[发明专利]一种汽车调光电机装置的异音识别方法

权利要求书

1.一种汽车调光电机装置的异音识别方法,其特征在于：包括以下步骤：

步骤1、采用加速度传感器获取汽车调光电机装置的振动信号；

步骤2：对振动信号进行j层小波包分解；

步骤3：计算小波包分解的各频带的信号能量，归一化处理各频带的信号能量，得到各频带的信号能量所占总能量的能量比；

步骤4：对振动信号进行时域特征分析从而得到多项时域特征参数；

步骤5：将步骤3得到的各频带的信号能量所占总能量的能量比和步骤4得到的多项时域特征参数组成总特征向量；

步骤6：构建BP神经网络分类器；

步骤7：测试多组无异音的汽车调光电机装置的振动信号和有异音的汽车调光电机装置的振动信号，分别提取每组振动信号的总特征向量作为训练样本，将训练样本导入BP神经网络分类器中进行分类学习，得到训练好的BP神经网络分类器；

步骤8：将被测的汽车调光电机装置的振动信号的总特征向量输入到训练好的BP神经网络分类器内，输出该汽车调光电机装置的声音类别，所述声音类别包括无异音和有异音。

2.根据权利要求1所述的汽车调光电机装置的异音识别方法,其特征在于：所述步骤3包括以下步骤：

(1)根据Parseval能量积分可知信号在时域中的能量等于信号的2范数的平方，由步骤2得到小波分解j层，有2^j个频带，则各频带的信号能量E_j.m为：

其中，p＝N/2^j，N为原始信号的采样点数，m为第j层小波包分解系数，即表示频带的序号；S_j,m为第m个频带的重构信号，x_m,n为重构信号的幅值；

(2)计算总能量，总能量为小波包分解的各频带的信号能量之和，表示为：

(3)归一化处理各频带的信号能量，得到各频带的信号能量所占总能量的能量比，构造出归一化的特征向量：

3.根据权利要求2所述的汽车调光电机装置的异音识别方法,其特征在于：所述步骤4中的多项时域特征参数包括波峰因素和峭度。

4.根据权利要求3所述的汽车调光电机装置的异音识别方法,其特征在于：所述步骤5中将步骤3得到的各频带的信号能量所占总能量的能量比和步骤4得到的多项时域特征参数组成总特征向量具体为：将步骤3得到的归一化的特征向量、波峰因素和峭度组成总特征向量。

5.根据权利要求1所述的汽车调光电机装置的异音识别方法,其特征在于：所述的步骤7中的将训练样本导入BP神经网络分类器中进行分类学习，得到训练好的BP神经网络分类器具体为：将训练样本导入BP神经网络分类器中，采用动量加自适应学习速率的梯度下降法对BP神经网络分类器进行训练，得到训练好的BP神经网络分类。