基于卷积神经网络的内燃机声品质评价方法研究

• 作者: 宋伟志 梁凯 赵海军
• 来源期刊: 内燃机工程
• 学科: 工学
• 关键词: 内燃机 声品质 卷积神经网络 听觉谱 BP神经网络
• 年，卷（期）: 2019,（2）
• 页码范围: 67-75
• 页数: 9页
• 分类号: TK402
• 字数: 6265字
• 语种: 中文
• DOI: 10.13949/j.cnki.nrjgc.2019.02.010

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋伟志	洛阳理工学院信息化技术中心	18	30	3.0	4.0
2	赵海军	洛阳理工学院信息化技术中心	21	43	4.0	5.0
6	梁凯	洛阳理工学院信息化技术中心	23	42	3.0	5.0