信号动态采集和特征多维刻画的车辆异响检测方法及系统与流程
本发明属于整车检测,尤其涉及信号动态采集和特征多维刻画的车辆异响检测方法及系统。
背景技术:
1、当前汽车量产下线检测中,车内异响检测主要依赖人工听诊方式。由于检测人员的听觉敏感度、经验水平存在差异,容易出现异响漏检、误判等问题,导致部分存在异响缺陷的车辆流入市场,影响品牌口碑及用户体验。现有自动化检测设备多为固定工位式,灵活性差,无法适应不同车型的车内空间检测需求,且检测算法多基于单一特征提取,对复杂异响的识别准确率较低。
技术实现思路
1、为克服上述现有技术的不足,本发明提供了信号动态采集和特征多维刻画的车辆异响检测方法及系统,生成覆盖车内所有关键检测区域的最优检测路径,使用听觉机器狗按照最优检测路径进行灵活移动和全方位动态检测,同时提取多维度特征对异响信号进行全面刻画,结合卷积神经网络与长短期记忆网络构成的混合网络,显著提高了复杂异响的识别准确率。
2、为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
3、本发明第一方面提供了信号动态采集和特征多维刻画的车辆异响检测方法。
4、信号动态采集和特征多维刻画的车辆异响检测方法,包括以下步骤:
5、控制四足机械狗按照待检测车辆车内最优检测路径移动至各关键检测区域,采集各关键检测区域的音频信号;
6、从音频信号中提取梅尔频率倒谱系数、功率谱密度及时域包络特征,形成多维度特征向量;
7、将所述多维度特征向量输入卷积神经网络与长短期记忆网络构成的混合网络中进行异响类型识别,并确定异响源的空间位置;
8、基于异响类型识别结果及异响源空间位置,生成检测报告,实现车辆异响检测。
9、作为优选的技术方案,在控制四足机械狗采集各关键检测区域的音频信号之前,还包括:
10、获取待检测车辆的车型信息;
11、调用车型三维空间数据库,生成覆盖待检测车辆车内关键检测区域的最优检测路径;
12、其中,所述覆盖待检测车辆车内关键检测区域的最优检测路径的生成过程包括:
13、基于人工智能算法结合所述车型三维空间数据库中存储的车内空间数据,计算覆盖驾驶位、副驾驶位、后排座椅及后备箱区域的检测路径;
14、通过路径优化算法降低检测路径的重复率,得到最优检测路径;
15、在四足机械狗移动的过程中,通过红外传感器实时检测障碍物并动态调整移动路径。
16、作为优选的技术方案,通过设置于四足机械狗鼻部的双声道麦克风,采集各关键检测区域的音频信号;
17、或者,
18、控制四足机械狗按照待检测车辆车内最优检测路径移动至各关键检测区域,包括:
19、控制所述四足机械狗移动至关键检测区域;
20、控制所述四足机械狗的头部进行360度旋转,配合双声道麦克风实现全方位音频采集;
21、通过调节所述四足机械狗底部的减震轮组的直径,适应不同车型的车内地面高度差。
22、作为优选的技术方案,还包括,对采集的音频信号进行小波阈值降噪处理:
23、选择小波基函数对所述音频信号进行小波分解;
24、计算各尺度小波系数的阈值;
25、对小于阈值的小波系数进行置零或收缩处理;
26、对处理后的小波系数进行小波重构,得到降噪后的音频信号。
27、作为优选的技术方案,从音频信号中提取梅尔频率倒谱系数、功率谱密度及时域包络特征,包括:
28、对音频信号进行短时傅里叶变换,得到音频信号的频谱;
29、利用梅尔标度滤波器组对所述频谱进行滤波,得到梅尔频谱;
30、对所述梅尔频谱进行对数运算后再进行离散余弦变换,提取13维梅尔频率倒谱系数;
31、计算所述音频信号的功率谱密度;
32、提取所述音频信号的时域包络特征。
33、作为优选的技术方案,将所述多维度特征向量输入卷积神经网络与长短期记忆网络构成的混合网络中进行异响类型识别,具体包括:
34、利用卷积神经网络层的卷积层及池化层,提取音频信号频谱图的局部空间特征;
35、利用长短期记忆网络层隐藏层的神经元,捕捉音频信号的时序动态特征;
36、将长短期记忆网络层输出的特征与预存的异响特征库进行比对,利用全连接层及softmax分类器,输出异响类型识别结果;
37、其中,
38、将长短期记忆网络层输出的特征与预存的异响特征库进行比对,包括:
39、从所述异响特征库中调用多种常见异响的特征数据;
40、计算所述混合网络输出的特征与各常见异响特征数据的相似度;
41、将相似度最高的异响类型作为识别到的异响类型。
42、作为优选的技术方案,通过相位差定位算法确定异响源的空间位置,包括:
43、计算设置于四足机械狗鼻部的双声道麦克风接收到的音频信号之间的时间延迟;
44、根据所述时间延迟及所述双声道麦克风的间距,计算异响源相对于所述双声道麦克风的方位角;
45、结合所述四足机械狗的当前位置坐标及所述方位角,确定异响源在车内的空间位置坐标。
46、本发明第二方面提供了信号动态采集和特征多维刻画的车辆异响检测系统。
47、信号动态采集和特征多维刻画的车辆异响检测系统,包括:
48、信号采集模块,被配置为:控制四足机械狗按照待检测车辆车内最优检测路径移动至各关键检测区域,采集各关键检测区域的音频信号;
49、特征提取模块,被配置为:从音频信号中提取梅尔频率倒谱系数、功率谱密度及时域包络特征,形成多维度特征向量;
50、异响识别模块,被配置为:将所述多维度特征向量输入卷积神经网络与长短期记忆网络构成的混合网络中进行异响类型识别,并确定异响源的空间位置;
51、报告生成模块,被配置为:基于异响类型识别结果及异响源空间位置,生成检测报告,实现车辆异响检测。
52、本发明第三方面提供了计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本发明第一方面所述的信号动态采集和特征多维刻画的车辆异响检测方法中的步骤。
53、本发明第四方面提供了电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本发明第一方面所述的信号动态采集和特征多维刻画的车辆异响检测方法中的步骤。
54、以上一个或多个技术方案存在以下有益效果:
55、本发明提供了一种信号动态采集和特征多维刻画的车辆异响检测方法及系统,生成覆盖车内所有关键检测区域的最优检测路径,使用听觉机器狗按照最优检测路径进行灵活移动和全方位动态检测,同时提取多维度特征对异响信号进行全面刻画,采用mfcc+ psd+ 时域包络的精简三维度组合,针对cnn-lstm模型的双重特征提取能力进行优化设计,在特征完整性、模型适配性和计算效率之间取得了最优平衡,结合卷积神经网络与长短期记忆网络构成的混合网络,显著提高了复杂异响的识别准确率。
56、本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com