申请/专利权人：中国第一汽车股份有限公司

申请日：2024-02-29

公开（公告）日：2024-06-18

公开（公告）号：CN118210469A

主分类号：G06F3/16

分类号：G06F3/16;B60Q9/00;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084;G06F18/15;G06F18/213;G06F18/24;G06N3/048;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.05#实质审查的生效;2024.06.18#公开

摘要：本发明涉及一种基于深度学习的电动汽车主动声浪幅值控制方法，包括深度学习神经网络设计；数据采集；数据归一化处理；设置虚拟转速；模型训练。本发明使用深度学习的方法，建立起主动声浪幅值与汽车驾驶状态参数之间的复杂的函数关系；通过训练数据，让计算机自动学习数据中的规律和特征，并将这些规律和特征用于新数据的预测和分类等任务；可自动地学习多层次的特征表示，从而对数据进行更准确、更高效的分类和预测；将踏板开度、扭矩、扭矩损失、发动机转速、气门开度及车速这些参数都作为时间序列，以求预测声压级随时间的变化，从而提升预测精度，增强主动发声系统的真实感；提高声浪函数模型的精度，使声浪的主观听感更真实，节省人力资源。

主权项：1.一种基于深度学习的电动汽车主动声浪幅值控制方法，其特征在于，包括以下步骤：A、深度学习神经网络设计构建卷积神经网络与循环神经网络组合模型；其中，卷积神经网络模型由卷积层、池化层以及全连接层组成，卷积层使用卷积核对输入数据进行卷积计算，提取数据的特征，池化层通过对数据进行取平均或最大值，全连接层将每一层的神经元模型连接起来，使神经网络的输出为一个向量；循环神经网络模型由输入层、隐藏层和输出层组成，输入层接收原始数据作为输入，隐藏层通过多个神经元和非线性激活函数处理输入数据，输出层根据隐藏层的输出预测结果；B、数据采集使用传声器和多通道数据采集设备采集目标车辆各个工况下发动机舱内的噪声数据，并通过车辆CAN网络采集车辆同一时刻的扭矩、扭矩损失、车速、气门开度、踏板开度和发动机转速信息；C、数据归一化处理使用扭矩、扭矩损失、车速、气门开度、踏板开度和发动机转速对主动发声系统的声音幅值进行控制，对输入的工况数据进行Min-Max归一化处理；D、设置虚拟转速设置虚拟发动机转速代替内燃机汽车模型中的发动机转速，由车速大小计算虚拟发动机转速；E、模型训练对于卷积神经网络，输入数据首先经过卷积核的尺寸为7×7，步长为2，填充为3的卷积层；随后经过一个卷积核为3×3，步长为2，填充为1的最大池化层；输出再通过两个残差块，残差块中卷积核均为3×3，除第一个卷积层的步长为2，填充为1，其余卷积层的步长和填充均为1；残差块的输出最后经过平均池化层与一个128×1的全连接层后给出预测的声压值，神经网络的激活函数均设置为Relu函数；对于循环神经网络，输入数据首先通过共五层的门控循环单元，其中隐藏层单元数目设置为40，网络的输出维度为输入特征序列的长度×隐藏层单元数目，然后通过一个800×800的全连接层以及Relu激活层，最后再通过一个800×1的全连接层，输出预测的声压值。

全文数据：

权利要求：

百度查询： 中国第一汽车股份有限公司 一种基于深度学习的电动汽车主动声浪幅值控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD