买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国第一汽车股份有限公司申请的专利一种基于深度学习的汽车声浪声压级优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117034012B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311041905.9，技术领域涉及：G06F18/214；该发明授权一种基于深度学习的汽车声浪声压级优化方法是由张雪晴;李允;霍超;王石;李浩;张程鹏;李超设计研发完成，并于2023-08-18向国家知识产权局提交的专利申请。

本一种基于深度学习的汽车声浪声压级优化方法在说明书摘要公布了：本发明是一种基于深度学习的汽车声浪声压级优化方法。包括：一、载入某车型多种工况下的数据；二、设定输入数据和输出数据；三、设置训练集和测试集；四、将训练集和测试集进行归一化处理；五、求解最佳隐藏层数，通过均方误差来判断是隐藏层数是否为最佳，如果为最佳隐藏层，进行网络训练和测试；六、输出最后的结果；七、根据输出的最后结果实现对汽车声浪声压级的优化。本发明根据加速踏板位置变化信息和电机实时转速提前预测后续的扭矩信息；在不同工况为踏板梯度分配不同的权重，通过合理修改声压级映射关系实现引擎声声压级控制，解决了在踏板突变的情况下，扭矩的数值滞后容易存在跟脚性差的问题，从而降低主动声音合成的用户体验的问题。

本发明授权一种基于深度学习的汽车声浪声压级优化方法在权利要求书中公布了：1.一种基于深度学习的汽车声浪声压级优化方法，其特征在于，包括以下步骤： 步骤一、载入某车型多种工况下的数据； 步骤二、设定输入数据和输出数据； 步骤三、设置训练集和测试集； 步骤四、将训练集和测试集进行归一化处理； 步骤五、求解最佳隐藏层数，通过均方误差来判断是隐藏层数是否为最佳，如果为最佳隐藏层，进行网络训练和测试； 步骤六、输出最后的结果； 步骤七、根据输出的最后结果实现对汽车声浪声压级的优化； 所述步骤一中，多种工况包括匀速工况、加速工况和减速工况； 所述步骤一中，多种工况下的数据包括加速踏板位置、电机实时转速、车速、扭矩损失和扭矩； 所述步骤二中，输入数据为加速踏板位置、电机实时转速、车速、扭矩损失；输出数据为扭矩； 所述步骤三中，所述训练集为M行5列的矩阵；所述测试集数据集为N行5列；M＞N； 所述步骤四中，训练集的输入归一化到区间[0,1]，训练集的输出归一化到区间[-1,1]； 所述步骤四中，测试集的输入归一化到区间[0,1]，测试集的输出归一化到区间[-1,1]； 所述步骤五中，声音合成中声浪声压级与踏板开度、车速、电机转速以及扭矩的映射关系如下式所示，其中，V、n、p、TL、T分别为车速、电机转速、踏板开度、扭矩损失以及扭矩；、、分别为对应的权重，加入扭矩梯度来解决踏板突然变化时，扭矩变化延迟的问题，扭矩梯度的确定需要根据BP神经网络进行预测； ； 其中，ΔT为基于Bp神经网络的预测值与CAN获取的实际扭矩的差值； 基于BP神经网络进行学习预测，输入量为4个，分别为车速，电机转速，踏板开度和扭矩损失，神经网络的激活函数分别采用purelin函数和tansig函数； 隐藏层个数m根据下式确定，构建最佳隐含层的BP神经网络； ； 其中，、为输入和输出层的个数，为随机数； 最后根据相关系数R和均方误差来判断构建的神经网络模型的准确性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国第一汽车股份有限公司，其通讯地址为：130011 吉林省长春市长春汽车经济技术开发区新红旗大街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。