异常噪声源的识别方法、系统及电子设备、存储介质与流程

1.本发明涉及异常噪声源的识别技术领域，尤其涉及一种异常噪声源的识别方法、系统及电子设备、存储介质。

背景技术：

2.目前，在整车开发的过程中，经常会出现噪声的相关问题。当出现噪声问题时，一般由专门的噪声工程师采用专用设备进行检测，获取发动机的频谱数据，再结合发动机的自身特性根据已有经验进行分析，确认问题源头。此种方法的分析门槛较高，一般的工程师难以胜任相关工作。
3.而且，在售后服务市场，售后技师目前仍然使用最原始的方法进行故障判断，如依靠人的听觉来判断异常噪声源，判断结果不仅不准确，而且实施起来也比较危险，工作效率也会比较低。

技术实现要素：

4.本发明的主要目的是提供一种异常噪声源的识别方法、系统及电子设备、存储介质，以降低对发动机的异常噪声源的分析难度。
5.第一方面，本技术提供一种发动机异常噪声源的识别方法，包括以下步骤：获取发动机的工作频谱数据和噪声频谱数据，其中，所述噪声频谱数据包括时间和频率与噪声值之间的对应关系；基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据中发动机的工作频率确定发动机的每个零部件的噪声频率，根据发动机的每个零部件的噪声频率从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据；针对发动机的每个零部件，根据其噪声频谱数据，确定该零部件在预设频率范围之内的噪声平均值；在发动机的各个零部件中，将所述噪声平均值最大的零部件作为发动机的异常噪声源。
6.在一个实施例中，在基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据，从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据之前，所述方法还包括：对发动机的噪声频谱数据进行预处理。
7.在一个实施例中，当发动机的噪声频谱数据为多组时，每组噪声频谱数据的时长和频率范围均相同，对发动机的噪声频谱数据进行预处理，包括：根据发动机的多组噪声频谱数据，确定发动机的各组噪声频谱数据中的相同时间和频率所对应的噪声值的平均值，并根据时间和频率与平均噪声值之间的对应关系生成发动机的新的噪声频谱数据。
8.在一个实施例中，在确定发动机的各组噪声频谱数据中的相同时间和频率所对应的噪声值的平均值之前，对发动机的噪声频谱数据进行预处理，还包括：判断发动机的多组噪声频谱数据中的噪声值是否满足第一预设条件，当所述噪声值满足第一预设条件时，将该噪声值作为异常数据进行筛除；对筛除异常数据之后的发动机的多组噪声频谱数据进行
滤波处理，以降低发动机的多组噪声频谱数据中噪声值的增益。
9.在一个实施例中，所述第一预设条件包括：噪声值大于预设噪声值阈值且该噪声的持续时间小于预设时间阈值。
10.在一个实施例中，所述滤波处理包括利用pt滤波器进行滤波处理。
11.在一个实施例中，所述发动机的工作频谱数据包括发动机的点火频谱数据。
12.第二方面，本技术提供一种电子设备，包括处理器和存储器，所述存储器中存储有程序代码，当所述程序代码被所述处理器执行时，实现如上文所述的发动机异常噪声源的识别方法的步骤。
13.在一个实施例中，还包括显示装置，所述显示装置用于显示发动机的异常噪声源的识别结果和/或发动机的工作频谱数据和/或发动机的噪声频谱数据。
14.第三方面，本技术提供一种发动机异常噪声源的识别系统，包括：总线系统，用于获取发动机的工作频谱数据；噪声传感器，用于获取发动机的噪声频谱数据；如上文所述的电子设备，用于根据所述总线系统获取的发动机的工作频谱数据以及所述噪声传感器获取的发动机的噪声频谱数据识别出发动机的异常噪声源。
15.第四方面，本技术提供一种存储介质，所述存储介质中存储有程序代码，当所述程序代码被处理器执行时，实现如上文所述的发动机异常噪声源的识别方法的步骤。
16.相比于传统的发动机异常噪声源识别方法，本发明的方法只需操作人员根据发动机的工作频谱数据对发动机的噪声频谱数据进行分析，从中确定出平均噪声值最大的零部件，该零部件即为发动机的异常噪声源。本技术的方法降低了分析异常噪声源的技术成本和技术难度，无需采用专门的设备，不需要操作人员具有专门的噪声分析知识储备，即可进行噪声分析，准确确定出导致发动机噪声过高的源头。
附图说明
17.构成本技术的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，在附图中：
18.图1为根据本技术一示例性实施方式的发动机异常噪声源的识别方法的流程图；
19.图2为根据本技术一示例性实施方式的增益大小对曲线波动的影响的示意图；
20.图3为根据本技术一示例性实施方式的pt滤波器种类示意图；
21.图4为根据本技术一具体实施例的发动机异常噪声源的识别场景示意图；
22.图5为根据本技术一具体实施例的发动机的工作频谱数据的示意图；
23.图6为根据本技术一具体实施例的发动机的噪声频谱数据的示意图；
24.图7为根据本技术一具体实施例的发动机异常噪声源识别的软件模块示意图；
25.图8为根据本技术一具体实施例的发动机的各零部件的噪声平均值的示意图。
具体实施方式
26.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
27.实施例一
28.本实施例提供一种发动机异常噪声源的识别方法，图1为根据本技术一示例性实
施方式的发动机异常噪声源的识别方法的流程图。如图所示，该方法包括以下步骤：
29.s100：获取发动机的工作频谱数据和噪声频谱数据，其中，所述噪声频谱数据包括时间和频率与噪声值之间的对应关系。
30.其中，发动机的工作频谱数据可以包括发动机的点火频谱数据、转动频谱数据和振动频谱数据，优选的，发动机的工作频谱数据为发动机的点火频谱数据。
31.在基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据，从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据之前，所述方法还包括：对发动机的噪声频谱数据进行预处理。
32.当发动机的噪声频谱数据为多组时，每组噪声频谱数据的时长和频率范围均相同，对发动机的噪声频谱数据进行预处理，包括：根据发动机的多组噪声频谱数据，确定发动机的各组噪声频谱数据中的相同时间和频率所对应的噪声值的平均值，并根据时间和频率与平均噪声值之间的对应关系生成发动机的新的噪声频谱数据。
33.在确定发动机的各组噪声频谱数据中的相同时间和频率所对应的噪声值的平均值之前，对发动机的噪声频谱数据进行预处理，还包括：判断发动机的多组噪声频谱数据中的噪声值是否满足第一预设条件，当所述噪声值满足第一预设条件时，将该噪声值作为异常数据进行筛除；对筛除异常数据之后的发动机的多组噪声频谱数据进行滤波处理，以降低发动机的多组噪声频谱数据中噪声值的增益，该滤波处理可以包括利用pt滤波器对发动机的噪声频谱数据进行滤波处理。图2为根据本技术一示例性实施方式的增益大小对曲线波动的影响的示意图，降低增益有利于降低噪声值的波动大小及波动频率，有利于后续的数据分析。
34.其中，pt滤波器可以包括如图3所示的pt1、pt2和ptn滤波器，其中，kp表示增益(proportionality constant)，t表示时间常数(time constant)，ω0表示角频率(angular frequency)，d表示阻尼系数(damping coefficient)，n表示有序度(degree of order)。其中，所述第一预设条件包括：噪声值大于预设噪声值阈值且该噪声的持续时间小于预设时间阈值。
35.s200：基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据中发动机的工作频率确定发动机的每个零部件的噪声频率，根据发动机的每个零部件的噪声频率从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据。
36.s300：针对发动机的每个零部件，根据其噪声频谱数据，确定该零部件在预设频率范围之内的噪声平均值。
37.s400：在发动机的各个零部件中，将所述噪声平均值最大的零部件作为发动机的异常噪声源。
38.相比于传统的发动机异常噪声源识别方法，本发明的方法只需操作人员根据发动机的工作频谱数据对发动机的噪声频谱数据进行分析，从中确定出平均噪声值最大的零部件，该零部件即为发动机的异常噪声源。本技术的方法降低了分析异常噪声源的技术门槛和技术难度，降低了对操作人员的技术要求，无需采用专门的设备，不需要操作人员具有专门的噪声分析知识储备，即可进行噪声分析，确定导致发动机噪声过高的源头。
39.实施例二
40.本实施例提供一个发动机异常噪声源的识别的具体实施例，图4为根据本技术一具体实施例的发动机异常噪声源的识别场景示意图。如图4所示，可以看出发动机异常噪声识别系统的硬件连接关系，噪声仪读取发动机的噪声频谱数据，总线系统读取发动机控制器中发动机的点火频率、转速等信息，以生成发动机的工作频谱数据，并通过蓝牙协议将所获得的发动机的噪声频谱数据和工作频谱数据发送给移动终端。这里，我们可以获取发动机的点火频谱数据作为发动机的工作频谱数据，并且，获取发动机的多组噪声频谱数据。
41.图5为根据本技术一具体实施例的发动机的工作频谱数据的示意图。图6为根据本技术一具体实施例的发动机的一组噪声频谱数据的示意图。图6中的黑实线表示在发动机某一时刻不同频率下的噪声值。
42.移动终端中的软件在接收到噪声仪读取的噪声频谱数据和总线系统读取的发动机工作频谱数据之后，结合自身存储的发动机各零部件的频谱特性，实时显示发动机的噪声异常点以及可能的噪声源，方便非专业人员进行技术分析和故障排查。
43.图7为根据本技术一具体实施例的发动机异常噪声源识别的软件模块示意图。如图7所示，该软件可以由四部分组成，分别为参数设置模块、数据采集模块、数据处理模块和数据管理模块。
44.其中，通过参数设置模块可以进行系统参数设置和取样参数设置，系统参数设置可以包括分别设置发动机缸数、飞轮齿圈齿数、增压器叶轮页数、风扇扇叶数以及各机械齿轮的齿数等可能噪声源的特性参数，取样参数设置可以直接通过设置发动机的机型来调取发动机的各个零部件的特性参数。
45.数据采集模块包括噪声数据采集和总线数据采集，通过蓝牙技术，移动终端获取噪声仪读取的发动机的噪声频谱数据和总线模块读取的发动机的点火频谱数据。
46.数据处理模块则首先对发动机的噪声频谱数据进行预处理，然后对噪声频谱数据进行数据分析以确定发动机的异常噪声源。其中，预处理可以包括：首先，通过算法消除噪声频谱数据中的噪声值异常点对分析的影响，然后，对数据进行适度滤波，最后将多组噪声频谱数据通过均值去除法，将去除其中的噪声值异常点。数据分析则首先根据发动机的点火频谱数据将噪声频谱数据通过频率点进行划分，分离出发动机的各个零部件的噪声频谱数据，然后确定各个零部件的噪声平均值，最终将噪声平均值最大的零部件确定为发动机的异常噪声源。图8为根据本技术一具体实施例的发动机的各零部件的噪声平均值的示意图，可以看出飞轮的噪声平均值最高，从而可以将飞轮确定为发动机的异常噪声源。
47.其中，异常点就是持续短时间的噪声值高的数据点，该噪声值超过发动机可能达到的最大噪声值。根据实测的发动机的最大噪声值，考虑测量系统误差，设定噪声值阈值，超过该噪声值阈值且持续时间过短的噪声数据都会被去除。滤波处理可以采用基本的pt滤波器，设定比例系数和滤波时长，避免瞬时噪声峰值的出现，再次去除短时间的峰值点，目的是留下稳定的噪声值以方便进行数据的对比。均值去除法是对多组噪声频谱数据的测试结果取平均值，让噪声特征展现的更加清晰，更能体现噪声的特性。
48.根据发动机的燃烧频率来确定其它零部件的噪声频率，一般情况下，二者之间会存在一个比例关系，即按比例对发动机的噪声频谱数据进行频率划分(阶数)。
49.数据管理模块可以将分析后的结果显示在移动终端的屏幕上并生成噪声源识别报告，同时对数据进行存储。
50.在另外的实施例中，本技术的异常噪声源识别方法可以不仅仅适用于发动机，同样可以适用于整车的异常噪声源的识别。
51.本实施例的方法具有以下优点及突出性效果：
52.1、测试设备简单，易于操作，单人即可完成测试工作；
53.2、对测试人员要求低，只需要复现故障噪声，即可完成对该噪声的分析；
54.3、设备成本低，无需使用价格昂贵的专用设备；
55.4、工作效率高，可以实时进行分析，自动化程度高，省去了依靠人工进行数据后处理的工作。
56.实施例三
57.本实施例提供一种电子设备，包括处理器和存储器，所述存储器中存储有程序代码，当所述程序代码被所述处理器执行时，实现如上文所述的发动机异常噪声源的识别方法的步骤。
58.本实施例的电子设备还可以包括显示装置，所述显示装置用于显示发动机的异常噪声源的识别结果和/或发动机的工作频谱数据和/或发动机的噪声频谱数据。
59.本实施例的电子设备可以包括移动终端或其他具备数据处理功能的设备。
60.实施例四
61.本实施例提供一种发动机异常噪声源的识别系统，包括：总线系统，用于获取发动机的工作频谱数据；噪声传感器，用于获取发动机的噪声频谱数据；如上文所述的电子设备，用于根据所述总线系统获取的发动机的工作频谱数据以及所述噪声传感器获取的发动机的噪声频谱数据识别出发动机的异常噪声源。
62.实施例五
63.本实施例提供一种存储介质，所述存储介质中存储有程序代码，当所述程序代码被处理器执行时，实现如上文所述的发动机异常噪声源的识别方法的步骤。
64.这些程序代码也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
65.存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。存储介质的例子包括但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
66.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
67.应该理解这样使用的术语在适当情况下可以互换，以便这里描述的本技术的实施方式例如能够除了在这里图示或描述的那些以外的顺序实施。
68.应当理解的是，本说明书中的示例性实施方式可以由多种不同的形式来实施，并
且不应当被解释为只限于这里所阐述的实施方式。提供这些实施方式是为了使得本技术的公开彻底且完整，并且将这些示例性实施方式的构思充分传达给本领域普通技术人员，而不应当理解为对本发明的限制。

技术特征：

1.一种发动机异常噪声源的识别方法，其特征在于，包括以下步骤：获取发动机的工作频谱数据和噪声频谱数据，其中，所述噪声频谱数据包括时间和频率与噪声值之间的对应关系；基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据中发动机的工作频率确定发动机的每个零部件的噪声频率，根据发动机的每个零部件的噪声频率从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据；针对发动机的每个零部件，根据其噪声频谱数据，确定该零部件在预设频率范围之内的噪声平均值；在发动机的各个零部件中，将所述噪声平均值最大的零部件作为发动机的异常噪声源。2.根据权利要求1所述的发动机异常噪声源的识别方法，其特征在于，在基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据，从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据之前，所述方法还包括：对发动机的噪声频谱数据进行预处理。3.根据权利要求2所述的发动机异常噪声源的识别方法，其特征在于，当发动机的噪声频谱数据为多组时，每组噪声频谱数据的时长和频率范围均相同，对发动机的噪声频谱数据进行预处理，包括：根据发动机的多组噪声频谱数据，确定发动机的各组噪声频谱数据中的相同时间和频率所对应的噪声值的平均值，并根据时间和频率与平均噪声值之间的对应关系生成发动机的新的噪声频谱数据。4.根据权利要求3所述的发动机异常噪声源的识别方法，其特征在于，在确定发动机的各组噪声频谱数据中的相同时间和频率所对应的噪声值的平均值之前，对发动机的噪声频谱数据进行预处理，还包括：判断发动机的多组噪声频谱数据中的噪声值是否满足第一预设条件，当所述噪声值满足第一预设条件时，将该噪声值作为异常数据进行筛除；对筛除异常数据之后的发动机的多组噪声频谱数据进行滤波处理，以降低发动机的多组噪声频谱数据中噪声值的增益。5.根据权利要求4所述的发动机异常噪声源的识别方法，其特征在于，所述第一预设条件包括：噪声值大于预设噪声值阈值且该噪声的持续时间小于预设时间阈值。6.根据权利要求4所述的发动机异常噪声源的识别方法，其特征在于，所述滤波处理包括利用pt滤波器进行滤波处理。7.根据权利要求1所述的发动机异常噪声源的识别方法，其特征在于，所述发动机的工作频谱数据包括发动机的点火频谱数据。8.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有程序代码，当所述程序代码被所述处理器执行时，实现如权利要求1至7中任一项所述的发动机异常噪声源的识别方法的步骤。
9.根据权利要求8所述的电子设备，其特征在于，还包括显示装置，所述显示装置用于显示发动机的异常噪声源的识别结果和/或发动机的工作频谱数据和/或发动机的噪声频谱数据。10.一种发动机异常噪声源的识别系统，其特征在于，包括：总线系统，用于获取发动机的工作频谱数据；噪声传感器，用于获取发动机的噪声频谱数据；如权利要求8或9所述的电子设备，用于根据所述总线系统获取的发动机的工作频谱数据以及所述噪声传感器获取的发动机的噪声频谱数据识别出发动机的异常噪声源。11.一种存储介质，其特征在于，所述存储介质中存储有程序代码，当所述程序代码被处理器执行时，实现如权利要求1至7中任一项所述的发动机异常噪声源的识别方法的步骤。

技术总结

本申请提供一种异常噪声源的识别方法、系统及电子设备、存储介质。该方法包括以下步骤：获取发动机的工作频谱数据和噪声频谱数据；基于预先标定的发动机的工作频率与发动机的每个零部件的噪声频率之间的关系，根据发动机的工作频谱数据从发动机的噪声频谱数据中分离出发动机的每个零部件的噪声频谱数据；针对发动机的每个零部件，根据其噪声频谱数据，确定该零部件在预设频率范围之内的噪声平均值；在发动机的各个零部件中，将所述噪声平均值最大的零部件作为发动机的异常噪声源。降低了分析异常噪声源的技术成本和技术难度，无需采用专门的设备，不需要操作人员具有专门的噪声分析知识储备，即可准确确定出导致发动机噪声过高的源头。的源头。的源头。