[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

本發明涉及基于人工智能的空調消聲器性能檢測方法，屬于消聲器性能檢測技術領域。方法包括以下步驟：獲取目標訓練集；基于所述目標訓練集進行網絡訓練，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。本發明基于多輪次訓練過程中網絡的損失函數值以及訓練時網絡參數，對網絡學習率進行調整，可以使網絡高效、高精度的進行訓練，并且基于目標網絡可以相對可靠的檢測汽車空調消音器的性能。

技術領域

本發明涉及消聲器性能檢測技術領域，具體涉及基于人工智能的空調消聲器性能檢測方法。

背景技術

隨著社會經濟的發展、人們生活的提高，人們對汽車使用的舒適性也隨之增強，即對汽車空調消音器的使用性能要求也隨之提高，因此對汽車空調消音器在使用過程中的性能檢測至關重要，其中汽車空調消音器是用來降低空調在使用過程中的機器噪聲。

現有的一般基于人工來檢測汽車空調消音器在使用過程中的性能，而這種方法主觀性較強、檢測效率低，并且一般只有汽車空調消音器在使用過程中出現較大問題時才能發現，因此基于人工來檢測汽車空調消音器性能的方法可靠性較低。

發明內容

本發明提供一種基于人工智能的空調消聲器性能檢測方法，用于解決現有方法中不能可靠的對汽車空調消音器的性能進行檢測的問題，所采用的技術方案具體如下：

第一方面，本發明一個實施例提供了基于人工智能的空調消聲器性能檢測方法包括以下步驟：

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。

有益效果：本發明將目標訓練集作為得到目標網絡的依據；將目標網絡作為得到汽車空調消音器性能等級的依據；本發明基于多輪次訓練過程中網絡的損失函數值以及訓練時網絡參數，對網絡學習率進行調整，可以使網絡高效、高精度的進行訓練，并且基于目標網絡可以相對可靠的檢測汽車空調消音器的性能。

優選的，目標訓練集中包括多個樣本消聲器特征向量。

優選的，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；