【技术实现步骤摘要】
用于定位转向系统中发生的噪声的装置及方法
[0001]示例性实施方式涉及一种用于定位在车辆的转向系统中的噪声的装置,并且更具体地涉及一种能够使用神经网络模型来定位转向系统中的噪声发生的位置或部件的用于定位在转向系统中的噪声的装置。
技术介绍
[0002]车辆的转向系统是根据驾驶员的方向盘转向来调整车辆的行驶方向的系统。近年来,已经广泛使用动力转向系统,该动力转向系统利用电机的动力来增强驾驶员转动方向盘所需的作用力。这些动力转向系统的实例包括电机驱动力转向(MDPS)系统和电动动力转向(EPS)系统。
[0003]这种使用电机的驱动力的动力转向系统基本上包括电机、转向箱、扭矩传感器和电子控制单元(ECU)。电子控制单元通过扭矩传感器检测方向盘的旋转力并且根据车辆的速度通过将电流施加至电机来控制方向盘的扭矩。转向变速箱通过转向轴接收动力,转换旋转方向,并且通过包括中继杆、横拉杆、转向节臂等的臂驱动前轮。
[0004]动力转向系统使用减速器、柱、接头等来适当地传递电机的动力。各种异常声音或噪声发生在这些部件的连接部分中或这些部件本身中。
[0005]在现有技术中,噪声专家使用利用昂贵的分析设备分析异常声音或噪声的方法,从而定位在转向系统中的异常声音或噪声发生的位置或部件。更具体地,在现有技术的方法中,重现转向系统中的异常声音或噪声,噪声专家对异常声音或噪声的位置进行估计,传感器安装在位置上并且分析传感器的感测值。
[0006]在现有技术的方法中,噪声专家基于他/她的个人判断进行估计。噪声专家 ...
【技术保护点】
【技术特征摘要】
1.一种用于定位转向系统中发生的噪声的装置,所述装置包括:声音接收单元,被配置为检测所述转向系统中发生的噪声;处理单元,被配置为将关于所述转向系统中的由所述声音接收单元检测到的噪声的数据输入到神经网络模型中,所述神经网络模型被配置为预先执行学习并且对所述转向系统中的噪声发生的位置或部件进行定位;以及存储单元,在所述存储单元中存储被配置为预先执行学习的所述神经网络模型。2.根据权利要求1所述的装置,其中,所述处理单元被配置为执行将关于所述转向系统中的由所述声音接收单元检测到的噪声的时域数据转换为频域数据的预处理,并且将预处理后的数据输入到所述神经网络模型中。3.根据权利要求1所述的装置,其中,所述处理单元被配置为:执行将Mel频率倒谱系数技术应用于关于所述转向系统中的由所述声音接收单元检测到的所述噪声的数据,并且提取所述转向系统中的所述噪声的频率特征的预处理,并将预处理后的数据输入到所述神经网络模型中。4.根据权利要求1所述的装置,其中,所述处理单元被配置为:执行生成将关于所述转向系统中的由所述声音接收单元检测到的所述噪声的时域数据转换为频域数据而产生的图像的预处理,并且将通过该预处理生成的所述图像输入到所述神经网络模型中。5.根据权利要求1所述的装置,其中,所述处理单元被配置为:执行将Mel频率倒谱系数技术应用于关于所述转向系统中的由所述声音接收单元检测到所述噪声的数据、提取所述转向系统中的所述噪声的频率特征并将所提取的频率特征生成为图像的预处理,并且将通过所述预处理生成的所述图像输入到所述神经网络模型中。6.根据权利要求4所述的装置,其中,所述处理单元被配置为:将通过所述预处理生成的所述图像的区域输入到所述神经网络模型中。7.根据权利要求4所述的装置,其中,所述神经网络模型是包括卷积层、池化层以及全连接层的卷积神经网络模型。8.根据权利要求7所述的装置,其中,所述卷积层被配置为:使用滤波器对通过所述预处理生成的所述图像执行滤波,执行卷积计算并且创建特征映射,以便提取通过所述预处理生成的所述图像的特征,所述池化层被配置为从由所述卷积层创建的所述特征映射提取用于每个区域的代表值并且减小所述特征映射的大小,所述全连接层被配置为使用激活功能来进一步加强所述特征并且对所加强的特征进行分类,并且对于所述转向系统中的所述噪声,输出层被配置为基于由所述全连接层分类的结果来定位并输出所述噪声发生的位置或部件。9.根据权利要求5所述的装置,其中,所述处理单元被配置为将通过所述预处理生成的所述图像的区域输入到所述神经网络模型中。10.根据权利要求5所述的装置,其中,所述神经网络模型是包括卷积层、池化层以及全连接层的卷积神经网络模型。11.根据权利要求10所述...
【专利技术属性】
技术研发人员:徐在容,南圭焕,赵显哲,
申请(专利权)人:现代摩比斯株式会社,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。