~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~噪声与振动柴油机设计与制造DesignandManufactureofDieselEngine2023年第2期第29卷（总第183期）基于卷积神经网络的发动机齿轮啸叫识别方法邹佳烨（上海新动力汽车科技股份有限公司，上海200438）摘要：传统发动机生产线对发动机齿轮啸叫的识别基于人工判定，即对每台装配该齿轮系的发动机进行试车，人工识别齿轮啸叫问题，但人工识别工作量大、效率较低。因此，提出录制发动机在试车时产生的音频数据，利用短时傅里叶变换对其进行预处理，转换成色谱图，再用二值化和最大类间方差法（OTSU算法）对色谱图进行信息缩减，最后通过建立卷积神经网络的算法模型，智能筛选出有齿轮啸叫的发动机。结果表明：模型筛选啸叫齿轮的准确率为96%左右，该模型可以降低人工识别的误判率和工作量，提高识别效率。关键词：齿轮啸叫；噪声−振动−声振粗糙度（NVH）；神经网络；噪声识别TherecognitionmethodofenginegearwhinebasedonconvolutionalneuralnetworkZOUJiaye（ShanghaiNewPowerAutomotiveTechnologyCo.，Ltd.，Shanghai200438，China）Abstract：Therecognitionofenginegearwhineintraditionalengineproductionlineisbasedonla⁃bor，whichinvolvestestingeachengineequippedwiththisgeartraintomanuallyidentifythegearsqueal⁃ingproblem,resultinginheavymanualidentificationworkloadandlowefficiency.Therefore，itispro⁃posedtorecordtheaudiodatageneratedbytheengineduringtestrun，preprocessitusingshort⁃timeFou⁃riertransform，andconvertitintoacolormapimage.ThenthebinarizationandOTSUalgorithmsareusedtoreducetheinformationofthecolormapimage.Finally，byestablishinganalgorithmmodelofcon⁃volutionalneuralnetwork，theenginegearisintelligentlyscreenedforwhine.Theresultsshowthattheaccuracyofthemodelinscreeningoutthewhinegearsis96%.Itcanreducethemisjudgmentrateandworkloadofmanualrecognition，improvetherecognitionefficiency.Keywords：gearwhine；neuralnetwork；noise−vibration−harshness（NVH）；noiseidenti⁃ficationDOI：10.3969/j.issn.1671-0614.2023.02.0080前言随着汽车制造技术的发展，人们不仅仅满足于汽车动力的提升，对汽车舒适性的要求也日益增加，因此各大汽车厂商对汽车的噪声−振动−声振粗糙度（NVH）要求也越来越高，投入到NVH的研发费用也日益...
