CN111189646A - 车辆nvh自诊断方法、装置、车辆以及控制器和介质 - Google Patents
车辆nvh自诊断方法、装置、车辆以及控制器和介质 Download PDFInfo
- Publication number
- CN111189646A CN111189646A CN201911294808.4A CN201911294808A CN111189646A CN 111189646 A CN111189646 A CN 111189646A CN 201911294808 A CN201911294808 A CN 201911294808A CN 111189646 A CN111189646 A CN 111189646A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- nvh
- signal
- diagnosis
- vibration acceleration
- 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
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 46
- 238000013178 mathematical model Methods 0.000 claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 230000001133 acceleration Effects 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000003491 array Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种车辆NVH自诊断方法、装置、车辆以及控制器和介质,所述方法包括采集车载传感器信号和时间信号;基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值;将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。本发明无需为车辆连接外接NVH测试设备,也无需专业的检测人员参与,仅通过车辆自身设备进行NVH自诊断,降低了NVH检测成本,提升了用户体验。
Description
技术领域
本发明涉及NVH测试技术领域,尤其涉及一种车辆NVH自诊断方法、装置、车辆以及控制器和介质。
背景技术
随着科技的发展和人们生活水平的提高,人们对汽车品质的要求也越来越高,越来来越重视汽车的舒适性。根据各大车企统计数据,车辆售后市场上约有三分之一的故障问题是与NVH(NVH是指噪声-Noise、振动 -Vibration,声音粗糙度-Harshness)性能问题相关,NVH是衡量汽车制造质量的一个综合性问题,它给汽车用户的感受是最直接和最表面的。
传统的车辆NVH测试与诊断,需要专业测试人员使用专业NVH测试设备,连接布置各种类型的外置传感器进行测试,并结合测试人员自身的测试经验进行诊断,NVH测试设备虽然经过几代的升级,但仍然存在操作门槛高,设备费用昂贵,检测成本高的缺点,普通用户无法直接获取车辆NVH 的诊断结果,用户体验差。
发明内容
本发明所要解决的技术问题在于,提供一种车辆NVH自诊断方法、装置、车辆以及控制器和介质,无需为车辆连接外接NVH测试设备,也无需专业的检测人员参与,仅通过车辆自身设备进行NVH自诊断,降低了NVH检测成本,提升了用户体验。
为了解决上述技术问题,根据本发明一方面,提供了一种车辆NVH自诊断方法,包括:
采集车载传感器信号和时间信号;
基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值;
将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。
进一步的,所述车载传感器信号包括从车载声压传感器或车载麦克风采集的车内噪声信号、从车载转速传感器采集的电机转速信号以及从车载加速度传感器采集的车身振动加速度信号。
进一步的,所述基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值,包括:
从所述车内噪声信号和车身振动加速度信号中提取车内噪声时域测量数值和车身振动加速度时域测量数值;
将所述车内噪声信号和车身振动加速度信号进行傅立叶变换得到车内噪声频域信号和车身振动加速度频域信号;
基于所述时间信号、电机转速信号、车内噪声时域测量数值、车身振动加速度时域测量数值、车内噪声频域信号和车身振动加速度频域信号数据拟合出的二维数据曲线和三维数曲面;
从所述二维数据曲线和三维数曲面中提取所述NVH诊断参数的测量数值。
进一步的,所述将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果,包括:
将每一所述NVH诊断参数的测量数值与所述整车数学模型和动力总成数学模型中设定的每一所述NVH诊断参数对应的阈值对比,得到每一所述 NVH诊断参数的单项打分;
将得到的所有NVH诊断参数的单项打分进行加权计算,生成NVH诊断结果。
进一步的,所述NVH诊断参数包括车辆在行驶状态下不同工况下实时的各特征频率对应的噪声声压级、各特征频率对应的振动加速度、各特征阶次对应的噪声声压级以及各特征阶次对应的振动加速度。
根据本发明另一方面,提供了一种车辆NVH自诊断装置,包括:
信号采集模块,配置为采集车载传感器信号和时间信号;
测量数值获取模块,配置为基于所述车载传感器信号和时间信号获取 NVH诊断参数的测量数值;
诊断结果生成模块,配置为将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。
进一步的,车载传感器信号包括从车载声压传感器或车载麦克风采集的车内噪声信号、从车载转速传感器采集的电机转速信号以及从车载加速度传感器采集的车身振动加速度信号。
进一步的,所述测量数值获取模块包括:
时域数值提取单元,配置为从所述车内噪声信号和车身振动加速度信号中提取车内噪声时域测量数值和车身振动加速度时域测量数值;
频域信号转换单元,配置为将所述车内噪声信号和车身振动加速度信号进行傅立叶变换得到车内噪声频域信号和车身振动加速度频域信号;
图形拟合单元,配置为基于所述时间信号、电机转速信号、车内噪声时域测量数值、车身振动加速度时域测量数值、车内噪声频域信号和车身振动加速度频域信号数据拟合出的二维数据曲线和三维数曲面;
测量数值获取单元,配置为从所述二维数据曲线和三维数曲面中提取所述NVH诊断参数的测量数值。
进一步的,所述诊断结果生成模块包括:
诊断参数打分单元,配置为将每一所述NVH诊断参数的测量数值与所述整车数学模型和动力总成数学模型中设定的每一所述NVH诊断参数对应的阈值对比,得到每一所述NVH诊断参数的单项打分;
NVH诊断结果生成单元,将得到的所有NVH诊断参数的单项打分进行加权计算,生成NVH诊断结果。
进一步的,所述NVH诊断参数包括车辆在行驶状态下不同工况下实时的各特征频率对应的噪声声压级、各特征频率对应的振动加速度、各特征阶次对应的噪声声压级以及各特征阶次对应的振动加速度。
根据本发明另一方面,提供了一种车辆,包括所述车辆NVH自诊断装置。
根据本发明又一方面,提供一种控制器,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现所述方法的步骤。
根据本发明又一方面,提供一种计算机可读存储介质,用于存储计算机指令,所述指令在由一计算机或处理器执行时实现所述方法的步骤。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案,本发明一种车辆NVH自诊断方法、装置、车辆以及控制器和介质可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有下列优点:
本发明无需为车辆连接外接NVH测试设备,也无需专业的检测人员参与,仅通过车辆自身设备进行NVH自诊断,降低了NVH检测成本,不仅可以满足普通用户自我评分和检查的初级需求,也可以满足售后服务端专业用户故障诊断的需求,提升了用户体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本发明一实施例提供车辆NVH自诊断方法流程;
图2为本发明一实施例提供的车辆NVH自诊断装置示意图。
【符号说明】
1:信号采集模块 2:测量数值获取模块
3:诊断结果生成模块
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效, 以下结合附图及较佳实施例,对依据本发明提出的一种车辆NVH自诊断方法、装置、车辆以及控制器和介质的具体实施方式及其功效,详细说明如后。
本发明实施例提供了一种车辆NVH自诊断方法,如图1所示,包括以下步骤:
步骤S1、采集车载传感器信号和时间信号;
车辆自身可搭载车载麦克风、声压传感器、车速传感器、转速传感器和加速度传感器等车载传感器,车载麦克风可为麦克风阵列,设置在车内前后左右四个座位处,多个麦克风阵列可实现声源定位。
步骤S2、基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值;
步骤S3、将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。
本发明实施例所述方法无需为车辆连接外接NVH测试设备,也无需专业的检测人员参与,仅通过车辆自身设备进行NVH自诊断,降低了NVH检测成本,提升了用户体验。
作为一种示例,所述车载传感器信号包括从车载声压传感器或车载麦克风采集的车内噪声信号、从车载转速传感器采集的电机转速信号以及从车载加速度传感器采集的车身振动加速度信号等。
所述步骤S2可包括:
步骤S21、从所述车内噪声信号和车身振动加速度信号中提取车内噪声时域测量数值和车身振动加速度时域测量数值;
步骤S22、将所述车内噪声信号和车身振动加速度信号进行傅立叶变换得到车内噪声频域信号和车身振动加速度频域信号;
步骤S23、基于所述时间信号、电机转速信号、车内噪声时域测量数值、车身振动加速度时域测量数值、车内噪声频域信号和车身振动加速度频域信号数据拟合出的二维数据曲线和三维数曲面;
步骤S24、从所述二维数据曲线和三维数曲面中提取所述NVH诊断参数的测量数值。
其中,所述NVH诊断参数可包括车辆在行驶状态下不同工况下实时的各特征频率对应的噪声声压级、各特征频率对应的振动加速度、各特征阶次对应的噪声声压级以及各特征阶次对应的振动加速度等。
作为一种示例,所述步骤S3包括:
步骤S31、将每一所述NVH诊断参数的测量数值与所述整车数学模型和动力总成数学模型中设定的每一所述NVH诊断参数对应的阈值对比,得到每一所述NVH诊断参数的单项打分;
其中,整车数学模型和动力总成数学模型为预先设置在车内的模型,整车数学模型和动力总成数学模型中分别包括整车模态分布表和动力总成阶次特征表,整车模态分布表中记录有整车重要零部件模态固有频率;动力总成阶次特征表种记录有动力总成重要零部件的固有阶次参数;整车数学模型和动力总成数学模型中对上述所有NVH诊断参数设定有对应的阈值。
步骤S32、将得到的所有NVH诊断参数的单项打分进行加权计算,生成 NVH诊断结果。
其中,NVH诊断结果可以为评分报告,供车辆用户直接查看,也可以为更进阶的详细分析报告,例如FFT VS time、FFT VS Rpm、Order tracking 等分析报告,可供专业测试人员查看,为售后质量评估和维修提供依据。
此外,根据NVH诊断结果还可以诊断故障潜在关联部件,整车、动力总成不同的零部件都有各自的振动噪声频率以及阶次特征,通过捕捉这些特征频率与特征阶次,可以诊断故障的潜在关联部件。以某型电动力总成齿轮箱为例:根据传动系统模型计算可知,输入轴齿轮啮合阶次N=Z1;输出轴齿轮啮合阶次M=Z1*Z3/Z2,即:如车内N阶噪声大于设定经验阀值,则输入轴啮合齿轮存在故障风险,如车内M阶噪声大于设定阀值,则第二对啮合齿轮存在故障风险,其余零部件不在此次一一列举。由此可知,本发明实施例所述方法不仅可以满足普通用户自我评分和检查的初级需求,也可以满足售后服务端专业用户故障诊断的需求,提升了用户体验。
本发明实施例还提供了一种车辆NVH自诊断装置,如图2所示,包括信号采集模块1、测量数值获取模块2和诊断结果生成模块3,其中,信号采集模块1配置为采集车载传感器信号和时间信号,作为一种示例,车载传感器信号包括从车载声压传感器或车载麦克风采集的车内噪声信号、从车载转速传感器采集的电机转速信号以及从车载加速度传感器采集的车身振动加速度信号等;测量数值获取模块2配置为基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值;诊断结果生成模块3配置为将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。车辆自身可搭载车载麦克风、声压传感器、车速传感器、转速传感器和加速度传感器等车载传感器,车载麦克风可为麦克风阵列,设置在车内前后左右四个座位处,多个麦克风阵列可实现声源定位。
本发明实施例所述装置无需为车辆连接外接NVH测试设备,也无需专业的检测人员参与,仅通过车辆自身设备进行NVH自诊断,降低了NVH检测成本,提升了用户体验。
作为一种示例,所述测量数值获取模块2包括时域数值提取单元、频域信号转换单元、图形拟合单元和测量数值获取单元,其中,时域数值提取单元配置为从所述车内噪声信号和车身振动加速度信号中提取车内噪声时域测量数值和车身振动加速度时域测量数值;频域信号转换单元配置为将所述车内噪声信号和车身振动加速度信号进行傅立叶变换得到车内噪声频域信号和车身振动加速度频域信号;图形拟合单元配置为基于所述时间信号、电机转速信号、车内噪声时域测量数值、车身振动加速度时域测量数值、车内噪声频域信号和车身振动加速度频域信号数据拟合出的二维数据曲线和三维数曲面;测量数值获取单元,配置为从所述二维数据曲线和三维数曲面中提取所述NVH诊断参数的测量数值,所述NVH诊断参数可包括车辆在行驶状态下不同工况下实时的各特征频率对应的噪声声压级、各特征频率对应的振动加速度、各特征阶次对应的噪声声压级以及各特征阶次对应的振动加速度等。
作为一种示例,所述诊断结果生成模块3包括诊断参数打分单元和NVH 诊断结果生成单元,其中,诊断参数打分单元配置为将每一所述NVH诊断参数的测量数值与所述整车数学模型和动力总成数学模型中设定的每一所述NVH诊断参数对应的阈值对比,得到每一所述NVH诊断参数的单项打分,其中,整车数学模型和动力总成数学模型为预先设置在车内的模型,整车数学模型和动力总成数学模型中分别包括整车模态分布表和动力总成阶次特征表,整车模态分布表中记录有整车重要零部件模态固有频率;动力总成阶次特征表种记录有动力总成重要零部件的固有阶次参数;整车数学模型和动力总成数学模型中对上述所有NVH诊断参数设定有对应的阈值。
NVH诊断结果生成单元将得到的所有NVH诊断参数的单项打分进行加权计算,生成NVH诊断结果。
NVH诊断结果可以为评分报告,供车辆用户直接查看,也可以为更进阶的详细分析报告,例如FFT VS time、FFT VS Rpm、Order tracking等分析报告,可供专业测试人员查看,为售后质量评估和维修提供依据。此外,根据NVH诊断结果还可以诊断故障潜在关联部件,整车、动力总成不同的零部件都有各自的振动噪声频率以及阶次特征,通过捕捉这些特征频率与特征阶次,可以诊断故障的潜在关联部件。本发明实施例所述装置不仅可以满足普通用户自我评分和检查的初级需求,也可以满足售后服务端专业用户故障诊断的需求,提升了用户体验。
本发明实施例还提供了一种车辆,包括本发明实施例所述车辆NVH自诊断装置。
本发明实施例还提供一种控制器,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现所述车辆 NVH自诊断方法的步骤。
本发明实施例还提供一种计算机可读存储介质,用于存储计算机指令,所述指令在由一计算机或处理器执行时实现所述车辆NVH自诊断方法的步骤。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (13)
1.一种车辆NVH自诊断方法,其特征在于,包括:
采集车载传感器信号和时间信号;
基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值;
将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。
2.根据权利要求1所述的车辆NVH自诊断方法,其特征在于,
所述车载传感器信号包括从车载声压传感器或车载麦克风采集的车内噪声信号、从车载转速传感器采集的电机转速信号以及从车载加速度传感器采集的车身振动加速度信号。
3.根据权利要求2所述的车辆NVH自诊断方法,其特征在于,
所述基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值,包括:
从所述车内噪声信号和车身振动加速度信号中提取车内噪声时域测量数值和车身振动加速度时域测量数值;
将所述车内噪声信号和车身振动加速度信号进行傅立叶变换得到车内噪声频域信号和车身振动加速度频域信号;
基于所述时间信号、电机转速信号、车内噪声时域测量数值、车身振动加速度时域测量数值、车内噪声频域信号和车身振动加速度频域信号数据拟合出的二维数据曲线和三维数曲面;
从所述二维数据曲线和三维数曲面中提取所述NVH诊断参数的测量数值。
4.根据权利要求1-3中任意一项所述的车辆NVH自诊断方法,其特征在于,
所述将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果,包括:
将每一所述NVH诊断参数的测量数值与所述整车数学模型和动力总成数学模型中设定的每一所述NVH诊断参数对应的阈值对比,得到每一所述NVH诊断参数的单项打分;
将得到的所有NVH诊断参数的单项打分进行加权计算,生成NVH诊断结果。
5.根据权利要求4所述的车辆NVH自诊断方法,其特征在于,
所述NVH诊断参数包括车辆在行驶状态下不同工况下实时的各特征频率对应的噪声声压级、各特征频率对应的振动加速度、各特征阶次对应的噪声声压级以及各特征阶次对应的振动加速度。
6.一种车辆NVH自诊断装置,其特征在于,包括:
信号采集模块,配置为采集车载传感器信号和时间信号;
测量数值获取模块,配置为基于所述车载传感器信号和时间信号获取NVH诊断参数的测量数值;
诊断结果生成模块,配置为将所述NVH诊断参数的测量数值输入预置于车辆中的整车数学模型和动力总成数学模型中,生成NVH诊断结果。
7.根据权利要求6所述的车辆NVH自诊断装置,其特征在于,
车载传感器信号包括从车载声压传感器或车载麦克风采集的车内噪声信号、从车载转速传感器采集的电机转速信号以及从车载加速度传感器采集的车身振动加速度信号。
8.根据权利要求7所述的车辆NVH自诊断装置,其特征在于,
所述测量数值获取模块包括:
时域数值提取单元,配置为从所述车内噪声信号和车身振动加速度信号中提取车内噪声时域测量数值和车身振动加速度时域测量数值;
频域信号转换单元,配置为将所述车内噪声信号和车身振动加速度信号进行傅立叶变换得到车内噪声频域信号和车身振动加速度频域信号;
图形拟合单元,配置为基于所述时间信号、电机转速信号、车内噪声时域测量数值、车身振动加速度时域测量数值、车内噪声频域信号和车身振动加速度频域信号数据拟合出的二维数据曲线和三维数曲面;
测量数值获取单元,配置为从所述二维数据曲线和三维数曲面中提取所述NVH诊断参数的测量数值。
9.根据权利要求6-8中任意一项所述的车辆NVH自诊断装置,其特征在于,
所述诊断结果生成模块包括:
诊断参数打分单元,配置为将每一所述NVH诊断参数的测量数值与所述整车数学模型和动力总成数学模型中设定的每一所述NVH诊断参数对应的阈值对比,得到每一所述NVH诊断参数的单项打分;
NVH诊断结果生成单元,将得到的所有NVH诊断参数的单项打分进行加权计算,生成NVH诊断结果。
10.根据权利要求9所述的车辆NVH自诊断装置,其特征在于,
所述NVH诊断参数包括车辆在行驶状态下不同工况下实时的各特征频率对应的噪声声压级、各特征频率对应的振动加速度、各特征阶次对应的噪声声压级以及各特征阶次对应的振动加速度。
11.一种车辆,其特征在于,包括权利要求6-10中任意一项所述车辆NVH自诊断装置。
12.一种控制器,其包括存储器与处理器,其特征在于:所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现权利要求1至5中任意一项权利要求所述的方法的步骤。
13.一种计算机可读存储介质,用于存储计算机指令,其特征在于:所述指令在由一计算机或处理器执行时实现如权利要求1至5中任意一项权利要求所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294808.4A CN111189646A (zh) | 2019-12-16 | 2019-12-16 | 车辆nvh自诊断方法、装置、车辆以及控制器和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294808.4A CN111189646A (zh) | 2019-12-16 | 2019-12-16 | 车辆nvh自诊断方法、装置、车辆以及控制器和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111189646A true CN111189646A (zh) | 2020-05-22 |
Family
ID=70707333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911294808.4A Pending CN111189646A (zh) | 2019-12-16 | 2019-12-16 | 车辆nvh自诊断方法、装置、车辆以及控制器和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111189646A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113984392A (zh) * | 2021-10-29 | 2022-01-28 | 深圳技术大学 | 一种电驱动总成系统振动品质在线测试评估方法 |
CN114485919A (zh) * | 2022-01-24 | 2022-05-13 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 一种车辆故障监测装置及方法 |
CN114858473A (zh) * | 2022-04-01 | 2022-08-05 | 中国第一汽车股份有限公司 | 乘用车传动系一阶振动噪声评价方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288286A (zh) * | 2011-06-16 | 2011-12-21 | 中国科学院沈阳自动化研究所 | 一种振动加速度传感器齿轮箱测点精度分析与评价方法 |
CN105510049A (zh) * | 2015-12-23 | 2016-04-20 | 哈尔滨工业大学 | 基于振动信号分析的车辆运行工况监测模块及方法 |
CN108731923A (zh) * | 2018-03-28 | 2018-11-02 | 中控技术(西安)有限公司 | 一种旋转机械设备的故障检测方法及装置 |
CN109900351A (zh) * | 2017-12-11 | 2019-06-18 | 郑州宇通客车股份有限公司 | 一种汽车远程噪声监测与诊断方法及其系统 |
CN110400558A (zh) * | 2019-08-16 | 2019-11-01 | 武汉雄韬氢雄燃料电池科技有限公司 | 一种车用燃料电池发动机系统噪音检测及降噪方法 |
-
2019
- 2019-12-16 CN CN201911294808.4A patent/CN111189646A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288286A (zh) * | 2011-06-16 | 2011-12-21 | 中国科学院沈阳自动化研究所 | 一种振动加速度传感器齿轮箱测点精度分析与评价方法 |
CN105510049A (zh) * | 2015-12-23 | 2016-04-20 | 哈尔滨工业大学 | 基于振动信号分析的车辆运行工况监测模块及方法 |
CN109900351A (zh) * | 2017-12-11 | 2019-06-18 | 郑州宇通客车股份有限公司 | 一种汽车远程噪声监测与诊断方法及其系统 |
CN108731923A (zh) * | 2018-03-28 | 2018-11-02 | 中控技术(西安)有限公司 | 一种旋转机械设备的故障检测方法及装置 |
CN110400558A (zh) * | 2019-08-16 | 2019-11-01 | 武汉雄韬氢雄燃料电池科技有限公司 | 一种车用燃料电池发动机系统噪音检测及降噪方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113984392A (zh) * | 2021-10-29 | 2022-01-28 | 深圳技术大学 | 一种电驱动总成系统振动品质在线测试评估方法 |
CN114485919A (zh) * | 2022-01-24 | 2022-05-13 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 一种车辆故障监测装置及方法 |
CN114858473A (zh) * | 2022-04-01 | 2022-08-05 | 中国第一汽车股份有限公司 | 乘用车传动系一阶振动噪声评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111189646A (zh) | 车辆nvh自诊断方法、装置、车辆以及控制器和介质 | |
CN104458170B (zh) | 机械装备监测振动信号的时频图处理方法及系统 | |
CN111679654B (zh) | 基于神经网络的电力驱动系统振动信号诊断方法及装置 | |
CN108663115A (zh) | 一种汽车车内怠速噪声客观量化评价方法 | |
CN103558029A (zh) | 一种发动机异响故障在线诊断系统和诊断方法 | |
CN104198184A (zh) | 基于第二代小波变换与bp神经网络的轴承故障的诊断方法 | |
CN110779724B (zh) | 一种基于频域组稀疏降噪的轴承故障诊断方法 | |
CN102788671B (zh) | 基于航天器振动试验声谱的结构故障模式诊断方法 | |
CN104330255A (zh) | 一种基于多传感器信息融合的齿轮故障诊断方法 | |
CN106441548A (zh) | 变速器齿轮敲击实验及噪声声品质分析方法 | |
Barbieri et al. | Analysis of automotive gearbox faults using vibration signal | |
CN112098102B (zh) | 一种基于ewt-scwt的内燃机异响识别与诊断方法 | |
CN108398260B (zh) | 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法 | |
DE102011007031A1 (de) | Verfahren zur Diagnose eines Aufladesystems von Verbrennungsmotoren | |
Jie et al. | Spectral kurtosis based on evolutionary digital filter in the application of rolling element bearing fault diagnosis | |
CN112115802A (zh) | 一种起重机回转机构齿轮故障诊断方法、系统及存储介质 | |
CN114441177A (zh) | 基于信号调制定量评价发动机噪声的方法、系统及设备 | |
CN105303033A (zh) | 基于集合固有时间尺度分解算法的滚动轴承故障诊断方法 | |
CN108267311A (zh) | 一种基于张量分解的机械多维大数据处理方法 | |
CN113916543A (zh) | 基于背景噪声的车内阶次噪声目标值设定方法 | |
Alahmer et al. | Monitoring of a spark ignition engine malfunctions using acoustic signal technique | |
Ni et al. | Research on the detection of axle abnormal noise based on maximum autocorrelation kurtosis deconvolution | |
CN113959733A (zh) | 一种由拍振导致的压耳声评价方法 | |
Liao et al. | Analysis of gear rattle noise and vibration characteristics using relative approaches | |
CN112161805A (zh) | 一种基于时间序列标度分析和cnn的轴承微小故障诊断方法 |
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 |