CN114199594B - 车辆转向异响识别方法及系统 - Google Patents

Abstract

本申请提供了一种车辆转向异响识别方法，属于汽车故障诊断领域，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，提取声音信号中的特征并判断是否存在异响，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，提高车辆可靠性。

Description

车辆转向异响识别方法及系统

技术领域

本申请涉及汽车故障诊断领域，特别涉及一种车辆转向异响识别方法及系统。

背景技术

随着汽车的普及，人们对汽车的要求越来越高，车辆的可靠性已经逐渐成为用户在车辆使用过程中最为关心的问题之一。车辆的功能失效、性能衰减以及异响等问题很容易降低用户对于车辆品牌的认可度。而车辆出现的异响往往是车辆存在潜在问题的一种预警。

因此，如果能够根据车辆出现的异响，对车辆潜在的问题进行预先诊断，则有可能及时发现车辆潜在的问题，并对汽车进行相应的维修保养，提高车辆的可靠性。

容易导致车辆出现异响的原因有很多，目前关于车辆转向时产生的异响的研究较少，亟需开发一种合理且有效的车辆转向异响识别方法。

发明内容

有鉴于此，本申请提供了一种车辆转向异响识别方法，能够合理且有效地识别车辆转向异响，方法包括：

通过车载声音采集装置采集车辆转向机构发出的声音信号并存储。

通过电子控制单元获取车辆参数并判断车辆参数是否满足预设条件。

当电子控制单元判断出车辆参数满足预设条件时，通过远程信息处理装置获取存储的声音信号。

通过远程信息处理装置提取声音信号中的特征，并根据特征判断是否存在异响。

可选择地，通过电子控制单元获取车辆参数并判断车辆参数是否满足预设条件，包括：

通过电子控制单元获取方向盘传感器采集的方向盘转角、轮速传感器采集的车速以及档位传感器采集的当前档位。

通过电子控制单元判断获取的方向盘转角、车速以及当前档位是否满足如下预设条件之一：

方向盘转角从大于90°减小至0°，车速大于10km/h且小于等于40km/h，且当前档位为前进挡。

方向盘转角从大于180°减小至0°，车速小于40km/h，且当前档位为前进挡。

方向盘转角从大于180°减小至0°，且当前档位为倒挡。

可选择地，通过远程信息处理装置提取声音信号中的特征之前，方法还包括：

通过远程信息处理装置对获取到的声音信号进行带通滤波，带通滤波的滤波频段为200Hz-2000HZ或200Hz-4000HZ。

可选择地，通过远程信息处理装置提取声音信号中的特征，并根据特征判断是否存在异响，包括：

通过远程信息处理装置提取声音信号的梅尔倒频谱系数，梅尔倒频谱系数包括至少十二维特征值。

通过远程信息处理装置从梅尔倒频谱系数中提取第一维特征值、第二维特征值和第三维特征值，其中第一维特征值、第二维特征值和第三维特征值是至少十二维特征值中的前三维特征值。

通过远程信息处理装置根据第一维特征值、第二维特征值和第三维特征值判断是否存在异响。

可选择地，通过远程信息处理装置根据第一维特征值、第二维特征值和第三维特征值判断是否存在异响，包括：

通过远程信息处理装置计算第二维特征值和第一维特征值的差，得到第一差值。

通过远程信息处理装置计算第三维特征值和第二维特征值的差，得到第二差值。

通过远程信息处理装置根据第一差值和第二差值判断是否存在异响。

可选择地，通过远程信息处理装置根据第一差值和第二差值判断是否存在异响，包括：

当第一差值和第二差值均大于0时，通过远程信息处理装置判断出不存在异响。

当第一差值小于0，且第二差值大于0时，通过远程信息处理装置判断出存在异响。

可选择地，在通过远程信息处理装置判断出存在异响之后，方法还包括：

通过远程信息处理装置将声音信号的梅尔倒频谱系数发送至云端服务器。

通过云端服务器采用支持向量机对声音信号的梅尔倒频谱系数进行识别，确定转向异响原因。

可选择地，支持向量机是云端服务器预先采用多个标准异响声音进行训练学习得到的，多个标准异响声音中的每个标准异响声音均对应于一个转向异响原因。

可选择地，在通过云端服务器采用支持向量机对声音信号的梅尔倒频谱系数进行识别，确定转向异响原因之后，方法还包括：

通过云端服务器将确定出的转向异响原因发送至车载行车电脑、售后管理平台，或者用户手持移动终端。

通过车载行车电脑或用户手持移动终端，根据转向异响原因，向用户展示维修保养提示，或，

通过售后管理平台，根据转向异响原因，向用户的通讯设备发送维修保养提示，其中维修保养提示中携带有转向异响原因。

本申请还提供了一种车辆转向异响识别系统，系统包括车载声音采集装置、电子控制单元以及远程信息处理装置，其中：

车载声音采集装置被配置为采集车辆转向机构发出的声音信号并存储。

电子控制单元被配置为获取车辆参数并判断车辆参数是否满足预设条件。

远程信息处理装置被配置为当电子控制单元判断出车辆参数满足预设条件时，获取存储的声音信号。

远程信息处理装置还被配置为提取声音信号中的特征，并根据特征判断是否存在异响，

其中，车载声音采集装置、电子控制单元以及远程信息处理装置利用CAN总线连接。

采用本申请提供的车辆转向异响识别方法，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，提取声音信号中的特征并判断是否存在异响，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，提高车辆可靠性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的车辆转向异响识别方法的流程图；

图2为本申请实施例提供的车辆转向异响识别方法的另一流程图；

图3为本申请实施例提供的车辆转向异响识别方法的另一流程图；

图4为本申请实施例提供的车辆转向异响识别方法的另一流程图；

图5为本申请实施例提供的车辆转向异响识别系统的结构图；

图6为本申请实施例提供的车辆转向异响识别系统的另一结构图；

图7为本申请实施例提供的车辆结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

汽车可靠性，通俗的讲即汽车质量，一直是顾客最为关心的汽车产品性能，常潜移默化的影响消费者对于汽车产品的忠诚度。一旦发现可靠性问题，如功能失效、性能衰减、异响等，很容易让客户产生抱怨，降低客户对汽车品牌的认可度和忠诚度。如何在客户发现问题前或对问题识别不清时，主机厂通过技术手段提早发现和识别问题，主动提示引导客户对汽车进行维修保养逐渐成为一个热点课题。随着车联网、人工智能和模式识别等技术的发展，综合利用多学科，采用主动可靠性技术进行问题识别成为可能。一方面通过提前主动识别，降低问题恶化可能带来的安全隐患。另一方面采用主动关怀方式提升客户体验和用户粘度。

当前汽车故障远程诊断技术(车载诊断系统)多集中在对发动机，变速箱等汽车电子系统运行情况的实时监控，系统发生故障时，会发出相应的故障代码，发出警示。对于其他整车问题远程诊断尚少有研究应用。本申请实施例提供的车辆转向异响识别方法正是用于对转向系统运行健康状态进行监控识别的。

本申请实施例提供了一种车辆转向异响识别方法，如图1所示，方法包括步骤S101、S102、S103和S104，其中：

在步骤S101中，通过车载声音采集装置采集车辆转向机构发出的声音信号并存储。

在步骤S102中，通过电子控制单元获取车辆参数并判断车辆参数是否满足预设条件。

在步骤S103中，当电子控制单元判断出车辆参数满足预设条件时，通过远程信息处理装置获取存储的声音信号。

在步骤S104中，通过远程信息处理装置提取声音信号中的特征，并根据特征判断是否存在异响。

采用本申请提供的车辆转向异响识别方法，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，提取声音信号中的特征并判断是否存在异响，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，提高车辆可靠性。

本申请实施例还提供了另一种车辆转向异响识别方法，如图2所示，方法包括步骤S201、S202、S203、S204、S205、S206、S207以及S208，其中：

在步骤S201中，通过车载声音采集装置采集车辆转向机构发出的声音信号并存储。

可以理解的是，由于车载娱乐信息系统中也会设置有麦克风，麦克风用于对车内乘员发出的声音进行采集，从而实现对于车辆的语音控制，例如直接利用语音设置导航目的地或者音乐信号源。而车辆转向机构发出的异响如果已经传到了乘员舱，对车内乘员造成了影响，则说明车辆转向机构发出的异响较大，需要及时识别异响并诊断异响原因。因此，可以直接选用车载娱乐系统中的麦克风作为本申请实施例中的车载声音采集装置，对车辆转向机构发出的声音信号进行采集。

只要车辆通电，车载声音采集装置就会持续进行声音信号的采集，但并不是所有车况下产生的声音信号中都包括异响，因此无需对所有车况下的声音信号都进行分析。车载声音采集装置采集到的车辆转向机构发出的声音信号可以被存储在车载娱乐信息系统的缓存中，并且只有车况在满足预设条件时，才通过远程信息处理装置对声音信号进行获取。具体的，判断车况是否满足预设条件的步骤如下：

在步骤S202中，通过电子控制单元获取车辆参数并判断车辆参数是否满足预设条件。

在一些可选的实施例中，如图3所示，步骤S202包括步骤S202a和S202b，其中：

在步骤S202a中，通过电子控制单元获取方向盘传感器采集的方向盘转角、轮速传感器采集的车速以及档位传感器采集的当前档位。

其中，电子控制单元指ECU(Electronic Control Unit)，方向盘传感器可以是设置在电子稳定程序ESP(ElectronicStabilityProgram)系统中的，轮速传感器可以是设置在刹车防抱死系统ABS(AntilockBrakeSystem)中的，档位传感器可以是设置在动力总成PT(PowerTrain)中的。

上述电子控制单元ECU、电子稳定程序ESP系统、刹车防抱死系统ABS，以及动力总成PT之间均利用CAN总线连接，从而实现相互之间的数据传输。

为有效捕捉汽车转向过程中存在的异响信号，针对容易出现转向异响的工况进行声音信号分析，避免分析过量的无用声音，给CAN数据传输和存储系统增加负担。大部分的转向异响发生在正向低速转向或倒车低速转向情况中，且方向盘转角需要大于一定的角度，才容易出现异响，因此，本申请实施例为预先判定车辆工况设定如下步骤：

在步骤S202b中，通过电子控制单元判断获取的方向盘转角、车速以及当前档位是否满足预设条件。

其中预设条件包括如下条件之一：

方向盘转角从大于90°减小至0°，车速大于10km/h且小于等于40km/h，且当前档位为前进挡。换言之，车辆处于正向低速转向工况，且方向盘转角较小。

方向盘转角从大于180°减小至0°，车速小于40km/h，且当前档位为前进挡。换言之，车辆处于正向低速转向工况，且方向盘转角较大。

方向盘转角从大于180°减小至0°，且当前档位为倒挡。换言之，车辆处于倒车低速转向工况，且方向盘转角较大。

在车辆参数上述三种预设条件时，则说明车辆此时较容易产生转向异响，只有在这种情况下才将存储的声音信号发送至远程信息处理装置，通过远程信息处理装置获取存储的声音信号，进行进一步的异响判断和识别，从而降低了远程信息处理装置的运算量，降低了整车的电量消耗。

在步骤S203中，当电子控制单元判断出车辆参数满足预设条件时，通过远程信息处理装置获取存储的声音信号。

可以理解的是，远程信息处理装置可以是TBOX，TBOX与电子控制单元之间利用车载网关作为中继，利用网线相连，使得远程信息处理装置可以和电子控制单元进行数据交互。

在一些可选的实施例中，当电子控制单元判断出车辆参数满足预设条件时，利用CAN总线将第一指示信号发送至车载娱乐信息系统中，第一指示信号用于指示将预先存储的声音信号发送至远程信息处理装置。当车载娱乐信息系统接收到第一指示信号时，将声音信号从车载娱乐信息系统的缓存中提取出来，并利用车载网关作为中继，发送至远程信息处理装置，从而使远程信息处理装置被动获取存储的声音信号。

在一些可选的实施例中，如果声音信号被存储在车辆其他系统的缓存中，当电子控制单元判断出车辆参数满足预设条件时，也可以将第一指示信号发送至远程信息处理装置，从而使远程信息处理装置主动获取存储的声音信号。

可以理解的是，如果电子控制单元判断出车辆参数不满足预设条件，则远程信息处理装置不获取存储的声音信号，之前采集到的声音信号继续存储在缓存中，从而降低远程信息处理装置的运算量，降低整车的电量消耗。并且在缓存容量不足时对最先采集的部分声音信号进行删除，从而保证车载声音装置最新采集到的车辆转向机构发出的声音信号能够被存储至缓存中。

即使车辆正处于最容易产生转向异响的工况下，在车载声音采集装置采集到的声音信号中，除了车辆转向机构发出的声音信号以外，还会不可避免地夹杂着别的声音信号，作为车辆转向机构发出的声音信号的背景环境噪音。因此，在通过远程信息处理装置提取声音信号中的特征，并根据特征判断是否存在异响之前，还可以对声音信号进行滤波，以消除背景环境噪音。

在步骤S204中，通过远程信息处理装置对获取到的声音信号进行带通滤波。

在一些可选的实施例中，带通滤波的滤波频段为200Hz-2000HZ或200Hz-4000HZ。

根据转向异响发声类型不同，为消除背景环境噪声，对于由摩擦振动产生的异响可采用200-2000Hz带通滤波，去除高频噪声信号。对于金属敲击产生的噪音，高频滤波频率放宽到4000Hz。

在步骤S205中，通过远程信息处理装置提取声音信号中的特征，并根据特征判断是否存在异响。

在一些可选的实施例中，如图4所示，步骤S205包括步骤S205a、S205b、S205c、S205d、S205e、S205f和S205g，其中：

在步骤S205a中，通过远程信息处理装置提取声音信号的梅尔倒频谱系数，梅尔倒频谱系数包括至少十二维特征值。

具体的，提取声音信号的梅尔倒频谱系数的过程可以包括按顺序执行的预加重步骤、加窗分帧步骤、傅里叶变换步骤、滤波器组滤波步骤、对数运算步骤、离散余弦变换步骤以及梅尔倒频谱系数获取步骤。

可以理解的是，如果上述步骤S204中的滤波操作已经相当于完成了提取梅尔倒频谱系数过程中的加重步骤，则可以省去提取梅尔倒频谱系数过程中的加重步骤，直接执行加窗分帧步骤。

经过上述步骤后可以获取到包括至少十二维特征值的梅尔倒频谱系数，具体的，特征值可以包括十二维至十六维特征值。

在步骤S205b中，通过远程信息处理装置从梅尔倒频谱系数中提取第一维特征值、第二维特征值和第三维特征值。

其中第一维特征值、第二维特征值和第三维特征值是至少十二维特征值中的前三维特征值。

在梅尔倒频谱系数的至少十二维特征值中，只需要对前三维特征值进行分析，就可以判断是否存在异响，无需对梅尔倒频谱系数的至少十二维特征值中除了前三维特征值以外的其他特征值进行分析，从而降低了远程信息处理装置的运算量，降低了整车的电量消耗。通过远程信息处理装置根据第一维特征值、第二维特征值和第三维特征值判断是否存在异响。

在步骤S205c中，通过远程信息处理装置计算第二维特征值和第一维特征值的差，得到第一差值。

在步骤S205d中，通过远程信息处理装置计算第三维特征值和第二维特征值的差，得到第二差值。

在得到了第一差值和第二差值后，通过远程信息处理装置即可以根据第一差值和第二差值判断是否存在异响。

在步骤S205e中，分别判断第一差值和第二差值与0之间的大小关系。

在一些可选的实施例中，作为步骤S205e的其中一个判断结果，在步骤S205f中，当第一差值和第二差值均大于0时，通过远程信息处理装置判断出不存在异响。

可以理解的是，如果第一差值和第二差值均大于0，则表明第一维特征值、第二维特征值和第三维特征值所呈现的整体趋势是单调的，车辆转向机构发出的声音较为稳定，不存在异响。

在一些可选的实施例中，如果第一差值和第二差值均小于0，也同样表明第一维特征值、第二维特征值和第三维特征值所呈现的整体趋势是单调的，车辆转向机构发出的声音较为稳定，不存在异响。

作为步骤S205e的另一个判断结果，在步骤S205g中，当第一差值小于0，且第二差值大于0时，通过远程信息处理装置判断出存在异响。

可以理解的是，如果第一差值小于0，但第二差值大于0时，则表明第一维特征值、第二维特征值和第三维特征值所呈现的整体趋势不是单调的，车辆转向机构发出的声音不稳定，存在异响。

可以理解的是，如果第一差值大于0，但第二差值小于0时，则也同样表明第一维特征值、第二维特征值和第三维特征值所呈现的整体趋势不是单调的，车辆转向机构发出的声音不稳定，存在异响。

利用上述步骤S205，通过远程信息处理装置提取声音信号中的特征，并根据特征，对声音信号中是否存在异响进行预判断，如果判断出不存在异响，则远程信息处理装置不将声音信号的梅尔倒频谱系数发送至云端服务器，降低了远程信息处理装置和云端服务器之间的通讯信令开销。

在远程信息处理装置对声音信号中是否存在异响进行预判断后，如果判断出存在异响，则需要云端服务器对异响原因进行进一步判断，从而确定出故障原因，指示用户对车辆进行及时送修，尽可能减小车辆安全隐患，因此：

作为步骤S205e的后续步骤，方法还包括：

在步骤S206中，在通过远程信息处理装置判断出存在异响之后，通过远程信息处理装置将声音信号的梅尔倒频谱系数发送至云端服务器。

车辆中设置的远程信息处理装置可以和云端服务器之间利用移动数据网络建立连接，从而实现数据交换。

在步骤S207中，通过云端服务器采用支持向量机对声音信号的梅尔倒频谱系数进行识别，确定转向异响原因。

可以理解的是，对有无异响的声音识别参数进行分类，本申请实施例采用支持向量机(SVM)的机器学习方法，建立一个最优决策超平面，使得该平面两侧距平面最近的两类样本之间的距离最大化，从而对分类问题提供良好的区分能力。

同时为了保证参数学习的准确性，需要获取一定的同种异响类型样本和不同类别转向异响信号样本两种数据，分别进行学习。为解决原始数据问题，可通过对售后问题样件进行数据采集。然后将学习模型和异响信号存入云端数据库，为下一步进行云端异响识别提供支持，因此：

在一些可选的实施例中，支持向量机是云端服务器预先采用多个标准异响声音进行训练学习得到的，多个标准异响声音中的每个标准异响声音均对应于一个转向异响原因。

车辆售后服务商可以预先获取已经确定出异响原因的多个售后问题样件的标准异响声音，从而利用多个标准异响声音进行训练学习，得到用于识别异响声音的支持向量机，并将得到的支持向量机设置在云端服务器中。

在步骤S207中通过云端服务器采用支持向量机对声音信号的梅尔倒频谱系数进行识别，确定转向异响原因之后，方法还包括：

在步骤S208中，通过云端服务器将确定出的转向异响原因发送至车载行车电脑、售后管理平台，或者用户手持移动终端。

在通过云端服务器将确定出的转向异响原因发送至车载行车电脑、售后管理平台，或者用户手持移动终端后，可以通过车载行车电脑或用户手持移动终端，根据转向异响原因，向用户展示维修保养提示，或者，通过售后管理平台，根据转向异响原因，向用户的通讯设备发送维修保养提示，其中维修保养提示中携带有转向异响原因。

可以理解的是，在云端服务器确定转向异响原因之后，可以将转向异响原因发送至车载行车电脑或者用户手持移动终端。进一步的，车载行车电脑或者用户手持移动终端根据接收到的转向异响原因，生成相应的维修保养提示，维修保养提示中携带有转向异响原因。进一步的，车载行车电脑或者用户手持移动终端对维修保养提示进行显示，展示给用户，从而根据车辆的潜在问题，对用户进行及时提示，使用户能够及时将车辆送至售后网点进行保养或维修，提高了车辆安全性。

同理的，在云端服务器确定转向异响原因之后，还可以将转向异响原因发送至售后管理平台。售后管理平台中存储有车辆标识和用户通讯设备标识，用户通讯设备标识可以是用户通信设备对应的电话号码。进一步的，售后管理平台根据接收到的转向异响原因，生成相应的维修保养提示，维修保养提示中携带有转向异响原因。进一步的，售后管理平台向用户的通讯设备发送维修保养提示，具体的，可以利用短信的形式发送。用户的通讯设备对接收到的维修保养提示进行显示，展示给用户，从而根据车辆的潜在问题，对用户进行及时提示，使用户能够及时将车辆送至售后网点进行保养或维修，提高了车辆安全性。

采用本申请提供的车辆转向异响识别方法，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，远程信息处理装置提取声音信号中的特征并对是否存在异响进行预判断，在判断出存在异响时，将声音信号中的特征上传至云端服务器，云端服务器对声音信号中的特征进行识别，确定出对应的异响原因，并将异响原因发送给客户，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，并引导客户及时对车辆进行保养或维修，提高车辆的安全性。

本申请实施例还提供了一种车辆转向异响识别系统，如图5所示，系统包括车载声音采集装置501、电子控制单元502以及远程信息处理装置503，其中：

车载声音采集装置501被配置为采集车辆转向机构发出的声音信号并存储。

电子控制单元502被配置为获取车辆参数并判断车辆参数是否满足预设条件。

远程信息处理装置503被配置为当电子控制单元判断出车辆参数满足预设条件时，获取存储的声音信号。

远程信息处理装置503还被配置为提取声音信号中的特征，并根据特征判断是否存在异响。

其中，车载声音采集装置501、电子控制单元502以及远程信息处理装置503利用CAN总线连接。

采用本申请提供的车辆转向异响识别系统，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，提取声音信号中的特征并判断是否存在异响，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，提高车辆可靠性。

本实施例与方法实施例基于相同的发明构思，是与方法实施例相对应的系统实施例，因此本领域技术人员应该理解，对方法实施例的说明也同样适应于本实施例，有些技术细节在本实施例中不再详述。

本申请实施例还提供了另一种车辆转向异响识别系统，如图6所示，系统包括车载声音采集装置601、电子控制单元602、远程信息处理装置603以及云端服务器604，其中：

车载声音采集装置601被配置为采集车辆转向机构发出的声音信号并存储。

电子控制单元602被配置为获取车辆参数并判断车辆参数是否满足预设条件。

远程信息处理装置603被配置为当电子控制单元判断出车辆参数满足预设条件时，获取存储的声音信号。

远程信息处理装置603还被配置为提取声音信号中的特征，并根据特征判断是否存在异响。

其中，车载声音采集装置501、电子控制单元502以及远程信息处理装置503利用CAN总线连接。

远程信息处理装置603还被配置为在判断出存在异响之后，将声音信号的梅尔倒频谱系数发送至云端服务器604。

云端服务器604被配置为采用支持向量机对声音信号的梅尔倒频谱系数进行识别，确定转向异响原因。

云端服务器604还被配置为将确定出的转向异响原因发送至车载行车电脑、售后管理平台，或者用户手持移动终端。

采用本申请提供的车辆转向异响识别系统，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，远程信息处理装置提取声音信号中的特征并对是否存在异响进行预判断，在判断出存在异响时，将声音信号中的特征上传至云端服务器，云端服务器对声音信号中的特征进行识别，确定出对应的异响原因，并将异响原因发送给客户，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，并引导客户及时对车辆进行保养或维修，提高车辆的安全性。

本实施例与方法实施例基于相同的发明构思，是与方法实施例相对应的系统实施例，因此本领域技术人员应该理解，对方法实施例的说明也同样适应于本实施例，有些技术细节在本实施例中不再详述。

本申请实施例还提供了一种车辆，如图7所示，系统包括车载声音采集装置701、电子控制单元702以及远程信息处理装置703，其中：

车载声音采集装置701被配置为采集车辆转向机构发出的声音信号并存储。

电子控制单元702被配置为获取车辆参数并判断车辆参数是否满足预设条件。

远程信息处理装置703被配置为当电子控制单元判断出车辆参数满足预设条件时，获取存储的声音信号。

远程信息处理装置703还被配置为提取声音信号中的特征，并根据特征判断是否存在异响，

其中，车载声音采集装置701、电子控制单元702以及远程信息处理装置703利用CAN总线连接。

采用本申请提供的车辆，通过采集车辆转向机构发出的声音信号，并在车辆参数满足条件，换言之，车辆处于最容易出现转向异响的特定工况时，提取声音信号中的特征并判断是否存在异响，从而有针对性地对车辆的转向异响进行监测和诊断，以便及时发现车辆潜在的问题，提高车辆可靠性。

在本申请中，应该理解到，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

以上所述仅是为了便于本领域的技术人员理解本申请的技术方案，并不用以限制本申请。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围。

Claims (7)

1.一种车辆转向异响识别方法，其特征在于，所述方法包括：

通过车载声音采集装置采集车辆转向机构发出的声音信号并存储；

通过电子控制单元获取车辆参数并判断所述车辆参数是否满足预设条件；

当电子控制单元判断出所述车辆参数满足所述预设条件时，通过远程信息处理装置获取存储的所述声音信号；

通过所述远程信息处理装置提取所述声音信号中的特征，并根据所述特征判断是否存在异响，

其中所述通过所述远程信息处理装置提取所述声音信号中的特征，并根据所述特征判断是否存在异响，包括：

通过所述远程信息处理装置提取所述声音信号的梅尔倒频谱系数，所述梅尔倒频谱系数包括至少十二维特征值；

通过所述远程信息处理装置从所述梅尔倒频谱系数中提取第一维特征值、第二维特征值和第三维特征值，其中所述第一维特征值、所述第二维特征值和所述第三维特征值是所述至少十二维特征值中的前三维特征值；

通过所述远程信息处理装置计算所述第二维特征值和所述第一维特征值的差，得到第一差值；

通过所述远程信息处理装置计算所述第三维特征值和所述第二维特征值的差，得到第二差值；

分别判断所述第一差值和所述第二差值与0之间的大小关系，当所述第一差值和所述第二差值均大于0时，通过所述远程信息处理装置判断出不存在异响；当所述第一差值小于0，且所述第二差值大于0时，通过所述远程信息处理装置判断出存在异响。

2.根据权利要求1所述的车辆转向异响识别方法，其特征在于，所述通过电子控制单元获取车辆参数并判断所述车辆参数是否满足预设条件，包括：

通过所述电子控制单元获取方向盘传感器采集的方向盘转角、轮速传感器采集的车速以及档位传感器采集的当前档位；

通过所述电子控制单元判断获取的所述方向盘转角、所述车速以及所述当前档位是否满足如下预设条件之一：

所述方向盘转角从大于90°减小至0°，所述车速大于10km/h且小于等于40km/h，且所述当前档位为前进挡；

所述方向盘转角从大于180°减小至0°，所述车速小于40km/h，且所述当前档位为前进挡；

所述方向盘转角从大于180°减小至0°，且所述当前档位为倒挡。

3.根据权利要求1所述的车辆转向异响识别方法，其特征在于，所述通过所述远程信息处理装置提取所述声音信号中的特征之前，所述方法还包括：

通过所述远程信息处理装置对获取到的所述声音信号进行带通滤波，所述带通滤波的滤波频段为200Hz-2000HZ或200Hz-4000HZ。

4.根据权利要求1所述的车辆转向异响识别方法，其特征在于，在所述通过所述远程信息处理装置判断出存在异响之后，所述方法还包括：

通过所述远程信息处理装置将所述声音信号的梅尔倒频谱系数发送至云端服务器；

通过所述云端服务器采用支持向量机对所述声音信号的梅尔倒频谱系数进行识别，确定转向异响原因。

5.根据权利要求4所述的车辆转向异响识别方法，其特征在于，所述支持向量机是所述云端服务器预先采用多个标准异响声音进行训练学习得到的，所述多个标准异响声音中的每个所述标准异响声音均对应于一个转向异响原因。

6.根据权利要求5所述的车辆转向异响识别方法，其特征在于，在通过所述云端服务器采用支持向量机对所述声音信号的梅尔倒频谱系数进行识别，确定转向异响原因之后，所述方法还包括：

通过所述云端服务器将确定出的所述转向异响原因发送至车载行车电脑、售后管理平台，或者用户手持移动终端；

通过所述车载行车电脑或所述用户手持移动终端，根据所述转向异响原因，向用户展示维修保养提示，或，

通过所述售后管理平台，根据所述转向异响原因，向用户的通讯设备发送所述维修保养提示，其中所述维修保养提示中携带有所述转向异响原因。

7.一种车辆转向异响识别系统，其特征在于，所述系统包括车载声音采集装置、电子控制单元以及远程信息处理装置，其中：

车载声音采集装置被配置为采集车辆转向机构发出的声音信号并存储；

电子控制单元被配置为获取车辆参数并判断所述车辆参数是否满足预设条件；

所述远程信息处理装置被配置为当所述电子控制单元判断出所述车辆参数满足所述预设条件时，获取存储的所述声音信号；

所述远程信息处理装置还被配置为提取所述声音信号中的特征，并根据所述特征判断是否存在异响，包括：

提取所述声音信号的梅尔倒频谱系数，所述梅尔倒频谱系数包括至少十二维特征值；

从所述梅尔倒频谱系数中提取第一维特征值、第二维特征值和第三维特征值，其中所述第一维特征值、所述第二维特征值和所述第三维特征值是所述至少十二维特征值中的前三维特征值；

计算所述第二维特征值和所述第一维特征值的差，得到第一差值；

计算所述第三维特征值和所述第二维特征值的差，得到第二差值；

分别判断所述第一差值和所述第二差值与0之间的大小关系，当所述第一差值和所述第二差值均大于0时，判断出不存在异响；当所述第一差值小于0，且所述第二差值大于0时，判断出存在异响，

其中，所述车载声音采集装置、所述电子控制单元以及所述远程信息处理装置利用CAN总线连接。

Images