摘要:旋转车轮的动平衡对汽车操控性和舒适性具有显著的影响。为了及时、准确的对轮胎动平衡状态进行检测,本文在传统1D-CNN模型上,建立了基于特征学习结构的注意力机制,提出一种改进抗噪1D-CNN(noise resistant 1D-CNN,简称NRCNN)的旋转车轮动平衡健康状态监测方法。以在实车上添加不同质量平衡块的方式来获得三种旋转车轮动不平衡状态,进而获得旋转车轮不同状态下的振动信息;以高斯白噪声作为噪声输入,对所测旋转车轮不同动平衡状态的振动信息进行处理来获得试验样本数据;综合运用卷积运算机制和特征变换进行t-SNE可视化显示。结果表明,与传统1D-CNN模型(无注意力机制)相比,在不同信噪比的工况下,本文提出的改进抗噪1D-CNN旋转车轮的动平衡状态监测方法均展现出了更好的诊断准确性,可高达到99.95%。