亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

一種噪聲源識別方法及系統(tǒng)的制作方法

文檔序號:9728461閱讀:394來源:國知局
一種噪聲源識別方法及系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明涉及噪聲處理技術領域,尤其涉及一種噪聲源識別方法及系統(tǒng)。
【背景技術】
[0002] 目前,在家電的降噪處理過程中,大都是針對家電的單一零部件進行結構優(yōu)化,以 達到降噪的目的。例如,在對吸油煙機的降噪處理中,大都是針對風機組件的單一零部件進 行結構優(yōu)化的。當家電在啟動運轉過程中產(chǎn)生較大或異常噪聲時,需要對家電進行拆卸來 一一查找噪聲源,由此可以看出,現(xiàn)有的家電噪聲源識別方法,操作復雜、準確率低,不能高 效的對噪聲源進行識別。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供了一種噪聲源識別方法,操作簡單,且能夠提高噪聲源的識別效率和 準確率。
[0004] 本發(fā)明提供了 一種噪聲源識別方法,包括:
[0005] 采集家電設備運行時的混合振動信號,得到所述混合振動信號的時域波形;
[0006] 將所述混合振動信號的時域波形輸入預先構建得到的噪聲模式匹配數(shù)據(jù)庫;
[0007] 將所述混合振動信號的時域波形與所述噪聲模式匹配數(shù)據(jù)庫進行匹配分析;
[0008] 輸出與所述噪聲模式匹配數(shù)據(jù)庫匹配的匹配原子;
[0009] 依據(jù)所述匹配原子確定噪聲源的模式。
[0010] 優(yōu)選地,所述將所述混合振動信號的時域波形與所述噪聲模式匹配數(shù)據(jù)庫進行匹 配分析具體為:
[0011] 將所述混合振動信號的時域波形分別與所述噪聲模式匹配數(shù)據(jù)庫進行一階匹配 分析。
[0012] 優(yōu)選地,構建所述噪聲模式匹配數(shù)據(jù)庫包括:
[0013] 采集家電設備的異常噪聲時域波形;
[0014] 利用目標優(yōu)化法對所述異常噪聲時域波形進行學習優(yōu)化;
[0015] 將優(yōu)化后的特征波形作為基原子模型,構造得到原子庫;
[0016] 組合所述原子庫得到所述噪聲模式匹配數(shù)據(jù)庫。
[0017]優(yōu)選地,所述利用目標優(yōu)化法對所述異常噪聲時域波形進行學習優(yōu)化包括:
[0018] 從所述異常噪聲時域波形中選取M個特征波形作為學習樣本ai,并隨機產(chǎn)生與學 習樣本等長度的向量作為待優(yōu)化波形a,其中,i = l,2,. . .,M,特征波形的長度為L;
[0019] 對所述待優(yōu)化波形a進行歸一化處理;
[0020] 對所述待優(yōu)化波形a進行調(diào)整,使待優(yōu)化波形a與學習樣本ai接近;
[0021] 更新待優(yōu)化波形,得到新的優(yōu)化波形向量;
[0022] 重復上述步驟,直至殘差能量和無變化,得到優(yōu)化后的特征波形。
[0023] 優(yōu)選地,所述將優(yōu)化后的特征波形作為基原子模型,構造得到原子庫具體為:
[0024] 將優(yōu)化后的特征波形作為基原子模型;
[0025] 將所述基原子模型橫向平移,構造得到原子庫。
[0026] 一種噪聲源識別系統(tǒng),包括:
[0027] 第一采集單元,用于采集家電設備運行時的混合振動信號,得到所述混合振動信 號的時域波形;
[0028] 輸入單元,用于將所述混合振動信號的時域波形輸入預先構建得到的噪聲模式匹 配數(shù)據(jù)庫;
[0029] 匹配分析單元,用于將所述混合振動信號的時域波形與所述噪聲模式匹配數(shù)據(jù)庫 進行匹配分析;
[0030] 第一輸出單元,用于輸出與所述噪聲模式匹配數(shù)據(jù)庫匹配的匹配原子;
[0031] 確定單元,用于依據(jù)所述匹配原子確定噪聲源的模式。
[0032] 優(yōu)選地,所述匹配分析單元,用于將所述混合振動信號的時域波形分別與所述噪 聲模式匹配數(shù)據(jù)庫進行一階匹配分析。
[0033] 優(yōu)選地,所述系統(tǒng)還包括:
[0034]第二采集單元,用于采集家電設備的異常噪聲時域波形;
[0035]學習優(yōu)化單元,用于利用目標優(yōu)化法對所述異常噪聲時域波形進行學習優(yōu)化;
[0036] 構造單元,用于將優(yōu)化后的特征波形作為基原子模型,構造得到原子庫;
[0037] 組合單元,用于組合所述原子庫得到所述噪聲模式匹配數(shù)據(jù)庫。
[0038]優(yōu)選地,所述學習優(yōu)化單元包括:
[0039] 初始化單元,用于從所述異常噪聲時域波形中選取M個特征波形作為學習樣本ai, 并隨機產(chǎn)生與學習樣本等長度的向量作為待優(yōu)化波形a,其中,i = l,2, . . .,M,特征波形的 長度為L;
[0040] 歸一化處理單元,用于對所述待優(yōu)化波形a進行歸一化處理;
[0041] 調(diào)整單元,用于對所述待優(yōu)化波形a進行調(diào)整,使待優(yōu)化波形a與學習樣本ai接近;
[0042] 更新單元,用于更新待優(yōu)化波形,得到新的優(yōu)化波形向量;
[0043] 第二輸出單元,用于在重復上述步驟,直至殘差能量和無變化后,得到優(yōu)化后的特 征波形。
[0044] 優(yōu)選地,所述構造單元,用于將優(yōu)化后的特征波形作為基原子模型,將所述基原子 模型橫向平移,構造得到原子庫。
[0045] 由上述方案可知,本發(fā)明提供的一種噪聲源識別方法,當需要對家電進行噪聲源 識別時,采集家電設備運行時的混合振動信號,得到混合振動信號的時域波形,將得到的時 域波形輸入預先構建得到的噪聲模式匹配數(shù)據(jù)庫進行匹配分析,根據(jù)匹配分析輸出與噪聲 模式匹配數(shù)據(jù)庫匹配的匹配原子,最后依據(jù)得到的匹配原子確定噪聲源的模式,操作簡單, 能夠一次性的識別出家電設備的多種噪聲,提高了噪聲源的識別效率和準確率。
【附圖說明】
[0046] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案,下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本 發(fā)明的一些實施例,對于本領域普通技術人員來講,在不付出創(chuàng)造性勞動的前提下,還可以 根據(jù)這些附圖獲得其他的附圖。
[0047] 圖1為本發(fā)明實施例一公開的一種噪聲源識別方法的流程圖;
[0048] 圖2為本發(fā)明實施例二公開的一種噪聲源識別方法的流程圖;
[0049] 圖3為本發(fā)明公開的一種構建噪聲模式匹配數(shù)據(jù)庫的方法流程圖;
[0050] 圖4為本發(fā)明公開的一種利用目標優(yōu)化法對異常噪聲時域波形進行學習優(yōu)化的方 法流程圖;
[0051] 圖5為本發(fā)明實施例一公開的一種噪聲源識別系統(tǒng)的結構示意圖;
[0052] 圖6為本發(fā)明實施例二公開的一種噪聲源識別系統(tǒng)的結構示意圖;
[0053] 圖7為本發(fā)明公開的一種一種構建所述噪聲模式匹配數(shù)據(jù)庫的系統(tǒng)結構示意圖; [0054]圖8為本發(fā)明公開的一種利用目標優(yōu)化法對異常噪聲時域波形進行學習優(yōu)化的系 統(tǒng)結構示意圖。
【具體實施方式】
[0055] 下面將結合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術方案進行清楚、完 整地描述,顯然,所描述的實施例僅僅是本發(fā)明一部分實施例,而不是全部的實施例?;?本發(fā)明中的實施例,本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例,都屬于本發(fā)明保護的范圍。
[0056] 如圖1所示,為本發(fā)明實施例一公開的一種噪聲源識別方法,包括以下步驟:
[0057] SlOl、采集家電設備運行時的混合振動信號,得到混合振動信號的時域波形;
[0058] 當需要對家電設備的噪聲源進行識別時,在家電設備運行的過
當前第1頁1 2 3 4 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1