发动机的异响及故障诊断，并准确地识别模拟气门故障

目前国外的学术研究机构针对汽车发动机的异响问题还未展开广泛、系统性的研究，与异响比较贴近的研究方向是发动机的故障诊断，部分研究致力于通过信号处理算法识别故障的来源并加以分析和控制，另一部分研究致力于通过人工智能算法对采集的各种故障进行自动识别与分类。

Adaileh提出了利用发动机的声音来检测发动机故障的试验研究，其认为当温度、振动等接触式信号无法获得时，声音信号在旋转机械的状态监测和故障诊断中起到了很好的替代作用，Tomasz等人采用离散小波变换对发动机声学信号进行两不去降噪并计算其熵，实现了从一个背景噪声干扰严重的信号中提取发动机气门间隙故障的特征信息。Baydar等人模拟了齿轮断裂和齿轮裂纹这两种齿轮箱中常见的局部故障。

利用小波变换检测各种局部故障并将声信号与振动信号的结果进行了比较，结果表明声信号对故障的早期检测有很好的效果。Moosavian等人从2.4~4.7kHz频段的发动机振动信号中提取了7种不同的特征进行比较，结果表明由于活塞擦伤故障的影响，与所发现频段相关的发动机振动信号的最大值、平均值、均方根值、偏度、峰度和脉冲因子均显著增加，Morgan等人将拓扑学习器、自组织特征图与k均值算法相结合，对发动机的潜在故障和各自的故障位置进行诊断。

Mathew等人利用从发动机缸盖处采集到的声学信号，提出了发动机燃烧故障分类的自动模型和超参数选择方案，其利用主成分分析与贝叶斯优化模型相结合的方法对故障进行分类识别，结果表明相比于标准分类模型，所提出的方法耗时减少了20%左右。

国内方面，企业及高校都对汽车及发动机当中出现的各类异响及故障诊断问题进行了大量的研究。陈祝健等人对某款搭载1.8T汽油发动机SUV车型在小油门加速过程中出现的异响和轰鸣声问题进行诊断，通过发动机舱近场噪声及零部件振动测试，发现异响及轰鸣声均来自发动机水管，其后通过增加水管固定支架提升模态频率的方法解决了该异响。