[發明專利]基于卷積神經網絡的排氣聲品質評價方法、裝置及存儲介質

在審

• 申請號: 202310151665.1
• 申請日: 2023-02-22
• 公開（公告）號: CN116151113A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 賈小利;楊亮
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01M17/007;G01H17/00;G06F119/02
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 李勇

1.一種基于卷積神經網絡的排氣聲品質評價方法，其特征在于，包括如下步驟：

S1，采集設定工況下的若干個排氣聲樣本，分別對排氣聲樣本進行客觀量化分析和主觀評價，得到每個排氣聲樣本的滿足相關性要求的客觀量化參數和主觀評價得分；

S2，搭建基于卷積神經網絡的排氣聲預測模型，以S1得到的客觀量化參數作為輸入、主觀評價得分作為輸出對排氣聲預測模型進行訓練、驗證，得到滿足精度要求的基于卷積神經網絡的排氣聲預測模型；

S3，將待測排氣聲客觀量化參數輸入S2得到的基于卷積神經網絡的排氣聲預測模型中，輸出待測排氣聲的主觀評價得分預測值。

2.根據權利要求1所述的基于卷積神經網絡的排氣聲品質評價方法，其特征在于，S1中排氣聲樣本為待測車輛在半消聲室內的底盤測功機上三擋全油門加速行駛的排氣聲。

3.根據權利要求1或2所述的基于卷積神經網絡的排氣聲品質評價方法，其特征在于，S1中的客觀量化分析為：對采集到的排氣聲樣本進行分析處理，得到排氣聲樣本的總聲壓級及二、四、六階次聲壓級隨發動機轉速的變化曲線，以所述排氣聲樣本的二、四、六階次聲壓級隨發動機轉速的變化曲線作為客觀量化參數。

4.根據權利要求1或2所述的基于卷積神經網絡的排氣聲品質評價方法，其特征在于，S1中主觀評價具體為：多名評價人員使用等級評分法對排氣聲樣本進行主觀評價，若各評價人員與其余評價人員主觀評價結果相關性的平均值≥0.75，表明評價結果有效，取滿足相關性要求的多名評價人員的主觀評價結果的平均值作為排氣聲樣本的主觀評價得分。

5.根據權利要求1或2所述的基于卷積神經網絡的排氣聲品質評價方法，其特征在于：所述基于卷積神經網絡的排氣聲預測模型包括輸入層、兩層卷積層、池化層、全連接層和回歸輸出層；

所述輸入層用于接受數據輸入，并且進行數據預處理；

所述卷積層通過卷積核自動進行數據特征提取；

所述池化層是對卷積層獲得的特征矩陣降維；

所述全連接層位于池化層之后，將池化層的輸出特征展開成一維向量輸入到全連接層網絡中；

所述回歸輸出層用于模型預測結果的輸出。

6.根據權利要求1或2所述的基于卷積神經網絡的排氣聲品質評價方法，其特征在于：S1中采用Pearson相關系數檢驗客觀量化參數和主觀評價得分的相關程度，若滿足相關性要求，則執行S2；若不滿足相關性要求，則重新選擇客觀量化參數進行相關性檢驗。

7.一種基于卷積神經網絡的排氣聲品質評價裝置，其特征在于，能夠實現權利要求1~6任一項所述的基于卷積神經網絡的排氣聲品質評價方法的步驟，包括：

樣本采集模塊，用于采集設定工況下的排氣聲樣本；

客觀量化分析模塊，用于對采集的排氣聲樣本進行客觀量化，得到排氣聲樣本的客觀量化參數；

主觀評價模塊，用于對采集的排氣聲樣本進行主觀評價，得到排氣聲樣本的主觀評價得分；

預測模型模塊，用于搭建基于卷積神經網絡的排氣聲預測模型，以得到的客觀量化參數作為輸入、主觀評價得分作為輸出對排氣聲預測模型進行訓練、驗證，得到滿足精度要求的基于卷積神經網絡的排氣聲預測模型；將待測排氣聲客觀量化參數輸入得到的基于卷積神經網絡的排氣聲預測模型中，輸出待測排氣聲的主觀評價得分。

8.一種存儲介質，其內存儲有計算機可讀程序，所述計算機可讀程序被調用時能執行如權利要求1至6任一項所述的基于卷積神經網絡的排氣聲品質評價方法的步驟。