一种怠速抖动识别方法及设备与流程

本技术涉及车辆nvh，尤其涉及怠速抖动识别方法及设备。

背景技术：

1、随着人们对车辆品质的要求日益提高，车辆nvh(noise、vibration、harshness，即噪声、振动与声振粗糙度)性能直接影响整车舒适性和乘车品质，影响到用户对车辆的好坏判断。怠速工况是指发动机对外无功率输出的稳定运转工况，此时发动机的节气门开度最小、汽车处于空档，发动机只带动附件维持最低稳定转速的工况。怠速工况下出现的抖动问题是常见的车辆nvh问题，怠速抖动问题激励源众多，覆盖的系统机构多，产生机理复杂，怠速抖动问题也是整车抖动问题中最难控制，最为复杂的问题。

2、目前，在工程设计阶段，若试制样车没有完成，主要通过经验性数模检查、虚拟仿真分析手段对怠速抖动进行评估和控制，但仿真模型不可能涉及所有元素，存在较大误差；在试验验证阶段，基于试制样车，借助不同的试验测试设备获取数据进行分析评价，或者通过主观评价的手段去发现、分析nvh问题，分解到问题部位、零部件，再借助于试验设备测试问题部位，将问题部位以物理参数、指标的形式进行评价、优化，实现主观评价达标分数，但是试验测试条件有限，无法模拟覆盖驾乘人员的驾驶习惯，可能出现对怠速抖动问题的漏判、漏检；此外，依靠主观感受怠速抖动问题效率低下，对于轻微不明显抖动无法准确识别，影响实车nvh性能。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种怠速抖动识别方法及设备，旨在解决现有技术中传统手段难以快速、准确地识别怠速抖动，影响车辆nvh性能的技术问题。

2、为实现上述目的，本技术提供了一种怠速抖动识别方法，包括：

3、获取车辆响应部件在预设状态下的振动信号，将同一预设状态下的振动信号划分至同一样本簇中，预设状态至少包括正常状态与怠速抖动状态；

4、基于样本簇中振动信号之间的样本距离，确定样本簇的自适应截断距离；

5、基于样本簇的自适应截断距离，确定样本簇中振动信号的局部密度与相对距离；

6、基于样本簇中振动信号的局部密度与相对距离，确定样本簇中振动信号的评价度量；

7、基于样本簇中振动信号的评价度量，对样本簇中的振动信号进行筛选，得到目标振动信号；

8、基于目标振动信号，对构建的怠速抖动识别模型进行训练；

9、基于训练后的怠速抖动识别模型，对车辆行驶过程中的怠速抖动进行实时监测。

10、在一实施例中，基于样本簇中振动信号之间的样本距离，确定样本簇的自适应截断距离的步骤包括：根据样本簇中振动信号之间的样本距离，确定样本簇的最大样本距离、最小样本距离以及平均样本距离；获取最大样本距离、最小样本距离、平均样本距离与自适应截断距离之间的第一对应关系；根据第一对应关系以及样本簇的最大样本距离、最小样本距离与平均样本距离，确定样本簇的自适应截断距离。

11、在一实施例中，基于样本簇的自适应截断距离，确定样本簇中振动信号的局部密度与相对距离的步骤包括：获取样本距离、自适应截断距离、核参数与局部密度之间的第二对应关系；根据样本簇的自适应截断距离、样本簇中振动信号之间的样本距离、核参数以及第二对应关系，确定样本簇中振动信号的局部密度；获取局部密度、样本距离与相对距离之间的第三对应关系；根据样本簇中振动信号的局部密度、样本簇的样本距离以及第三对应关系，确定样本簇中振动信号的相对距离。

12、在一实施例中，基于样本簇中振动信号的局部密度与相对距离，确定样本簇中振动信号的评价度量的步骤包括：根据样本簇中振动信号的局部密度，确定样本簇的最大局部密度与最小局部密度；根据样本簇中振动信号的相对距离，确定样本簇的最大相对距离与最小相对距离；获取局部密度、最大局部密度、最小局部密度、相对距离、最大相对距离、最小相对距离与评价度量之间的第四对应关系；根据第四对应关系以及样本簇的最大局部密度、最小局部密度、最大相对距离、最小相对距离、样本簇中振动信号的局部密度与相对距离，确定样本簇中振动信号的评价度量，并将样本簇中评价度量最大的振动信号作为簇中心点。

13、在一实施例中，基于样本簇中振动信号的评价度量，对样本簇中的振动信号进行筛选，得到目标振动信号的步骤包括：基于样本簇中振动信号的评价度量，对样本簇中的振动信号进行降序排列，得到样本簇的信号序列；根据预设比例，在样本簇的信号序列中确定排列顺序靠后的离散信号；将样本簇中的离散信号剔除，得到目标振动信号。

14、在一实施例中，怠速抖动识别模型采用改进的densenet121模型，改进的densenet121模型包括依次连接的通道注意力单元、通道加强决策单元以及原始densenet121模型的分类识别单元，基于目标振动信号，对构建的怠速抖动识别模型进行训练的步骤包括：对目标振动信号进行图像转换，得到振动图像，振动图像根据对应的怠速抖动状态进行标记，怠速抖动状态至少包括怠速共振抖动、怠速拍频抖动以及怠速间歇抖动；将振动图像输入分类识别单元进行训练；获取分类识别单元训练过程中的决策特征图像，将决策特征图像输入通道加强决策单元进行处理，得到通道决策概率；在通道决策概率大于第一决策权重指标且小于第二决策权重指标时，确定进行通道特征识别并激活通道注意力单元；在激活通道注意力单元时，将决策特征图像输入通道注意力单元，对决策特征图像进行全局均值池化处理、全局最大池化处理以及多层感知处理，得到通道特征加和图像，根据激活函数对通道特征加和图像进行处理，得到通道权重系数，根据通道权重系数，得到通道特征图像；将通道特征图像输入分类识别单元继续进行训练。

15、在一实施例中，将决策特征图像输入通道加强决策单元进行处理，得到通道决策概率的步骤之后还包括：在通道决策概率大于等于第二决策权重指标时，确定进行通道特征识别且不激活通道注意力单元，基于通道存储特征，对决策特征图像进行加强；在通道决策概率小于等于第一决策权重指标时，确定不进行通道特征识别，将决策特征图像继续输入分类识别单元进行训练。

16、在一实施例中，改进的densenet121模型还包括连接的空间注意力单元与空间加强决策单元，空间加强决策单元与分类识别单元连接，将通道特征图像输入分类识别单元继续进行训练的步骤之后还包括：获取分类识别单元训练过程中的决策特征数据，将决策特征数据输入空间加强决策单元进行处理，得到空间决策概率；在空间决策概率大于第三决策权重指标且小于第四决策权重指标时，确定进行空间特征识别并激活空间注意力单元；在激活空间注意力单元时，将决策特征数据中的特征图像输入空间注意力单元，依次进行全局均值池化处理、全局最大池化处理、拼接处理以及卷积处理，得到特征拼接图像，根据激活函数对特征拼接图像进行处理，得到空间权重系数，根据空间权重系数，得到空间特征图像；将空间特征图像输入分类识别单元继续进行训练。

17、在一实施例中，将决策特征数据输入空间加强决策单元进行处理，得到空间决策概率的步骤之后，还包括：在空间决策概率大于等于第四决策权重指标时，确定进行空间特征识别且不激活空间注意力单元，基于空间存储特征，对决策特征数据进行加强；在空间决策概率小于等于第三决策权重指标时，确定不进行空间特征识别，将特征图像继续输入分类识别单元进行训练。

18、此外，为实现上述目的，本技术还提出一种怠速抖动识别装置，怠速抖动识别装置包括：

19、筛选模块，用于获取车辆响应部件在预设状态下的振动信号，将同一预设状态下的振动信号划分至同一样本簇中，预设状态至少包括正常状态与怠速抖动状态；

20、筛选模块，还用于基于样本簇中振动信号之间的样本距离，确定样本簇的自适应截断距离；

21、筛选模块，还用于基于样本簇的自适应截断距离，确定样本簇中振动信号的局部密度与相对距离；

22、筛选模块，还用于基于样本簇中振动信号的局部密度与相对距离，确定样本簇中振动信号的评价度量；

23、筛选模块，还用于基于样本簇中振动信号的评价度量，对样本簇中的振动信号进行筛选，得到目标振动信号；

24、训练模块，用于基于目标振动信号，对构建的怠速抖动识别模型进行训练；

25、识别模块，用于基于训练后的怠速抖动识别模型，对车辆行驶过程中的怠速抖动进行实时监测。

26、此外，为实现上述目的，本技术还提出一种怠速抖动识别设备，怠速抖动识别设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序配置为实现如上文所述的怠速抖动识别方法的步骤。

27、此外，为实现上述目的，本发明还提出一种存储介质，存储介质为计算机可读存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上文所述的怠速抖动识别方法的步骤。

28、此外，为实现上述目的，本技术还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序被处理器执行时实现如上文所述的怠速抖动识别方法的步骤。

29、本技术提供了一种怠速抖动识别方法，获取车辆响应部件在预设状态下的振动信号，将同一预设状态下的振动信号划分至同一样本簇中，基于样本簇中振动信号之间的样本距离，确定样本簇的自适应截断距离，基于样本簇的自适应截断距离，确定样本簇中振动信号的局部密度与相对距离；基于样本簇中振动信号的局部密度与相对距离，确定样本簇中振动信号的评价度量；基于样本簇中振动信号的评价度量，对样本簇中的振动信号进行筛选，得到目标振动信号；基于目标振动信号，对构建的怠速抖动识别模型进行训练；基于训练后的怠速抖动识别模型，对车辆行驶过程中的怠速抖动进行实时监测。本技术利用怠速抖动识别模型对怠速抖动进行诊断识别，提高了识别的效率，同时对采集到的所有振动信号进行分析，去除掉质量较低的振动信号，将筛选出的质量较高的振动信号作为训练怠速抖动识别模型的数据，提升训练数据质量，提升模型的准确性和泛化性，从而可以快速、准确地识别怠速抖动状态，及时提出针对性优化策略，降低或消除怠速抖动，改善驾乘感受，提升整车舒适性和乘车品质，解决了传统手段难以快速、准确地识别怠速抖动，影响车辆nvh性能的技术问题，提高了怠速抖动的识别准确率与效率。