融合特征下的双流CNN的制动蠕动颤振评价
来源：振动与冲击杂志2025年第1期北京时间：
作者：李阳，靳畅bryan_jin，李天舒，顾鼎元
单位：同济大学汽车学院， 上海201804
摘要：针对车辆蠕动颤振主观评价方法效率低、耗时长、测试流程复杂的问题，研究了蠕动颤振信号的时序特征和时频域特征提取方法，将2D-CNN的空间处理能力与1D-CNN的时序处理能力相结合，提出一种融合特征下的双流卷积神经网络(DSCNN)的蠕动颤振评价方法。一条支路的输入为经过变分模态分解提取的时间序列特征，另一条支路的输入为经过快速傅里叶变换提取的图像特征，将一维时序特征与高维图像特征融合，训练模型进行评分。该方法通过融合不同模态的信息，充分捕捉蠕动颤振的局部波形特征和空间纹理特征。结果表明，融合两种特征的评分模型的八分类准确率达87.13%，验证了特征融合方法在蠕动颤振评价上的有效性。<br>
关键词：双流卷积；融合特征；变分模态分解；蠕动颤振
