基于车内外多麦克风协同的车辆异响故障诊断方法及系统与流程

本发明涉及车辆故障诊断与声学信号处理，具体涉及一种基于车内外多麦克风协同的车辆异响故障诊断方法及系统。

背景技术：

1、车辆异响是汽车使用过程中最为常见的故障现象之一，通常表现为在行驶或操作过程中出现的异常噪声，可能来源于发动机、变速箱、底盘悬挂系统、制动系统、转向系统以及内外饰件等多个部件。异响不仅严重影响驾乘人员的舒适性体验，更可能是潜在机械故障的早期预警信号——如轴承磨损产生的周期性“嗡嗡”声、皮带打滑产生的尖锐“吱吱”声等，若不及时诊断和处理，可能导致更严重的车辆损坏甚至引发安全事故。

2、相关技术中，车辆异响诊断通常采用以下几种方式：一是在生产线末端或维修站场景中，利用便携式数据采集设备、双耳麦克风及麦克风阵列采集声音信号并进行实时处理，以实现异响诊断与声源定位；二是通过布置于车内的麦克风采集座舱音频信号，将信号由时域转换至频域后提取声学特征向量，与预设特征库进行匹配以输出故障识别结果；三是将采集到的音频数据转换为频谱图，输入预训练的卷积神经网络模型进行分类识别。然而，上述方案虽在一定程度上实现了异响的辅助诊断，但在复杂行驶工况下存在诊断准确度不足的问题。

技术实现思路

1、本发明提供一种基于车内外多麦克风协同的车辆异响故障诊断方法及系统，用于改善相关技术中的方案在复杂行驶工况下存在诊断准确度不足的问题。

2、为了实现上述目的，本发明采用的技术方案如下：

3、第一方面，本发明提供一种基于车内外多麦克风协同的车辆异响故障诊断方法，包括：

4、获取车辆外部麦克风阵列采集的车外声学信号、车辆内部麦克风阵列采集的车内声学信号和振动传感器采集的振动信号，以及获取车辆运行工况参数；

5、根据车外声学信号和车内声学信号分别进行声源定位，得到车外定位结果和车内定位结果；

6、根据车外定位结果和车内定位结果进行跨域关联分析，得到车外定位结果与车内定位结果之间的关联分析结果；

7、根据关联分析结果，对车外声学信号、车内声学信号、振动信号和车辆运行工况参数进行多模态故障诊断，得到车辆异响故障诊断结果。

8、在一种可能的实施例中，根据车外声学信号和车内声学信号分别进行声源定位，包括：基于车辆运行工况参数，对车外声学信号、车内声学信号和振动信号进行预处理；根据预处理后的车外声学信号和预处理后的车内声学信号分别进行声源定位。

9、在一种可能的实施例中，车辆运行工况参数包括车速和动力系统转速；基于车辆运行工况参数，对车外声学信号、车内声学信号和振动信号进行预处理，包括：基于车速和动力系统转速，动态选择降噪滤波器参数；采用多通道维纳滤波器，根据降噪滤波器参数对车外声学信号、车内声学信号和振动信号进行自适应噪声抵消；利用盲源分离算法，对自适应噪声抵消后的车外声学信号、自适应噪声抵消后的车内声学信号和自适应噪声抵消后的振动信号进行分离处理，得到故障声源成分信号。

10、在一种可能的实施例中，根据预处理后的车外声学信号和预处理后的车内声学信号分别进行声源定位，包括：根据预处理后的车外声学信号的声压级分布和车辆外部麦克风阵列间相对时延，利用决策树判定声源所属的车外区域，在车外区域内采用波束形成算法进行分层搜索，得到车外定位结果；根据预处理后的车内声学信号的声压级分布和车辆内部麦克风阵列间相对时延，利用决策树判定声源所属的车内区域，在车内区域内采用波束形成算法进行分层搜索，得到车内定位结果。

11、在一种可能的实施例中，分层搜索包括：在三维搜索空间中按第一网格间距进行全局搜索，确定峰值区域；在峰值区域内按第二网格间距进行搜索，第二网格间距小于第一网格间距。

12、在一种可能的实施例中，根据车外定位结果和车内定位结果进行跨域关联分析，得到车外定位结果与车内定位结果之间的关联分析结果，包括：将车外定位结果与车内定位结果进行时空关联匹配，确定车外定位结果与车内定位结果之间的关联度；当关联度超过预设阈值时，得到表示车内异响由车外零部件故障声源经结构传递引起的第一关联分析结果；当关联度未超过预设阈值时，得到表示车内异响为车内自生异响的第二关联分析结果。

13、在一种可能的实施例中，跨域关联分析还包括：当得到第一关联分析结果时，获取预先建立的车身结构声学传递函数模型；通过车身结构声学传递函数模型验证声源传播路径的物理合理性。

14、在一种可能的实施例中，多模态故障诊断包括：当关联分析结果为第一关联分析结果时，提取车外定位结果所对应的声源区域信号的声学特征、车内定位结果所对应的声源区域信号的声学特征和振动信号的频谱特征，并根据提取的声学特征、振动信号的频谱特征和车辆运行工况参数进行多模态故障诊断；当关联分析结果为第二关联分析结果时，提取车内定位结果所对应的声源区域信号的声学特征和振动信号的频谱特征，并根据提取的声学特征、振动信号的频谱特征和车辆运行工况参数进行多模态故障诊断。

15、在一种可能的实施例中，根据提取的声学特征、振动信号的频谱特征和车辆运行工况参数进行多模态故障诊断包括：将声学特征、振动信号的频谱特征和车辆运行工况参数输入至多模态深度神经网络，多模态深度神经网络包括声学特征编码器、振动特征编码器、工况特征编码器、特征融合编码器和分类输出层；通过声学特征编码器提取声学特征的频域特征和时序依赖关系，通过振动特征编码器提取振动信号的频谱特征，通过工况特征编码器对车辆运行工况参数进行特征映射；将声学特征编码器、振动特征编码器和工况特征编码器输出的编码特征输入至特征融合编码器进行多模态融合，得到多模态融合结果；将多模态融合结果输入至分类输出层，得到包含故障类型和故障严重程度评分的车辆异响故障诊断结果。

16、在一种可能的实施例中，基于车内外多麦克风协同的车辆异响故障诊断方法还包括：当故障严重程度评分低于第一预设阈值时，输出诊断结果提示信息；当故障严重程度评分处于第一预设阈值与第二预设阈值之间时，输出建议近期维修的提示，第二预设阈值高于第一预设阈值；当故障严重程度评分高于第二预设阈值时，输出立即停车的提示。

17、在一种可能的实施例中，车辆异响故障诊断结果还包括置信度评分，基于车内外多麦克风协同的车辆异响故障诊断方法还包括：当置信度评分低于预设的置信度评分阈值时，输出建议前往维修站进行人工诊断的提示，并保存故障类型标注结果；将置信度评分低于预设的置信度评分阈值的诊断案例所对应的声学特征数据、振动信号的频谱特征数据、车辆运行工况参数和车辆异响故障诊断结果上传至云端服务器，以用于对多模态深度神经网络的参数进行优化。

18、在一种可能的实施例中，基于车内外多麦克风协同的车辆异响故障诊断方法还包括：获取本地诊断数据和对应的故障类型标注结果，对分类输出层和特征融合编码器的参数进行增量训练，并保持声学特征编码器、振动特征编码器和工况特征编码器的参数固定；当车辆连接至网络时，将经增量训练后的模型参数增量经差分隐私处理后上传至云端服务器，以供云端服务器对各车辆上传的模型参数增量进行联邦聚合，得到全局模型；接收云端服务器下发的全局模型，并根据本地存储的历史诊断数据对全局模型进行个体化自适应微调。

19、在一种可能的实施例中，在获取车辆外部麦克风阵列采集的车外声学信号、车辆内部麦克风阵列采集的车内声学信号、振动传感器采集的振动信号以及车辆运行工况参数之前，基于车内外多麦克风协同的车辆异响故障诊断方法还包括：在车辆上电后，对各麦克风阵列和振动传感器进行初始化和自检，以确认所有传感器通道正常工作；执行时钟同步，使车辆外部麦克风阵列、车辆内部麦克风阵列和振动传感器的信号时间对齐；加载车辆的声学基线模型和多模态深度神经网络的模型参数；根据当前环境条件对车辆外部麦克风阵列和车辆内部麦克风阵列进行在线校准。

20、在一种可能的实施例中，基于车内外多麦克风协同的车辆异响故障诊断方法还包括：将车辆异响故障诊断结果和对应的声学特征数据记录至车辆的数字孪生体数据库，以更新车辆的各零部件的声学健康指标的时间序列；根据时间序列，采用贝叶斯状态空间模型更新预设的声学特征退化趋势模型，得到各零部件的退化趋势估计值；根据退化趋势估计值与声学基线模型的偏离程度，评估各零部件的健康状态等级；健康状态等级包括正常等级、关注等级、预警等级和告警等级；当健康状态等级达到预警等级或告警等级时，输出维护提醒。

21、在一种可能的实施例中，在根据车外声学信号和车内声学信号分别进行声源定位之前，基于车内外多麦克风协同的车辆异响故障诊断方法还包括：根据车外声学信号和车内声学信号，确定当前分析帧的声学异常指数；当声学异常指数连续多帧超过预设声学异常指数阈值时，触发异常声学事件标记，并进入声源定位步骤。

22、第二方面，本发明提供一种基于车内外多麦克风协同的车辆异响故障诊断装置，包括：

23、获取模块，用于获取车辆外部麦克风阵列采集的车外声学信号、车辆内部麦克风阵列采集的车内声学信号和振动传感器采集的振动信号，以及获取车辆运行工况参数；

24、声源定位模块，用于根据车外声学信号和车内声学信号分别进行声源定位，得到车外定位结果和车内定位结果；

25、跨域关联分析模块，用于根据车外定位结果和车内定位结果进行跨域关联分析，得到车外定位结果与车内定位结果之间的关联分析结果；

26、多模态故障诊断模块，用于根据关联分析结果，对车外声学信号、车内声学信号、振动信号和车辆运行工况参数进行多模态故障诊断，得到车辆异响故障诊断结果。

27、在一种可能的实施例中，声源定位模块可以具体用于：基于车辆运行工况参数，对车外声学信号、车内声学信号和振动信号进行预处理；根据预处理后的车外声学信号和预处理后的车内声学信号分别进行声源定位。

28、在一种可能的实施例中，车辆运行工况参数包括车速和动力系统转速；声源定位模块还可以用于：基于车速和动力系统转速，动态选择降噪滤波器参数；采用多通道维纳滤波器，根据降噪滤波器参数对车外声学信号、车内声学信号和振动信号进行自适应噪声抵消；利用盲源分离算法，对自适应噪声抵消后的车外声学信号、自适应噪声抵消后的车内声学信号和自适应噪声抵消后的振动信号进行分离处理，得到故障声源成分信号。

29、在一种可能的实施例中，声源定位模块还可以用于：根据车外声学信号的声压级分布和车辆外部麦克风阵列间相对时延，利用决策树判定声源所属的车外区域，在车外区域内采用波束形成算法进行分层搜索，得到车外定位结果；根据车内声学信号的声压级分布和车辆内部麦克风阵列间相对时延，利用决策树判定声源所属的车内区域，在车内区域内采用波束形成算法进行分层搜索，得到车内定位结果。

30、在一种可能的实施例中，声源定位模块还可以用于：在三维搜索空间中按第一网格间距进行全局搜索，确定峰值区域；在峰值区域内按第二网格间距进行搜索，第二网格间距小于第一网格间距。

31、在一种可能的实施例中，跨域关联分析模块可以具体用于：将车外定位结果与车内定位结果进行时空关联匹配，确定车外定位结果与车内定位结果之间的关联度；当关联度超过预设阈值时，得到表示车内异响由车外零部件故障声源经结构传递引起的第一关联分析结果；当关联度未超过预设阈值时，得到表示车内异响为车内自生异响的第二关联分析结果。

32、在一种可能的实施例中，多模态故障诊断模块可以具体用于：当关联分析结果为第一关联分析结果时，提取车外定位结果所对应的声源区域信号的声学特征、车内定位结果所对应的声源区域信号的声学特征和振动信号的频谱特征，并根据提取的声学特征、振动信号的频谱特征和车辆运行工况参数进行多模态故障诊断；当关联分析结果为第二关联分析结果时，提取车内定位结果所对应的声源区域信号的声学特征和振动信号的频谱特征，并根据提取的声学特征、振动信号的频谱特征和车辆运行工况参数进行多模态故障诊断。

33、第三方面，本发明提供一种基于车内外多麦克风协同的车辆异响故障诊断系统，包括：

34、车外声学感知子系统，包括部署于发动机舱、底盘前部、底盘后部和轮毂罩内侧的多个麦克风阵列，用于采集车外声学信号；

35、车内声学感知子系统，包括部署于座舱内各区域的多个麦克风，用于采集车内声学信号；

36、振动感知子系统，包括部署于车辆动力总成及底盘关键零部件处的多个振动传感器，用于采集振动信号；

37、中央处理单元，分别与车外声学感知子系统、车内声学感知子系统和振动感知子系统连接，用于执行上述提供的方法。

38、第四方面，本发明提供一种车辆，包括：

39、车辆本体；

40、上述提供的基于车内外多麦克风协同的车辆异响故障诊断系统，基于车内外多麦克风协同的车辆异响故障诊断系统安装于车辆本体上。

41、第五方面，本发明提供一种中央处理单元，包括：处理器，以及与处理器通信连接的存储器；存储器存储计算机执行指令；

42、处理器执行存储器存储的计算机执行指令，以实现如第一方面提供的基于车内外多麦克风协同的车辆异响故障诊断方法。

43、第六方面，本发明提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面提供的基于车内外多麦克风协同的车辆异响故障诊断方法。

44、第七方面，本发明提供一种计算机程序产品，包括：计算机程序，该计算机程序被处理器执行时实现如第一方面提供的基于车内外多麦克风协同的车辆异响故障诊断方法。

45、本发明的有益效果：

46、本发明提供一种基于车内外多麦克风协同的车辆异响故障诊断方法及系统，其中的方法包括：获取车辆外部麦克风阵列采集的车外声学信号、车辆内部麦克风阵列采集的车内声学信号和振动传感器采集的振动信号，以及获取车辆运行工况参数；根据车外声学信号和车内声学信号分别进行声源定位，得到车外定位结果和车内定位结果；根据车外定位结果和车内定位结果进行跨域关联分析，得到车外定位结果与车内定位结果之间的关联分析结果；根据关联分析结果，对车外声学信号、车内声学信号、振动信号和车辆运行工况参数进行多模态故障诊断，得到车辆异响故障诊断结果。本发明，通过获取车外麦克风阵列采集的车外声学信号、车内麦克风阵列采集的车内声学信号和振动传感器采集的振动信号，并获取车辆运行工况参数，突破了相关技术仅依赖车内单一音频信号进行故障识别的局限，构建了“车外声学+车内声学+振动感知”的三维信号采集体系；在此基础上，根据车外声学信号和车内声学信号分别进行声源定位，通过对车内外定位结果进行跨域关联分析，能够提高对车内外异响传播关系及真实声源位置的判别能力；进而根据跨域关联分析结果对车外声学信号、车内声学信号、振动信号和车辆运行工况参数进行多模态故障诊断，从而显著提高了复杂行驶工况下车辆异响故障诊断的准确性和可靠性。