本發(fā)明涉及車輛故障診斷,具體涉及一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法及系統(tǒng)。
背景技術(shù):
1、當(dāng)前,汽車運(yùn)行過程中的安全性與舒適性已經(jīng)成為各大主機(jī)廠以及廣大消費(fèi)者極其重視的問題。汽車運(yùn)行安全性包括主動(dòng)故障監(jiān)測系統(tǒng)與被動(dòng)故障應(yīng)急系統(tǒng)兩部分。被動(dòng)故障應(yīng)急系統(tǒng)可幫助駕駛員與乘客避免嚴(yán)重的人身傷害,提高車輛事故發(fā)生后的車內(nèi)人員的生存概率。主動(dòng)故障監(jiān)測系統(tǒng)主要是指在故障早期以報(bào)警形式發(fā)出的故障警告。
2、近年來,數(shù)據(jù)的爆炸式增長以及高性能計(jì)算機(jī)的出現(xiàn)為車輛早期故障發(fā)掘提供了可能性,使得業(yè)內(nèi)可以利用人工智能算法處理圖像、聲音等類型數(shù)據(jù),代替人工故障排查。很多情況下,車輛在發(fā)生故障早期,其機(jī)械結(jié)構(gòu)的裝配關(guān)系將發(fā)生改變,從而產(chǎn)生異常的振動(dòng)或噪聲問題?;谡駝?dòng)及聲音特征與車輛故障的對應(yīng)關(guān)系,設(shè)計(jì)振動(dòng)及音頻識別神經(jīng)網(wǎng)絡(luò),學(xué)習(xí)故障振動(dòng)與聲音編碼和分類的特征,判斷車輛的異常振動(dòng)與噪聲的產(chǎn)生原因,可極大的幫助業(yè)內(nèi)人員及早定位問題,該方法的實(shí)施將極大提高故障診斷效率。因此,有必要提供一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方案,以提高故障診斷效率。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的是提供一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法及系統(tǒng),以提高故障診斷效率。
2、為實(shí)現(xiàn)本發(fā)明的目的,本發(fā)明提供的技術(shù)方案如下:
3、第一方面
4、本發(fā)明提供了一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法,包括如下步驟:
5、步驟s1:采集不同車輛故障類型對應(yīng)的振動(dòng)信號與噪聲信號;
6、步驟s2:對所述振動(dòng)信號與噪聲信號進(jìn)行短時(shí)傅里葉特征提取、連續(xù)小波變換特征提取、梅爾倒譜特征提取,并分別得到相應(yīng)的時(shí)頻特征數(shù)據(jù),將所有時(shí)頻特征數(shù)據(jù)轉(zhuǎn)換為特征圖片數(shù)據(jù);
7、步驟s3:構(gòu)建一個(gè)基于圖像的深度學(xué)習(xí)模型,并使用所述特征圖片數(shù)據(jù)進(jìn)行訓(xùn)練,得到訓(xùn)練后的車輛故障診斷模型;其中,所述基于圖像的深度學(xué)習(xí)模型為基于多頭自注意力機(jī)制和多尺度注意力機(jī)制的雙重注意力機(jī)制神經(jīng)網(wǎng)絡(luò)模型;
8、步驟s4:利用訓(xùn)練后的車輛故障診斷模型進(jìn)行車輛故障診斷與預(yù)警。
9、第二方面
10、本發(fā)明提供了一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警系統(tǒng),包括如下單元:信號采集單元、圖片數(shù)據(jù)獲取單元、模型構(gòu)建單元以及診斷與預(yù)警單元;
11、所述信號采集單元,用于采集不同車輛故障類型對應(yīng)的振動(dòng)信號與噪聲信號;
12、所述圖片數(shù)據(jù)獲取單元,用于對所述振動(dòng)信號與噪聲信號進(jìn)行短時(shí)傅里葉特征提取、連續(xù)小波變換特征提取、梅爾倒譜特征提取,并分別得到相應(yīng)的時(shí)頻特征數(shù)據(jù),將所有時(shí)頻特征數(shù)據(jù)轉(zhuǎn)換為特征圖片數(shù)據(jù);
13、所述模型構(gòu)建單元,用于構(gòu)建一個(gè)基于圖像的深度學(xué)習(xí)模型,并使用所述特征圖片數(shù)據(jù)進(jìn)行訓(xùn)練,得到訓(xùn)練后的車輛故障診斷模型;其中,所述基于圖像的深度學(xué)習(xí)模型為基于多頭自注意力機(jī)制和多尺度注意力機(jī)制的雙重注意力機(jī)制神經(jīng)網(wǎng)絡(luò)模型;
14、所述診斷與預(yù)警單元,用于利用訓(xùn)練后的車輛故障診斷模型進(jìn)行車輛故障診斷與預(yù)警。
15、與現(xiàn)有技術(shù)相比,本發(fā)明的技術(shù)優(yōu)勢如下:
16、1.本發(fā)明方案中,時(shí)頻特征圖片提供故障信號在時(shí)間和頻率上的信息,使得對故障信號的分析更加全面。通過時(shí)頻分析,可以識別出信號中的瞬態(tài)特征和頻率成分,幫助模型更好地理解故障模式。同時(shí),時(shí)頻特征圖片可以有效的捕捉非階次類振動(dòng)與噪聲的特性,從而為故障診斷提供更準(zhǔn)確的信息;
17、2.本發(fā)明方案中,基于多頭自注意力機(jī)制和多尺度注意力機(jī)制的雙重注意力機(jī)制神經(jīng)網(wǎng)絡(luò)模型可以在不同層次上同時(shí)考慮到數(shù)據(jù)的局部特征和全局特征,從而更好地捕捉信號所包含的故障信息,學(xué)習(xí)到更加復(fù)雜和抽象的特征表示,有助于提升模型的性能。
1.一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法,其特征在于,包括如下步驟:
2.根據(jù)權(quán)利要求1所述的一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法,其特征在于,所述基于多頭自注意力機(jī)制和多尺度注意力機(jī)制的雙重注意力機(jī)制神經(jīng)網(wǎng)絡(luò)模型包括第一全連接層和均分重組層、拼接重組層、第二全連接層、多尺度注意力模塊、第三全連接層、softmax層;
3.根據(jù)權(quán)利要求2所述的一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法,其特征在于,步驟s1中,采集的振動(dòng)信號為靠近車輛故障結(jié)構(gòu)位置的振動(dòng)信號,采集的噪聲信號包括靠近車輛故障結(jié)構(gòu)、駕駛員耳旁、前排乘客耳旁以及后排乘客耳旁位置的噪聲信號。
4.根據(jù)權(quán)利要求3所述的一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警方法,其特征在于,步驟s1中,采集車輛在車輛怠速狀態(tài)、勻速形式狀態(tài)、以及急加速狀態(tài)下不同車輛故障類型對應(yīng)的振動(dòng)信號與噪聲信號。
5.一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警系統(tǒng),其特征在于,包括如下單元:信號采集單元、圖片數(shù)據(jù)獲取單元、模型構(gòu)建單元以及診斷與預(yù)警單元;
6.根據(jù)權(quán)利要求5所述的一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警系統(tǒng),其特征在于,所述基于多頭自注意力機(jī)制和多尺度注意力機(jī)制的雙重注意力機(jī)制神經(jīng)網(wǎng)絡(luò)模型包括第一全連接層和均分重組層、拼接重組層、第二全連接層、多尺度注意力模塊、第三全連接層、softmax層;
7.根據(jù)權(quán)利要求6所述的一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警系統(tǒng),其特征在于,所述信號采集單元采集的振動(dòng)信號為靠近車輛故障結(jié)構(gòu)位置的振動(dòng)信號,采集的噪聲信號包括靠近車輛故障結(jié)構(gòu)、駕駛員耳旁、前排乘客耳旁以及后排乘客耳旁位置的噪聲信號。
8.根據(jù)權(quán)利要求7所述的一種基于振動(dòng)與噪聲的車輛故障診斷與預(yù)警系統(tǒng),其特征在于,所述信號采集單元采集車輛在車輛怠速狀態(tài)、勻速形式狀態(tài)、以及急加速狀態(tài)下不同車輛故障類型對應(yīng)的振動(dòng)信號與噪聲信號。