论文部分内容阅读
汽车行驶过程中的声音信号包含了丰富的声源信息,与传统方法相比,音频信号的采集具有非接触测量、测取方便的特点,为汽车的状态识别与故障判断提供了一个有效的途径。本文以此为背景,通过分析车辆行驶过程中的声音信号来对运动车辆的行驶状态进行辨识和故障诊断。具体工作概括如下:本文利用车载拾音器WJX-308A和USB音频数据采集卡作为采集硬件平台,WJX-308A具有高保真低噪声处理芯片,内置自动增益控制(AGC),并设计信号调理电路,频率范围:20Hz~10KHz,完全可以满足现场运动车辆声音信号采集的要求。同时将所采集的数据保存进行后续信号分析处理。本文研究以现场采集的汽车在不同运行状态的大量声音数据为分析基础。针对混合信号的特点,本文采用快速独立成分分析(FastICA)算法进行分离原始车声信号的方法,为后续特征量提取提供保证。特征提取主要从时域、频域和美尔倒谱系数三个方面对不同运动状态下的声信号进行分析,并在此基础上提出了一种新的特征提取方法,该方法结合了小波包(WPC)和美尔倒谱系数(MFCC)的优点,并将其特征向量输入到设计并训练好的递推最小二乘支持向量机(RLSSVM)分类器中。汽车状态与故障分析的设计是基于LabVIEW开发平台,采用LabVIEW和Matlab混合编程,其人机界面友好,可扩展性强。通过对大量现场采集的数据进行仿真分析,结果表明:基于FastICA分离混合音频信号,去除了干扰的相关变量信息,不仅有助于特征值提取,也降低了计算量,提高了RLSSVM的分类速度。通过小波包和MFCC结合的方法提取出来的特征值对应的识别率明显高于其他方法,具有很好的车声表征能力。因此基于音频信号的汽车状态与故障分析将成为一种新的理念。