内燃机工程

作者：梁凯，赵海军，宋伟志

单位：1.洛阳理工学院 信息化技术中心,洛阳 471023, 2.天津职业技术师范大学 汽车与交通学院,天津 300222

关键词：内燃机,声品质,卷积神经网络,听觉谱,BP神经网络,

基金：国家自然科学基金项目(U1604141)

为解决内燃机声品质评价中人工效率低、成本高的问题，引入卷积神经网络(convolutional neural network, CNN)模型和声谱分析方法构建了CNN声品质预测模型；同时模型中设计了带通滤波器，可对噪声样本进行自动特征提取，并以此为输入数据，利用自适应时刻估计（adaptive moment estimation，Adam）算法优化网络中各层权重，并将模型用于声品质评价。为证明CNN模型预测的性能，构建了基于心理声学参量的后向传播算法(back propagation，BP)声品质评价模型，并用于对照试验，在样本标签值（人工评价值）处理时，分析了客观评价心理声学参数与评分值的相关性，选取与人工评价结果相关度最大的4个心理声学参量作为BP模型的输入值进行预测。试验结果表明，基于CNN的声品质评价模型能更精确地预测内燃机声品质，并且在CNN预测模型中基于听觉谱的输入评价值比基于时域的短时平均能量、频域的频谱通量输入评价值精度更高。

来源：2019年第2期

《内燃机工程》期刊编辑部

查看内燃机工程杂志2019年第2期