【作者】

梁凯，赵海军，宋伟志

【摘要】

为解决内燃机声品质评价中人工效率低、成本高的问题，引入卷积神经网络（convolutional neural network，CNN）模型和声谱分析方法构建了CNN声品质预测模型；同时模型中设计了带通滤波器，可对噪声样本进行自动特征提取，并以此为输入数据，利用自适应时刻估计（adaptive moment estimation，Adam）算法优化网络中各层权重，并将模型用于声品质评价。为证明CNN模型预测的性能，构建了基于心理声学参量的后向传播算法（back propagation，BP）声品质评价模型，并用于对照试验，在样本标签值（人工评价值）处理时，分析了客观评价心理声学参数与评分值的相关性，选取与人工评价结果相关度最大的4个心理声学参量作为BP模型的输入值进行预测。试验结果表明，基于CNN的声品质评价模型能更精确地预测内燃机声品质，并且在CNN预测模型中基于听觉谱的输入评价值比基于时域的短时平均能量、频域的频谱通量输入评价值精度更高。

【论文集名称】

2019年

【会议名称】

《内燃机工程》

【下载次数】

0

返回