摘要
本发明提供一种基于决策级融合的新能源汽车电机异音检测方法及系统,涉及工业智能诊断与质量控制技术领域,该方法包括采集并标注电机在各种工作状态下的音频信号数据,预处理这些数据并提取多种音频特征,然后将这些特征分别输入多个独立的SVM分类器进行训练。在识别阶段,新的音频信号被输入到这些训练好的SVM分类器中,每个分类器基于其对应的特征生成分类结果,并将这些结果转换为基本概率分配证据体。随后,利用D‑S证据理论融合这些来自不同分类器的证据体,得到最终的融合结果,用于判断新能源汽车电机的声音信号是否正常。本发明通过融合多种音频特征和D‑S证据理论,显著提高了新能源汽车电机异音检测的准确性和可靠性。
技术关键词
支持向量机分类器
新能源汽车电机
异音检测方法
音频特征
梅尔频率倒谱系数
短时傅里叶变换
决策
音频信号预处理
异音检测系统
异常声音
数据
MFCC特征
离散余弦变换
滤波器
模型训练模块
多分类器
系统为您推荐了相关专利信息
卷积循环神经网络
声学特征
可见光图像
Logistic模型
音频
智能问诊方法
智能问诊系统
同义词
声音采集器
术语