[發明專利]基于大數據信息診斷問題噪聲源的方法及裝置

在審

• 申請號: 201911156136.0
• 申請日: 2019-11-22
• 公開（公告）號: CN111307274A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 鄭仁秀;李東喆
• 申請（專利權）人: 現代自動車株式會社;起亞自動車株式會社
• 主分類號: G01H17/00
• 分類號: G01H17/00;G06N3/02
• 代理公司: 北京戈程知識產權代理有限公司 11314
• 代理人: 程偉;甄雁翔

1.一種基于大數據信息診斷問題噪聲源的方法，其包括：

通過利用實時噪聲測量裝置來測量車輛的動力傳動系的噪聲數據，并將該噪聲數據轉換為能夠通過接口裝置輸入至用于診斷問題噪聲源的便攜式裝置的信號；

通過人工智能的深度學習算法對轉換后的信號進行噪聲分析，并診斷作為噪聲成因的問題噪聲源；

通過輸出診斷結果作為問題噪聲源來顯示噪聲成因，并將診斷結果發送到便攜式裝置。

2.根據權利要求1所述的基于大數據信息診斷問題噪聲源的方法，其中，通過麥克風獲取噪聲數據，通過振動傳感器獲取振動數據。

3.根據權利要求2所述的基于大數據信息診斷問題噪聲源的方法，其中，雙向方法和門控循環單元技術應用于深度學習算法。

4.根據權利要求3所述的基于大數據信息診斷問題噪聲源的方法，其中，注意機制技術應用于深度學習算法。

5.根據權利要求3所述的基于大數據信息診斷問題噪聲源的方法，其中，早期集成學習技術應用于深度學習算法。

6.根據權利要求5所述的基于大數據信息診斷問題噪聲源的方法，其中，所述人工智能配置為再現聲音以用于識別所述問題噪聲源。

7.根據權利要求1所述的基于大數據信息診斷問題噪聲源的方法，其中，車輛的噪聲數據或振動數據從車輛外部的外部數據存儲裝置獲取，并進行重采樣。

8.根據權利要求7所述的基于大數據信息診斷問題噪聲源的方法，其中，所述重采樣的頻率是問題噪聲的最大頻率的兩倍。

9.根據權利要求8所述的基于大數據信息診斷問題噪聲源的方法，其中，雙向方法和門控循環單元技術應用于深度學習算法。

10.根據權利要求9所述的基于大數據信息診斷問題噪聲源的方法，其中，注意機制技術應用于深度學習算法。

11.根據權利要求10所述的基于大數據信息診斷問題噪聲源的方法，其中，早期集成學習技術應用于深度學習算法。

12.根據權利要求11所述的基于大數據信息診斷問題噪聲源的方法，其中，所述人工智能配置為再現聲音以用于識別所述問題噪聲源。

13.根據權利要求7所述的基于大數據信息診斷問題噪聲源的方法，其中，通過藍牙將車輛外部的外部存儲數據傳送為車輛的控制器局域網數據。

14.一種基于大數據信息診斷問題噪聲源的裝置，其包括：

麥克風，其用于測量車輛的噪聲；

振動傳感器，其用于獲取車輛的振動數據；

控制器局域網模塊，其用于獲取車輛的發動機轉速；以及

控制器，其用于將關于車輛的噪聲、振動和發動機轉速的數據轉換為編碼，并從人工智能接收診斷結果，

其中，所述人工智能通過深度學習，基于所述編碼來診斷問題噪聲源。

15.一種基于大數據信息診斷問題噪聲源的裝置，其包括：

輸入數據采集器，其用于收集輸入數據，該輸入數據采集器包括：

麥克風，其用于測量車輛的噪聲；

振動傳感器，其用于獲取車輛的振動數據；

控制器局域網模塊，其用于獲取車輛的發動機轉速；以及

存儲器，其用于存儲來自噪聲、振動和發動機轉速的數據中的問題噪聲區域；

控制器，其用于將關于噪聲、振動和發動機轉速的數據轉換為編碼并從人工智能接收診斷結果；以及

問題噪聲診斷單元，其用于通過人工智能的深度學習，基于所述編碼來診斷問題噪聲源，

其中，輸入數據采集器和問題噪聲診斷單元能夠彼此分開。