[发明专利]基于声音识别的汽车发动机故障判定方法及其装置

说明书

本发明涉及一种基于声音识别的汽车发动机故障判定方法及其装置，属于发动机故障检测技术领域，解决了现有技术故障自主判定不准确、判定过程无法利用发动机运行状态信息、后期维修需要重新故障判定的问题。本发明公开的汽车发动机故障判定方法采用混合神经网络，根据AlexNet进行故障识别，同时使用LSTM识别发动机运行时间状态以辅助更精确的故障判断,其采用的AlexNet和LSTM神经网络层数在9层以上，经试验验证，其识别精度较高，判断结果非常准确。在实际应用时，本发明的汽车发动机故障判定方法能够简单、快速、可靠地判定汽车发动机发生的常见故障，及时排除，后期维修不再需要重新进行故障判定。

技术领域

本发明涉及发动机故障检测技术领域，尤其涉及一种基于声音识别的汽车发动机故障判定方法及其装置。

背景技术

目前，在汽车的日常使用过程中，因自然、人为因素等的影响，发动机容易出现排气管故障、点火系统故障、节气门卡滞、曲轴主轴承故障等问题。通常，汽车发动机会安装故障检测装置，并可以通过仪表盘显示发动机是否故障，但现有技术无法指明具体故障位置、故障类型，用户无法判断能否继续行驶，同时，也造成发动机维修难度增加、人力物力消耗增大。

汽车发动机故障一般会导致其工作时声音有所变化，但目前在实际行驶过程中，由于汽车环境密封闭塞，阻挡了发动机声音传入，或者某些故障声音十分细微以致驾驶者无法及时听到。现有的自主式识别发动机声音，往往是从时域或者频域直接进行故障分析，采用的神经网络架构一般是BP神经网络(3层)，判定过程无法利用发动机实时运行状态信息，识别精度较差，后期维修需要重新故障判定。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种基于声音识别的汽车发动机故障判定方法，用以解决现有技术故障自主判定不准确、判定过程无法利用发动机运行状态信息、后期维修需要重新故障判定的问题。

一方面，本发明实施例提供了一种基于声音识别的汽车发动机故障判定方法，包括如下步骤：

采集汽车发动机的实时监测声音数据；

对所述实时监测声音数据进行时频二维处理，获取汽车发动机声音对应的时频二维信号；

将所述时频二维信号输入训练好的混合神经网络中，根据所述混合神经网络输出结果判断汽车发动机是否发生故障，以及具体故障位置；所述混合神经网络包括AlexNet、LSTM；

如果是，进行报警，显示具体故障位置；

如果否，显示无故障。

上述技术方案的有益效果如下：采用时频二维信号作为混合神经网络的输入，对结构性较差的音频场景数据保留了时间、频率两个维度的信息，相比较传统单一维度声音识别方法，时频二维信号对于音频信息识别会有更好的效果。并且，上述技术方案可以用于进行发动机某些常见故障的自主判定，解决现有技术故障自主判定不准确、判定过程无法利用汽车发动机运行状态信息、后期维修需要重新故障判定的问题，满足简单、快速、可靠地判定汽车发动机故障，及时排除。

基于上述方法的另一个实施例中，训练所述混合神经网络的步骤包括：

获取包括N1组汽车发动机故障声音数据和对应的发动机状态、故障类型的训练集；所述汽车发动机状态包括加速、减速、匀速，所述训练集包括汽车发动机所有预设故障类型；

对上述每组汽车发动机声音数据分别进行时频二维处理，获取每组汽车发动机声音对应的时频二维信号；

将所述每组汽车发动机声音对应的时频二维信号和故障类型输入AlexNet中进行训练，同时，将所述每组汽车发动机声音对应的时频二维信号和发动机状态输入到LSTM中进行训练，获得训练好的混合神经网络。