评估方法及其系统。该方法包括下述步骤:数据库建立步骤,建立已有车辆道路噪声的基本数据特征参数的数据库;评估标签建立步骤,基于所述数据库,采用第一算法对数据进行分类筛选,并对其中的部分数据样本进行分析,获得样本数据的评估标签;筛选步骤,在车辆道路噪声分析的过程中,利用所述数据库输出的基本数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;以及评估步骤,对于所述筛选步骤筛选出的所述有效数据,利用所述评估标签建立步骤建立的所述评估标签进行评估。根据该发明,可以帮助NVH工程师对车辆道路噪声性能进行有效评估。
Description
技术领域
本发明涉及噪声分析技术领域,尤其涉及车辆道路噪声辅助分析评估方法以及车辆道路噪声辅助分析评估系统。
背景技术
随着人民生活水平的提高以及大众车辆普及率的显著提高,消费者对汽车NVH(Noise Vibration and Harshness,振动,噪声以及声振粗糙度)的要求越来越高,而车辆在道路上行驶作为客户在使用车辆过程中与车辆接触最多的状态,其过程中的噪声水平是客户关注度最高的事项之一。
因此,在车辆的NVH开发过程中,道路噪声试验是验证整车NVH性能的必不可少的环节。目前技术中对车辆道路噪声试验数据的分析判断,主要依靠NVH工程师的经验进行判断,对车辆的噪声水平进行评估。
现有对车辆道路噪声水平的评估方法的主要缺陷例如有:
(1)车辆道路噪声评估过程中涉及的参数很多,涉及不同频率段下的噪声值以及不衍生的各种参数,在试验过程中如果对各参数逐一确认需要花费较多时间,浪费试验资源,如果不确认,一旦数据出现问题,再重新协调资源进行试验更费时费力;
(2)主观性较强,即使有一定的客观参数支撑,但最终对车辆评估的好坏很大程度上取决于工程师的个人意见,不同工程师间评估偏差较大。
发明内容
鉴于上述问题,本发明旨在提供一种能够对车辆道路噪声的结果进行数据筛选以及评估的车辆道路噪声辅助分析评估方法以及车辆道路噪声辅助分析评估系统。
本发明的车辆道路噪声辅助分析评估方法,其特征在于,包括下述步骤:
数据库建立步骤,建立已有车辆道路噪声的基本数据特征参数的数据库;
评估标签建立步骤,基于所述数据库,采用第一算法对数据进行分类筛选,并对其中的部分数据样本进行分析,获得样本数据的评估标签;
筛选步骤,在车辆道路噪声分析的过程中,利用所述数据库输出的基本数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;以及
评估步骤,对于所述筛选步骤筛选出的所述有效数据,利用所述评估标签建立步骤建立的所述评估标签进行评估。
可选地,在所述辅助判断步骤之后进一步包括:
更新步骤,定期对新增数据进行筛选评估,并将筛选评估后的新增数据更新到所述数据库。
可选地,在所述数据库至少存储声学特征参数、原始声波形参数。
可选地,在所述评估标签建立步骤中,作为所述第一算法,采用无监督学习的聚类算法对数据进行分类,选取部分有代表性的数据进行评估,对评估结果进行分析统计以后,生成样本数据的标签。
本发明的车辆道路噪声辅助分析评估系统,其特征在于,包括:
数据库,存储已有的车辆道路噪声的数据特征参数;
评估标签建立模块,基于所述数据库,采用第一算法对数据进行分类筛选,并对其中的部分数据样本进行分析,获得样本数据的评估标签;
筛选模块,在车辆道路噪声分析的过程中,利用所述数据库输出的数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;以及
评估模块,对于所述筛选模块筛选出的所述有效数据,利用所述评估标签建立模块建立的所述评估标签进行评估。
可选地,定期对新增数据进行筛选评估,并将筛选评估后的新增数据更新到所述数据库。
可选地,在所述数据库至少存储声学特征参数、原始声波形参数。
可选地,所述评估标签建立模块作为所述第一算法采用无监督学习的聚类算法对数据进行分类,选取部分有代表性的数据进行评估,对评估结果进行分析统计以后,生成样本数据的标签。
本发明的计算机可读存储介质,其上存储计算机程序,其特征在于,该程序被处理器执行时上述的车辆道路噪声辅助分析评估方法。
本发明的计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现执行上述的车辆道路噪声辅助分析评估方法。
如上所述,根据本发明,可以快速对车辆道路噪声的结果进行数据筛选以及评估;降低了道路噪声评估对工程师经验的要求,为相关企业降低了人力培训成本;利用较少次数的多人主观评审,替代对每个样本的主观评估,减少了人力资源投入,同时可以获得相对稳定的评估结果,避免了单个工程师对结果评估产生的估计偏差。
通过纳入本文的附图以及随后与附图一起用于说明本发明的某些原理的具体实施方式,本发明的方法和装置所具有的其它特征和优点将更为具体地变得清楚或得以阐明。
附图说明
图1是表示本发明一实施方式的车辆道路噪声辅助分析评估方法的流程示意图。
图2是表示本发明一实施方式的车辆道路噪声辅助分析评估系统的结构框图。
具体实施方式
下面介绍的是本发明的多个实施例中的一些,旨在提供对本发明的基本了解。并不旨在确认本发明的关键或决定性的要素或限定所要保护的范围。
图1是表示本发明一实施方式的车辆道路噪声辅助分析评估方法的流程示意图。
如图1所示,本发明的车辆道路噪声辅助分析评估方法包括下述步骤:
数据库建立步骤S100:建立已有车辆道路噪声的基本数据特征参数的数据库;
评估标签建立步骤S200:基于所述数据库,采用第一算法对数据进行分类筛选,并对其中的部分数据样本进行分析,获得样本数据的评估标签;
筛选步骤S300:在车辆道路噪声分析的过程中,利用所述数据库输出的基本数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;
评估步骤S400:对于所述筛选步骤筛选出的所述有效数据,利用所述评估标签建立步骤建立的所述评估标签进行评估;以及
更新步骤S500,定期对新增数据进行筛选评估,并将筛选评估后的新增数据更新到所述数据库。
其中,更新步骤S500是不是必须步骤,是可选步骤。
在数据库建立步骤S100中,建立车辆道路噪声数据库。车辆道路噪声试验根据《GMW 8460道路噪声(GMW8460 Road Noise)》进行,该规范为通用汽车全球测试标准。除规范中要求处理的声学特征参数以外,数据库还需要原始噪声波形数据。
其中,数据库存储的数据特征包括但不限于语音清晰度时间历程均值、最大值、最小值,抖动度,A计权总声压级时间历程均值、最大值、最小值,抖动度,A计权1/3倍频程噪音,A计权1/3倍频程噪音多频带计权统计,车速时间历程均值、最大值、最小值,发动机转速时间历程均值、最大值、最小值。
在评估标签建立步骤S200中,使用改进的K-均值聚类算法,对数据库数据进行分类。在每种聚类结果中,抽取一定数量的样本,对这些样本进行评估,对评估的结果,进行统计分析,作为评估标签。
这里作为一个示例,在所述评估标签建立步骤中,作为所述第一算法,采用无监督学习的聚类算法对数据进行分类,选取部分有代表性的数据进行评估,对评估结果进行分析统计以后,生成样本数据的标签。具体算法流程如下:
1、样本空间变换,由笛卡尔坐标转换为马氏坐标;
2、计算各样本组的质心以及其SSE(即误差平方和);
3、选取SSE最大的样本组,拆分为两个样本组:
3.1、以距离最远的两个样本点作为两个样本组的质心;
3.2、将其他样本点根据其距离两个质心的远近,分配到两个样本组中;
3.3、计算两个样本组的质心,如果质心与前一次分类一致,则进入下一步;如果不一致,返回3.2步;
4、计算各数据组的SSE,如果达到收敛目标,则完成分类,
如果未达目标,返回步骤3。
其中,选取部分有代表性的数据包括下述流程:
1、根据数据分组结果,以各数据组的质心,并在数据组内平均分布选取数个点,作为备选点;
2、在备选点内人工选择比较合适的车辆(尽量选取开发阶段靠后的车辆、对标车辆等)。
在筛选步骤S300中,在实车评估过程中,利用数据库输出的数据基本特征参数(例如数据的分布范围,数据波动率等)对数据进行快速筛选,排除明显问题数据。
在评估步骤S400中,根据评估标签建立步骤S200获得的模型即评估标签,对数据进行评估,可以获得诸如如下的局部特征评估:例如有异响,轰鸣声过大,胎噪明显等。
在更新步骤S500中,将试验结果数据回传数据库,并且定期对模型进行更新。
如上所述,根据本发明,可以帮助NVH工程师对车辆道路噪声性能进行有效评估。
以上对于本发明的车辆道路噪声辅助分析评估方法进行了说明。接着对于本发明的车辆道路噪声辅助分析评估系统进行说明。
图2是表示本发明一实施方式的车辆道路噪声辅助分析评估系统的结构框图。
如图2所示,本发明一实施方式的车辆道路噪声辅助分析评估系统包括:
数据库100,存储已有的车辆道路噪声的数据特征参数;
评估标签建立模块200,基于所述数据库,采用第一算法对数据进行分类筛选,并对其中的部分数据样本进行分析,获得样本数据的评估标签;
筛选模块300,在车辆道路噪声分析的过程中,利用所述数据库输出的数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;以及
评估模块400,对于所述筛选模块筛选出的所述有效数据,利用所述评估标签建立模块建立的所述评估标签进行评估。
其中,可选地,定期对新增数据进行筛选评估,并将筛选评估后的新增数据更新到数据库100。
其中,在数据库100至少存储声学特征参数、原始声波形参数。具体地,数据库存储的数据特征包括但不限于语音清晰度时间历程均值、最大值、最小值,抖动度,A计权总声压级时间历程均值、最大值、最小值,抖动度,A计权1/3倍频程噪音,A计权1/3倍频程噪音多频带计权统计,车速时间历程均值、最大值、最小值,发动机转速时间历程均值、最大值、最小值。
评估标签建立模块200作为所述第一算法采用无监督学习的聚类算法对数据进行分类,选取部分有代表性的数据进行评估,对评估结果进行分析统计以后,生成样本数据的标签。其中,评估标签建立模块200的具体算法可参见以上说明的评估标签建立步骤S200的内容。
再者,本发明还提供一种计算机可读存储介质,其上存储计算机程序,其特征在于,该程序被处理器执行时上述的车辆道路噪声辅助分析评估方法。
再者,本发明还提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现执行上述的车辆道路噪声辅助分析评估方法。
如上所述,根据本发明,可以快速对车辆道路噪声的结果进行数据筛选以及评估;降低了道路噪声评估对工程师经验的要求,为相关企业降低了人力培训成本;利用较少次数的多人主观评审,替代对每个样本的主观评估,减少了人力资源投入,同时可以获得相对稳定的评估结果,避免了单个工程师对结果评估产生的估计偏差。
以上,例子主要说明了本发明的车辆道路噪声辅助分析评估方法以及车辆道路噪声辅助分析评估系统。尽管只对其中一些本发明的具体实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (10)
1.一种车辆道路噪声辅助分析评估方法,其特征在于,包括下述步骤:
数据库建立步骤,建立已有车辆道路噪声的数据特征参数的数据库;
评估标签建立步骤,基于所述数据库存储的数据特征参数,采用第一算法对数据进行分类筛选,并对其中的至少一部分数据样本进行分析,获得样本数据的评估标签;
筛选步骤,在车辆道路噪声分析的过程中,利用所述数据库输出的数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;以及
评估步骤,对于所述筛选步骤筛选出的所述有效数据,利用所述评估标签建立步骤建立的所述评估标签进行评估。
2.如权利要求1所述的车辆道路噪声辅助分析评估方法,其特征在于,在所述评估步骤之后进一步包括:
更新步骤,定期对新增数据进行筛选评估,并将筛选评估后的新增数据更新到所述数据库。
3.如权利要求1所述的车辆道路噪声辅助分析评估方法,其特征在于,
在所述数据库至少存储声学特征参数、原始声波形参数。
4.如权利要求1所述的车辆道路噪声辅助分析评估方法,其特征在于,
在所述评估标签建立步骤中,作为所述第一算法,采用无监督学习的聚类算法对数据进行分类,选取部分有代表性的数据进行评估,对评估结果进行分析统计以后,生成样本数据的标签。
5.一种车辆道路噪声辅助分析评估系统,其特征在于,包括:
数据库,存储已有的车辆道路噪声的数据特征参数;
评估标签建立模块,基于所述数据库存储的数据特征参数,采用第一算法对数据进行分类筛选,并对其中的至少一部分数据样本进行分析,获得样本数据的评估标签;
筛选模块,在车辆道路噪声分析的过程中,利用所述数据库输出的数据特征参数对车辆道路噪声分析数据进行筛选以筛选出有效数据;以及
评估模块,对于所述筛选模块筛选出的所述有效数据,利用所述评估标签建立模块建立的所述评估标签进行评估。
6.如权利要求5所述的车辆道路噪声辅助分析评估系统,其特征在于,
定期对新增数据进行筛选评估,并将筛选评估后的新增数据更新到所述数据库。
7.如权利要求5所述的车辆道路噪声辅助分析评估系统,其特征在于,
在所述数据库至少存储声学特征参数、原始声波形参数。
8.如权利要求5所述的车辆道路噪声辅助分析评估系统,其特征在于,
所述评估标签建立模块作为所述第一算法采用无监督学习的聚类算法对数据进行分类,选取部分有代表性的数据进行评估,对评估结果进行分析统计以后,生成样本数据的标签。
9.一种计算机可读存储介质,其上存储计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~4中任一项所述的车辆道路噪声辅助分析评估方法。
10.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现执行如权利要求1~4中任一项所述的车辆道路噪声辅助分析评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811087122.3A CN110928861B (zh) | 2018-09-18 | 2018-09-18 | 车辆道路噪声辅助分析评估方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811087122.3A CN110928861B (zh) | 2018-09-18 | 2018-09-18 | 车辆道路噪声辅助分析评估方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110928861A CN110928861A (zh) | 2020-03-27 |
CN110928861B true CN110928861B (zh) | 2023-11-17 |
Family
ID=69855777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811087122.3A Active CN110928861B (zh) | 2018-09-18 | 2018-09-18 | 车辆道路噪声辅助分析评估方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110928861B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161815A (zh) * | 2020-09-07 | 2021-01-01 | 东风汽车集团有限公司 | 一种车辆路噪主观评价值预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007058542A1 (de) * | 2007-12-06 | 2009-06-10 | Robert Bosch Gmbh | Fahrerassistenzsystem zur Überwachung der Fahrsicherheit und korrespondierendes Verfahren zur Erfassung und Bewertung einer Fahrzeugbewegung |
CN106067094A (zh) * | 2016-06-14 | 2016-11-02 | 华北电力大学 | 一种动态评估方法及系统 |
-
2018
- 2018-09-18 CN CN201811087122.3A patent/CN110928861B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007058542A1 (de) * | 2007-12-06 | 2009-06-10 | Robert Bosch Gmbh | Fahrerassistenzsystem zur Überwachung der Fahrsicherheit und korrespondierendes Verfahren zur Erfassung und Bewertung einer Fahrzeugbewegung |
CN106067094A (zh) * | 2016-06-14 | 2016-11-02 | 华北电力大学 | 一种动态评估方法及系统 |
Non-Patent Citations (2)
Title |
---|
梁杰 ; 孙强 ; 卢鹏宇 ; 卢炳武 ; 姜文君 ; 赵彤航 ; .加速工况下车内噪声品质烦躁度的评价研究.汽车技术.2010,(03),全文. * |
谷广宇 ; 刘建敏 ; 乔新勇 ; .基于改进K_means的发动机状态评估方法.汽车工程.2018,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110928861A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112733146B (zh) | 基于机器学习的渗透测试方法、装置、设备及存储介质 | |
CN109816043B (zh) | 用户识别模型的确定方法、装置、电子设备及存储介质 | |
WO2022257458A1 (zh) | 车险理赔行为识别方法、装置、设备及存储介质 | |
CN115629998B (zh) | 一种基于KMeans聚类和相似度的测试用例筛选方法 | |
CN111754044A (zh) | 员工行为审计方法、装置、设备及可读存储介质 | |
CN108470194B (zh) | 一种特征筛选方法及装置 | |
CN112116225A (zh) | 装备系统的作战效能评估方法、装置和存储介质 | |
CN111985789A (zh) | 一种车载终端信息安全威胁分析和风险评估系统及方法 | |
CN113205403A (zh) | 一种企业信用等级的计算方法、装置、存储介质及终端 | |
CN110928861B (zh) | 车辆道路噪声辅助分析评估方法及其系统 | |
CN112016756A (zh) | 数据预测的方法和装置 | |
WO2016013280A1 (ja) | データ分析方法、及びデータ分析システム | |
US20080004855A1 (en) | Design support apparatus, design support method, and design support program | |
CN112634022A (zh) | 基于不平衡数据处理的信贷风险评估方法与系统 | |
CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
CN116880867A (zh) | 基于策略大模型的决策引擎更新方法及装置 | |
CN111831545A (zh) | 测试用例生成方法、生成装置、计算机设备和存储介质 | |
CN116198511A (zh) | 车辆规控参数配置方法及系统 | |
CN113488164B (zh) | 基于数据的知识库心理沙盘分析方法、系统和设备 | |
CN115358348A (zh) | 一种车辆直通率影响特征确定方法、装置、设备及介质 | |
CN114549091A (zh) | 数据处理方法、设备以及计算机可读存储介质 | |
CN115080386A (zh) | 基于自动驾驶功能要求的场景有效性分析方法与设备 | |
CN112766981A (zh) | 一种基于机器学习的商圈树构建方法及系统 | |
CN110913033A (zh) | 基于cnn卷积神经网络学习的idcip地址分配方法 | |
CN115204031B (zh) | 航空发动机装配过程的振动值预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |