利用图像处理和卷积神经网络（CNN）搭建轮胎花纹结构与轮胎花纹噪声值之间的数学模型，分别采用CNN模型和BP神经网络对轮胎花纹噪声值进行预测，并对比预测精度。结果表明：采用CNN模型，轮胎花纹噪声的预测值与实测值的平均绝对误差为0.591 dB，平均相对误差为0.81%；采用BP神经网络，轮胎花纹噪声的预测值与实测值的平均绝对误差为0.713 dB，平均相对误差为0.95%；相较于BP神经网络，CNN模型对轮胎花纹噪声值的预测精度更高。
科研之友
微信
新浪微博
Facebook
分享链接
