融合特征下的双流CNN的制动蠕动颤振评价

作     者：李阳 靳畅 李天舒 顾鼎元 LI Yang;JIN Chang;LI Tianshu;GU Dingyuan

作者机构：同济大学汽车学院上海201804 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2025年第44卷第1期

页      面：134-142,189页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金面上项目(52072268) 

主　　题：卷积神经网络(CNN) 融合特征 变分模态分解(VMD) 蠕动颤振 

摘      要：针对车辆蠕动颤振主观评价方法效率低、耗时长、测试流程复杂的问题,研究了蠕动颤振信号的时序特征和时频域特征提取方法,将2D-CNN的空间处理能力与1D-CNN的时序处理能力相结合,提出一种融合特征下的双流卷积神经网络的蠕动颤振评价方法。一条支路的输入为经过变分模态分解提取的时间序列特征,另一条支路的输入为经过快速傅里叶变换提取的图像特征,将一维时序特征与高维图像特征融合,训练模型进行评分。该方法通过融合不同模态的信息,充分捕捉蠕动颤振的局部波形特征和空间纹理特征。结果表明,融合两种特征的评分模型的八分类准确率达87.13%,验证了特征融合方法在蠕动颤振评价上的有效性。