文献类型：期刊文章

作　　者：梁凯[1] 赵海军[1,2] 宋伟志[1]

LIANG Kai;ZHAO Haijun;SONG Weizhi(Information Technology Center,Luoyang Institute of Science & Technology,Luoyang 471023,China;School of Automotive and Transportation, Tianjin University of Technology and Education, Tianjin 300222, China)

机构地区：[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

出　　处：《内燃机工程》

基　　金：国家自然科学基金项目(U1604141)~~

年　　份：2019

卷　　号：40

期　　号：2

起止页码：67-75

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：内燃机 声品质 卷积神经网络 听觉谱  BP神经网络

分 类 号：TK402]