异响是指在外力的作用下,两个或者多个相邻部件的表面产生撞击或者摩擦而诱发出的声音。汽车异响的主要激励源有路面、驾驶员的操作和零部件失效等。汽车、摩托车产生异响的部件有很多,如发动机、悬架、车身、底盘等。本文的讨论对象为发动机异响。随着购买者对摩托车舒适性的关注度日趋增高,摩托车的NVH性能也逐渐受到绝大多数车企业的重视。因此,摩托车发动机在下线之前都有一个异响检测环节,避免有异响问题的发动机流向市场。目前,发动机异响检测大多采用人工听诊的方法,工人师傅通过听诊仪器来判定发动机是否存在异响。由于个人技术水平、实际经验的差异,这种传统的异响识别方法存在着较大的偶然性和主观性。而且,人工听诊法有较强的背景噪声,长时间工作对操作者身体也会造成伤害。因此,本文提出了一种基于SVM分类器依据发动机声信号进行异响识别的方法,避免了人工操作的诸多弊端。现场采集的发动机声信号含有较强的背景噪声,在数据分析之前必须做去噪处理。通过学习小波分析理论和信号仿真得知,利用小波空域相关滤波法可以有效去除发动机声信号的背景噪声,同时,信号的瞬态脉冲成分能够很好地保留,符合我们对分析信号高信噪比的要求。信号有时域和频域两种描述,信号的特征除了频率外,还有能量、响度、尖锐度等指标来衡量。本文对去噪信号作3层小波包分解,将小波系数的平方定义为信号的能量,作为信号的特征之一。另外,对上述的去噪信号作双谱估计,提取双谱峰值相关信息作为信号的另一特征。本文将信号经小波包分析和双谱估计提取到的特征向量作为支持向量机的输入,进行向量机训练。选取合适的分类器核函数及相应参数经过样本训练后,向量机就具有了发动机异响识别能力。用已知异响类别的测试样本检验向量机的泛化能力,保证训练好的向量机能够识别发动机异响类型。运用一套采集设备采集发动机声信号,经过滤波去噪,提取特征向量,再经过样本训练使分类模型具有较高的分类精度,向量机的输出即为发动机异响类型。为了分析方便,借助MATLAB软件设计了一个GUI小程序,避免了繁琐的数据处理过程。