摘要

为保证车窗电机出厂前声品质和性能达到要求,提出了基于心理声学参量和调制频率的车窗电机检测方法。基于传统的心理学客观参量模型计算正常电机和故障电机声音样本的响度、粗糙度、尖锐度,基于修正的模型计算其尖锐度值,并通过主客观评价试验分析正常电机和故障电机的响度、粗糙度、尖锐度、修正后尖锐度与主观感受反映的相关性;以响度、修正后尖锐度作为特征向量,将电机分为正常电机和异常噪声电机,在此基础上为了诊断异常噪声电机的故障类型,加入物理参量调制频率作为预测车窗电机故障类型的特征量;最后,构建附加动量法优化的BP神经网络分类器对电机进行分类,通过试验验证优化的神经网络分类器。研究结果表明:正常电机与故障电机的响度和修正后尖锐度值存在明显差别,响度和修正后尖锐度与人的主观心理一致性较好,一致性系数达0.8以上;碳刷-换向器缺陷的电机噪声频率在80100Hz,蜗杆-齿轮缺陷的电机噪声频率在2040Hz,而正常电机的噪声频率在100 Hz以上,调制频率可作为检测电机故障类型的特征量;优化的神经网络分类器对车窗电机的分类准确率达90%以上,且与传统BP神经网络分类器相比其准确率更高和耗时更少。

  • 单位
    中南大学; 高性能复杂制造国家重点实验室

全文