CN115602195B - 一种汽车后视镜电机转动异响测试的方法 - Google Patents

Abstract

本发明公开了一种汽车后视镜电机转动异响测试的方法。通过建立良品转动声音文件库、多种不良品类型各自的转动声音文件库，进一步基于良品转动声音文件库内的各良品声音信号曲线波形，计算得到良品相似度判定比值以及良品声音信号模板曲线波形，基于多种不良品类型各自的转动声音文件库内的各不良品声音信号曲线波形，计算得到各种不良品类型各自的不良品相似度判定比值以及多种不良品类型声音信号模板曲线波形，再进一步基于待测转动声音信号曲线波形与良品声音信号模板曲线波形或不良品类型声音信号模板曲线波形计算待测相似度，最后基于待测相似度以及相应的相似度判定比值以判定待测后视镜为良品或何种不良品，本发明方案智能化、简单不复杂。

Description

一种汽车后视镜电机转动异响测试的方法

技术领域

本发明属于汽车视镜转动异响检测技术领域，具体涉及一种汽车后视镜电机转动异响测试的方法。

背景技术

汽车后视镜转动异响常被成为消费者成为折叠异响，通常是由后视镜内电机齿轮驱动不良导致的，由于后视镜异响并不影响整车性能，因此目前针对后视镜电机转动声响没有一个专门的合格标准进行规定。各个品牌的汽车制造商采取的标准也不尽相同。并且是否存在异响基本由个人主观因素判断，不明确的异响判定界限导致在后视镜生产过程中，对合格品和不良品的判断十分困难，目前多数企业仍然选择雇佣员工，由员工对每件产品进行试听，进而判断是否存在异响。但人工监测存在很大的缺陷，由于个人听觉差异，每个人对异响的判定标准不尽相同，测试员的判断并不等同于最终使用者的主观判断，误判和漏判也无法避免。并且人工检测的效率有限，对单件产品的判定时间通常在半分钟左右，且长时间使用人耳进行判断，会因疲劳导致最终判断结果收到影响，对于生产企业也不是一个长期选择。其次，人工检测只能进行结果判定，对工艺的改善指导微乎其微，即便知道了产品存在缺陷，设计部门也无法知道如何改善,无法进行寿命测试。

目前也有一些针对汽车后视镜电机转动异响检测的方案，例如申请号为CN202011295285.8的中国专利，其公开了一种汽车后视镜电机的异响声音的诊断方法，包括以下步骤：S1，在消音环境中采集合格品汽车后视镜电机的工作声音和不合格品汽车后视镜电机的异响声音；S2：对工作声音和异响声音的数据进行预处理；S3：提取工作声音和异响声音的特征，并将特征进行特征融合；S4：将融合后的特征进行特征降维；S5：使用降维后的特征进行支持向量机分类器的训练，建立支持向量机分类模型；S6：在消音环境中采集待测试的汽车后视镜电机的声音，将待测试的声音进行上述步骤S2-S4的处理，将经处理后的待测试的声音输入至步骤S5中建立的支持向量机分类模型中，即可输出待测试的声音的数据类型。该方案虽然可以有效检测汽车后视镜电机的异响声音，但是该方案复杂，需要进行特征融合、特征降维、支持向量机分类器的训练等复杂操作，

例如申请号为CN202010989097.9的中国专利，其公开了一种汽车电动后视镜异响检测方法及检测系统，通过采集标准故障电动后视镜样本的工作声音，对异常样本进行短时傅里叶变换，得到故障声音样本的频谱图；对频谱图像进行二值化处理；将二值化频谱图分成P×Q块，记故障样本的二值化分块频谱图的表达式为Gpq；对待测声音样本采取上述相同的操作，记录待测信号的二值化分块频谱图表达式为Hpq。将Gpq和Hpq进行逻辑与操作，并记录运算结果为Rpq。建立支持向量机分类模型，使用含有异响片段的声音样本与不含异响片段的样本对其进行训练。在实际测试中，将待测信号进行特征提取，将运算结果输入训练好的支持向量机分类器中，即可得到待测电机声音信号的检测结果。同样的，该方案也需要进行一系列的复杂操作。

因此亟需一种智能化且方案简单的汽车后视镜电机转动异响测试方法。

发明内容

针对现有技术中存在的上述问题，本发明提供一种汽车后视镜电机转动异响测试的方法，可智能化的对汽车后视镜电机转动异响进行测试，且方案简单不复杂。

本发明采用以下技术方案：

一种汽车后视镜电机转动异响测试的方法，包括步骤：

S1、建立良品转动声音文件库、多种不良品类型各自的转动声音文件库；

S2、基于良品转动声音文件库内的各良品声音信号曲线波形，计算得到良品相似度判定比值以及良品声音信号模板曲线波形，基于多种不良品类型各自的转动声音文件库内的各不良品声音信号曲线波形，计算得到各种不良品类型各自的不良品相似度判定比值以及不良品类型声音信号模板曲线波形；

S3、采集待测后视镜的转动声音信号，以得到待测转动声音信号曲线波形，基于待测转动声音信号曲线波形与良品声音信号模板曲线波形，计算待测良品相似度比值，基于待测良品相似度比值与良品相似度判定比值判定待测后视镜是否为良品，若是则输出判定结果并结束测试，若否则执行步骤S4；

S4、基于待测转动声音信号曲线波形与多种不良品类型声音信号模板曲线波形，计算各不良品类型各自的待测相似度比值，基于各不良品类型各自的待测相似度比值、各种不良品类型各自的不良品相似度判定比值，判定待测后视镜属于何种后视镜不良品类型，并输出判定结果，结束测试；

步骤S2中，所述良品声音信号模板曲线波形通过良品转动声音文件库内所有良品声音信号曲线波形进行平均得到，所述良品相似度判定比值通过良品转动声音文件库内任一良品声音信号曲线波形与其余所有良品声音信号曲线波形进行平均得到的良品声音信号平均曲线波形进行相似度计算得到；

步骤S2中，所述不良品声音信号曲线波形通过相应不良品类型转动声音文件库内的所有不良品声音信号曲线波形进行平均得到，所述不良品相似度判定比值通过相应不良品类型转动声音文件库内任一不良品声音信号曲线波形与其余所有不良品声音信号曲线波形进行平均得到的不良品声音信号平均曲线波形进行相似度计算得到。

作为优选方案，步骤S3中，若判定待测后视镜为良品，则将待测转动声音信号曲线波形存入良品转动声音文件库，并重新执行步骤S2中所述良品相似度判定比值以及良品声音信号模板曲线波形的计算，以供下一次测试。

作为优选方案，步骤S4中，还包括步骤：根据判定结果，将该待测转动声音信号曲线波形存入相应的不良品类型转动声音文件库中，并重新执行该不良品类型转动声音文件库对应的不良品相似度判定比值以及不良品类型声音信号模板曲线波形的计算，以供下一次测试。

作为优选方案，步骤S4中，若待测后视镜不属于任何后视镜不良品类型，则定义一新的不良品类型并输出判定结果，同时建立该新的不良品类型对应的不良品类型转动声音文件库，将该待测转动声音信号曲线波形存入该不良品类型转动声音文件库中，以供下一次测试，且下一次测试中，该新定义的不良品类型直接基于该存入的待测转动声音信号曲线波形进行判定。

作为优选方案，步骤S1中，包括步骤：

S1.1、通过传声器采集各良品转动声音信号、不同类型不良品转动声音信号；

S1.2、对采集的声音信号依次进行预加重处理、分帧处理、加窗处理；

S1.3、对每个分帧片段进行短时傅里叶变换，以得到处理后的各良品转动声音信号曲线波形、不同类型不良品转动声音信号曲线波形；

S1.4、基于处理后的各良品转动声音信号曲线波形、不同类型不良品转动声音信号曲线波形，建立良品转动声音文件库、多种不良品类型各自的转动声音文件库。

作为优选方案，步骤S1.2中所述的预加重处理中使用的传递函数为：

，

其中，表示预加重的系数，表示域上的参数变量。

作为优选方案，步骤S1.2中所述的加窗处理，计算公式为：

，

其中，表示汉明窗的时域表达式，表示长度的自变量，介于1到汉明窗的长度大小之间。

作为优选方案，步骤S1. 3中所述的短时傅里叶变换，变换公式为：

，

其中，为傅里叶变换的点数，表示傅里叶变换后的频谱，表示频率自变量，表示时域自变量，表示虚数。

作为优选方案，相似度基于声音信号曲线波形对应存储的特征图图片中的像素灰度计算得到，相似度计算的公式为：

，

其中，表示相似度，表示特征图的像素总数，表示特征图的像素坐标，表示第一曲线波形对应存储的特征图图片中在坐标处的像素灰度，表示第二曲线波形对应存储的特征图图片中在坐标处的像素灰度；

其中，第一曲线波形为良品转动声音文件库内任一良品声音信号曲线波形、不良品类型转动声音文件库内任一不良品声音信号曲线波形、待测转动声音信号曲线波形中的任一种；

第二曲线波形为良品声音信号平均曲线波形、不良品声音信号平均曲线波形、良品声音信号模板曲线波形、不良品声音信号模板曲线波形中的任一种。

作为优选方案，步骤S4之后还包括步骤：

重复步骤S3、步骤S4，直至预设次数，基于待测后视镜的不良品判定率，评估待测后视镜的使用剩余寿命。

本发明的有益效果是：

本发明建立良品转动声音文件库、多种不良品类型各自的转动声音文件库，进一步基于良品转动声音文件库内的各良品声音信号曲线波形，计算得到良品相似度判定比值以及良品声音信号模板曲线波形，基于多种不良品类型各自的转动声音文件库内的各不良品声音信号曲线波形，计算得到各种不良品类型各自的不良品相似度判定比值以及多种不良品类型声音信号模板曲线波形，再进一步基于待测转动声音信号曲线波形与良品声音信号模板曲线波形或不良品类型声音信号模板曲线波形计算待测相似度，最后基于待测相似度以及相应的相似度判定比值以判定待测后视镜为良品或何种不良品，无需人为进行判别，方案智能化，且仅通过相似度即可判定，方案简单不复杂。

本发明中：步骤S3中，若判定待测后视镜为良品，则将待测转动声音信号曲线波形存入良品转动声音文件库，并重新执行步骤S2中所述良品相似度判定比值以及良品声音信号模板曲线波形的计算，以供下一次测试；步骤S4中，还包括步骤：根据判定结果，将该待测转动声音信号曲线波形存入相应的不良品类型转动声音文件库中，并重新执行该不良品类型转动声音文件库对应的不良品相似度判定比值以及不良品类型声音信号模板曲线波形的计算，以供下一次测试；若待测后视镜不属于任何后视镜不良品类型，则定义一新的不良品类型并输出判定结果，同时建立该新的不良品类型对应的不良品类型转动声音文件库，将该待测转动声音信号曲线波形存入该不良品类型转动声音文件库中，以供下一次测试，且下一次测试中，该新定义的不良品类型直接基于该存入的待测转动声音信号曲线波形进行判定。可见本发明在检测过程中可不断的对模板曲线、相似度判定比值进行自校正，在多次测试累积之后形成的模板曲线和相似度判定比值更具参考意义，此外也可不断丰富不良品的判定类型。

由于后视镜电机异响通常为信号局部出现变化，在时域上存在时间极短，人耳难以差别，这也是人工检测误判和漏判的主要原因之一，因此我们选择将判定方式从时域检测改为频域检测。

本发明中还公开了相似度的计算方式，具体为基于声音信号曲线波形对应存储的特征图图片中的像素灰度计算得到。

本发明还可对待测后视镜的使用剩余寿命进行评估。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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是本发明所述一种汽车后视镜电机转动异响测试的方法的流程图。

具体实施方式

以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

为了避免环境噪音对测试产生的影响，需要将测试品和传声器放置在屏蔽箱中进行测试，由于后视镜电机转动的声响一般在65dB以下，所以对屏蔽箱的要求为箱内噪声环境为45dB以下。

参照图1所示，本实施例提供一种汽车后视镜电机转动异响测试的方法，包括步骤：

S1、建立良品转动声音文件库、多种不良品类型各自的转动声音文件库；

S2、基于良品转动声音文件库内的各良品声音信号曲线波形，计算得到良品相似度判定比值以及良品声音信号模板曲线波形，基于多种不良品类型各自的转动声音文件库内的各不良品声音信号曲线波形，计算得到各种不良品类型各自的不良品相似度判定比值以及不良品类型声音信号模板曲线波形；

S3、采集待测后视镜的转动声音信号，以得到待测转动声音信号曲线波形，基于待测转动声音信号曲线波形与良品声音信号模板曲线波形，计算待测良品相似度比值，基于待测良品相似度比值与良品相似度判定比值判定待测后视镜是否为良品，若是则输出判定结果并结束测试，若否则执行步骤S4；

S4、基于待测转动声音信号曲线波形与多种不良品类型声音信号模板曲线波形，计算各不良品类型各自的待测相似度比值，基于各不良品类型各自的待测相似度比值、各种不良品类型各自的不良品相似度判定比值，判定待测后视镜属于何种后视镜不良品类型，并输出判定结果，结束测试；

步骤S2中，所述良品声音信号模板曲线波形通过良品转动声音文件库内所有良品声音信号曲线波形进行平均得到，所述良品相似度判定比值通过良品转动声音文件库内任一良品声音信号曲线波形与其余所有良品声音信号曲线波形进行平均得到的良品声音信号平均曲线波形进行相似度计算得到；

上述良品相似度判定比值的计算，通过举例说明：

比如良品转动声音文件库内存在100条良品声音信号曲线波形，此时首先任选一条良品声音信号曲线波形，进一步将其余的99条良品声音信号曲线波形进行平均，得到良品声音信号平均曲线波形，最后基于选择的良品声音信号曲线波形和良品声音信号平均曲线波形进行相似度计算即可得到良品相似度判定比值。

步骤S2中，所述不良品声音信号曲线波形通过相应不良品类型转动声音文件库内的所有不良品声音信号曲线波形进行平均得到，所述不良品相似度判定比值通过相应不良品类型转动声音文件库内任一不良品声音信号曲线波形与其余所有不良品声音信号曲线波形进行平均得到的不良品声音信号平均曲线波形进行相似度计算得到。

需要说明的是，不良品相似度判定比值与上述的良品相似度判定比值计算过程一致，这里不作过多赘述。

还需要说明的是，根据待测相似度比值与相似度判定比值判定良品或何种不良品时，只需待测相似度比值在相似度判定比值上下预设范围内即可，无需完全吻合，预设范围可根据实际情况进行预设。

可见，本发明建立良品转动声音文件库、多种不良品类型各自的转动声音文件库，进一步基于良品转动声音文件库内的各良品声音信号曲线波形，计算得到良品相似度判定比值以及良品声音信号模板曲线波形，基于多种不良品类型各自的转动声音文件库内的各不良品声音信号曲线波形，计算得到各种不良品类型各自的不良品相似度判定比值以及多种不良品类型声音信号模板曲线波形，再进一步基于待测转动声音信号曲线波形与良品声音信号模板曲线波形或不良品类型声音信号模板曲线波形计算待测相似度，最后基于待测相似度以及相应的相似度判定比值以判定待测后视镜为良品或何种不良品，无需人为进行判别，方案智能化，且仅通过相似度即可判定，方案简单不复杂。

具体地：

步骤S3中，若判定待测后视镜为良品，则将待测转动声音信号曲线波形存入良品转动声音文件库，并重新执行步骤S2中所述良品相似度判定比值以及良品声音信号模板曲线波形的计算，以供下一次测试。

步骤S4中，还包括步骤：根据判定结果，将该待测转动声音信号曲线波形存入相应的不良品类型转动声音文件库中，并重新执行该不良品类型转动声音文件库对应的不良品相似度判定比值以及不良品类型声音信号模板曲线波形的计算，以供下一次测试。

步骤S4中，若待测后视镜不属于任何后视镜不良品类型，则定义一新的不良品类型并输出判定结果，同时建立该新的不良品类型对应的不良品类型转动声音文件库，将该待测转动声音信号曲线波形存入该不良品类型转动声音文件库中，以供下一次测试，且下一次测试中，该新定义的不良品类型直接基于该存入的待测转动声音信号曲线波形进行判定。

可见本发明在检测过程中可不断的对模板曲线、相似度判定比值进行自校正，在多次测试累积之后形成的模板曲线和相似度判定比值更具参考意义，此外也可不断丰富不良品的判定类型。

本实施例中，相似度基于声音信号曲线波形对应存储的特征图图片中的像素灰度计算得到，相似度计算的公式为：

，

其中，表示相似度，表示特征图的像素总数，表示特征图的像素坐标，表示第一曲线波形对应存储的特征图图片中在坐标处的像素灰度，表示第二曲线波形对应存储的特征图图片中在坐标处的像素灰度；

其中，第一曲线波形为良品转动声音文件库内任一良品声音信号曲线波形、不良品类型转动声音文件库内任一不良品声音信号曲线波形、待测转动声音信号曲线波形中的任一种；

第二曲线波形为良品声音信号平均曲线波形、不良品声音信号平均曲线波形、良品声音信号模板曲线波形、不良品声音信号模板曲线波形中的任一种。

可见本发明中还公开了相似度的计算方式，具体为基于声音信号曲线波形对应存储的特征图图片中的像素灰度计算得到。

后视镜电机异响通常为信号局部出现变化，在时域上存在时间极短，人耳难以差别，这也是人工检测误判和漏判的主要原因之一，因此我们选择将判定方式从时域检测改为频域检测。

具体地：

步骤S1中，包括步骤：

S1.1、通过传声器采集各良品转动声音信号、不同类型不良品转动声音信号；

S1.2、对采集的声音信号依次进行预加重处理、分帧处理、加窗处理；

S1.3、对每个分帧片段进行短时傅里叶变换，以得到处理后的各良品转动声音信号曲线波形、不同类型不良品转动声音信号曲线波形；

S1.4、基于处理后的各良品转动声音信号曲线波形、不同类型不良品转动声音信号曲线波形，建立良品转动声音文件库、多种不良品类型各自的转动声音文件库。

这里需要说明的是，所述待测后视镜的转动声音信号同样需要经过一样的处理。

步骤S1.2中所述的预加重处理中使用的传递函数为：

，

其中，表示预加重的系数，表示域上的参数变量。

步骤S1.2中所述的加窗处理，计算公式为：

，

其中，表示汉明窗的时域表达式，表示长度的自变量，介于1到汉明窗的长度大小之间。

步骤S1. 3中所述的短时傅里叶变换，变换公式为：

，

其中，为傅里叶变换的点数，表示傅里叶变换后的频谱，表示频率自变量，表示时域自变量，表示虚数。

再具体地：

本发明步骤S4之后还包括步骤：

重复步骤S3、步骤S4，直至预设次数，基于待测后视镜的不良品判定率，评估待测后视镜的使用剩余寿命。

由于后视镜电机异响的原因是老化，或多次重复同一动作造成的偶发异常。实际生产过程中，可以将需要进行寿命测试的样品按照本发明设计的检测过程进行多次重复检测，直到达到预设次数后停止，工程师能够查看历史文件，计算异响的出现频率，并作为剩余寿命的评估依据以及工艺改善的依据。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围内。

Claims (9)

1.一种汽车后视镜电机转动异响测试的方法，其特征在于，包括步骤：

S1、建立良品转动声音文件库、多种不良品类型各自的转动声音文件库；

S2、基于良品转动声音文件库内的各良品声音信号曲线波形，计算得到良品相似度判定比值以及良品声音信号模板曲线波形，基于多种不良品类型各自的转动声音文件库内的各不良品声音信号曲线波形，计算得到各种不良品类型各自的不良品相似度判定比值以及不良品类型声音信号模板曲线波形；

S3、采集待测后视镜的转动声音信号，以得到待测转动声音信号曲线波形，基于待测转动声音信号曲线波形与良品声音信号模板曲线波形，计算待测良品相似度比值，基于待测良品相似度比值与良品相似度判定比值判定待测后视镜是否为良品，若是则输出判定结果并结束测试，若否则执行步骤S4；

S4、基于待测转动声音信号曲线波形与多种不良品类型声音信号模板曲线波形，计算各不良品类型各自的待测相似度比值，基于各不良品类型各自的待测相似度比值、各种不良品类型各自的不良品相似度判定比值，判定待测后视镜属于何种后视镜不良品类型，并输出判定结果，结束测试；

步骤S2中，所述良品声音信号模板曲线波形通过良品转动声音文件库内所有良品声音信号曲线波形进行平均得到，所述良品相似度判定比值通过良品转动声音文件库内任一良品声音信号曲线波形与其余所有良品声音信号曲线波形进行平均得到的良品声音信号平均曲线波形进行相似度计算得到；

步骤S2中，所述不良品类型声音信号模板曲线波形通过相应不良品类型转动声音文件库内的所有不良品声音信号曲线波形进行平均得到，所述不良品相似度判定比值通过相应不良品类型转动声音文件库内任一不良品声音信号曲线波形与其余所有不良品声音信号曲线波形进行平均得到的不良品声音信号平均曲线波形进行相似度计算得到。

2.根据权利要求1所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S3中，若判定待测后视镜为良品，则将待测转动声音信号曲线波形存入良品转动声音文件库，并重新执行步骤S2中所述良品相似度判定比值以及良品声音信号模板曲线波形的计算，以供下一次测试。

3.根据权利要求1所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S4中，还包括步骤：根据判定结果，将该待测转动声音信号曲线波形存入相应的不良品类型转动声音文件库中，并重新执行该不良品类型转动声音文件库对应的不良品相似度判定比值以及不良品类型声音信号模板曲线波形的计算，以供下一次测试；

步骤S4中，若待测后视镜不属于任何后视镜不良品类型，则定义一新的不良品类型并输出判定结果，同时建立该新的不良品类型对应的不良品类型转动声音文件库，将该待测转动声音信号曲线波形存入该不良品类型转动声音文件库中，以供下一次测试，且下一次测试中，该新定义的不良品类型直接基于该存入的待测转动声音信号曲线波形进行判定。

4.根据权利要求1所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S1中，包括步骤：

S1.1、通过传声器采集各良品转动声音信号、不同类型不良品转动声音信号；

S1.2、对采集的声音信号依次进行预加重处理、分帧处理、加窗处理；

S1.3、对每个分帧片段进行短时傅里叶变换，以得到处理后的各良品转动声音信号曲线波形、不同类型不良品转动声音信号曲线波形；

S1.4、基于处理后的各良品转动声音信号曲线波形、不同类型不良品转动声音信号曲线波形，建立良品转动声音文件库、多种不良品类型各自的转动声音文件库。

5.根据权利要求4所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S1.2中所述的预加重处理中使用的传递函数为：

，

其中，表示预加重的系数，表示域上的参数变量。

6.根据权利要求4所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S1.2中所述的加窗处理，计算公式为：

，

其中，表示汉明窗的时域表达式，表示长度的自变量，介于1到汉明窗的长度大小之间。

7.根据权利要求4所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S1. 3中所述的短时傅里叶变换，变换公式为：

，

其中，为傅里叶变换的点数，表示傅里叶变换后的频谱，表示频率自变量，表示时域自变量，表示虚数。

8.根据权利要求1所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，相似度基于声音信号曲线波形对应存储的特征图图片中的像素灰度计算得到，相似度计算的公式为：

，

其中，表示相似度，表示特征图的像素总数，表示特征图的像素坐标，表示第一曲线波形对应存储的特征图图片中在坐标处的像素灰度，表示第二曲线波形对应存储的特征图图片中在坐标处的像素灰度；

其中，第一曲线波形为良品转动声音文件库内任一良品声音信号曲线波形、不良品类型转动声音文件库内任一不良品声音信号曲线波形、待测转动声音信号曲线波形中的任一种；

第二曲线波形为良品声音信号平均曲线波形、不良品声音信号平均曲线波形、良品声音信号模板曲线波形、不良品类型声音信号模板曲线波形中的任一种。

9.根据权利要求1所述的一种汽车后视镜电机转动异响测试的方法，其特征在于，步骤S4之后还包括步骤：

重复步骤S3、步骤S4，直至预设次数，基于待测后视镜的不良品判定率，评估待测后视镜的使用剩余寿命。

Images