基于HMM模型的车辆状态评估

【摘   要】   为通过噪声检测及时发现车辆行驶过程中突发的异常，提出基于隐马尔可夫（HMM）的评估方式，通过选取车辆正常以及异常状态下的噪声采集数据样本作为离线训练样本，得到相应的模型参数;然后将实时数据送入这两类模型进行评估，概率大的为系统当前运行状态。经过试验测试该策略在车辆状态异常评估中有较高的精确度，可用于车辆异常情况的检测。

【关键词】   隐马尔可夫模型;噪声检测;梅尔频率倒谱系数

Vehicle Condition Evaluation Based on HMM Model

Liu Xu

（Anhui University of Science and Technology，Huainan 232001，China）

【Abstract】 In order to detect the sudden abnormal in the process of vehicle running through noise detection， this paper proposes an evaluation method based on Hidden Markov model. By selecting the noise collection data samples under normal and abnormal conditions as offline training samples， the corresponding model parameters are obtained; then， the real-time data are sent to these two models for evaluation， and the system current operating state has a high probability. The experimental results show that the model has high accuracy in vehicle fault assessment and can be used for fault detection.

【Key words】 Hidden markov model; noise detection; Mel-frequency cepstral coefficients

〔中圖分类号〕  TP14            〔文献标识码〕  A             〔文章编号〕 1674 - 3229（2021）03- 0000 - 00

0     引言

近年来，汽车工业的发展呈现上升态势，汽车普遍地进入人们的生活，但与此同时也出现了很多问题。车辆故障就是其中一项，在车辆状态异常时，车辆内部产生的噪声与车辆正常情况往往不同。目前，用于车辆状态异常识别识别的方法有神经网络、支持向量机、小波变换等[1]。由于隐马尔可夫模型在声音辨识方面有着普遍的使用，本文将隐马尔可夫模型用于对车辆噪声的评估，从而判断汽车是否处于故障状态，防止车辆意外情况的产生[2]。

汽车噪音即汽车行驶在道路上时，发动机，动力系统，轮胎，气体交换及制动等系统运行时发出的噪声以及汽车行驶因空气动力学而导致噪音的叠加结果。另外，如果汽车某个特定的旋转部件产生故障，或某些部件因车辆行驶过程中产生运动干涉等都会发出非正常行驶噪声。其中车辆内部的噪音主要来自于发动机以及底座上发出的异常噪音，汽车发动机是复杂且应用广泛的机电控制系统，产生故障的概率很大[3]。……