[發明專利]基于人工智能的空調消聲器性能檢測方法

在審

• 申請號: 202210432016.4
• 申請日: 2022-04-22
• 公開（公告）號: CN114838496A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 王麗麗;陸輝
• 申請（專利權）人: 江蘇風神空調集團股份有限公司
• 主分類號: F24F13/24
• 分類號: F24F13/24;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的空調消聲器性能檢測方法，其特征在于，該方法包括如下步驟：

獲取目標訓練集；

基于固定網絡學習率和目標訓練集進行網絡訓練，得到第一網絡以及目標訓練集對應的第一損失函數值序列；判斷所述第一損失函數值序列的穩定程度是否小于預設穩定程度閾值，若是，根據所述第一損失函數值序列，得到目標訓練集中各數據的第一目標學習率；基于所述第一目標學習率和目標訓練集對第一網絡進行訓練，得到第二網絡以及目標訓練集對應的第二損失函數值序列；之后判斷所述第二損失函數值序列的穩定程度是否小于預設穩定程度閾值，若是，根據所述第二損失函數值序列，得到目標訓練集中各數據的第二目標學習率；基于所述第二目標學習率和目標訓練集對第二網絡進行訓練，得到第三網絡以及目標訓練集對應的第三損失函數值序列；依次類推；直至損失函數值序列的穩定程度大于或者等于預設穩定程度閾值時，停止網絡訓練，得到目標網絡；

獲取待檢測數據；將待檢測數據輸入到目標網絡中，得到待檢測數據對應的汽車空調消音器的性能等級。

2.如權利要求1所述的基于人工智能的空調消聲器性能檢測方法，其特征在于，所述目標訓練集中包括多個樣本消聲器特征向量。

3.如權利要求2所述的基于人工智能的空調消聲器性能檢測方法，其特征在于，所述基于固定網絡學習率和目標訓練集進行網絡訓練，得到第一網絡以及目標訓練集對應的第一損失函數值序列；判斷所述第一損失函數值序列的穩定程度是否小于預設穩定程度閾值，若是，根據所述第一損失函數值序列，得到目標訓練集中各數據的第一目標學習率的方法，包括：

對目標訓練集中的各樣本消聲器特征向量進行性能等級標注；

基于所述各樣本消聲器特征向量和各樣本消聲器特征向量的標注性能等級進行訓練，得到第一網絡；

計算得到第一網絡過程中各樣本消聲器特征向量對應的標注性能等級與網絡預測性能等級之間差值的平方，得到各樣本消聲器特征向量的第一損失函數值；

根據所述第一損失函數值，構建得到目標訓練集對應的第一損失函數值序列；

計算所述第一損失函數值序列的標準差，將所述第一損失函數值序列的標準差的倒數記為所述第一損失函數值序列的穩定程度；

判斷所述第一損失函數值序列的穩定程度是否小于預設穩定程度閾值，若是，根據所述第一損失函數值序列，得到目標訓練集中各樣本消聲器特征向量的第一目標學習率。