基于卷积神经网络的汽车异响识别方法研究
Research on Vehicle Abnormal Sounds Recognition Based on Convolutional Neural Network作者机构：河海大学常州213022
出 版 物：《汽车工程师》 (Automotive Engineer)
年 卷 期：2023年第12期
页 面：37-42页
学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置]
主 题：汽车异响 卷积神经网络 特征提取 分类识别 迁移学习
摘 要：针对目前采用主观评价方法进行汽车异响诊断效率较低的问题,提出了一种基于卷积神经网络(CNN)的汽车异响识别方法。借助四立柱振动台在半消声室环境下采集信噪比较高的原始异响信号作为研究对象,提取信号的梅尔频谱(Mel-Spectrogram)作为神经网络的输入,然后搭建卷积神经网络对数据进行深层次的特征提取和压缩并进行分类识别,平均识别率可达90.5%,最后运用迁移学习的方法对模型进行优化,试验结果表明,VGG和ResNet模型均可以提高识别精度,且ResNet网络在测试集上的识别效果更好。
维普期刊数据库
同方期刊数据库