内燃机工程

作者：林旭,梁兴雨,代鹏

单位：青海民族大学 土木与交通工程学院,西宁 810007,天津大学 先进内燃动力全国重点实验室,天津 300072,天津大学 先进内燃动力全国重点实验室,天津 300072,天津大学 先进内燃动力全国重点实验室,天津 300072

关键词：发动机,声品质,预测模型,改进麻雀搜索算法,

基金：青海省自然科学基金项目（2022-ZJ-757）

为建立发动机辐射噪声品质深度学习预测模型，搭建试验台架采集发动机辐射噪声，计算噪声信号心理学客观参数并进行主观评价试验。采用卷积神经网络（convolution neural network， CNN）提取信号特征，引入长短期记忆网络（long short-term memory network， LSTM）模型捕获信号长期依赖信息，利用注意力 （Attention）机制使模型自动学习关键特征信息。以心理学客观参数为输入，主观评价得分为输出，建立CNN-LSTM-Attention声品质预测模型，引入改进麻雀搜索算法（improved sparrow search algorithm， ISSA）优化模型超参数，提高预测准确性。研究结果表明，ISSA-CNN-LSTM-Attention模型对发动机声品质具有良好的训练性能和预测能力，训练集和测试集的决定系数分别为0.988、0.981，训练集和测试集的平均绝对误差分别为0.204、0.241。该模型能够准确地反映客观评价参数与主观满意度之间的非线性映射关系，为发动机声品质预测提供了新的思路和方法。

来源：2024年第5期

《内燃机工程》期刊编辑部

查看内燃机工程杂志2024年第5期