基于卷积网络深度模型的齿轮减速电机品检装置及方法制造方法及图纸

本发明专利技术公开了一种基于卷积网络深度模型的齿轮减速电机品检装置及方法，所述装置包括：直流稳压电源，用于为给待检测微型直流齿轮减速电机供电；恒流适配器，用于为加速度传感器供电，以及将加速度传感器采集的电机振动信号放大后输送至数据采集器；数据采集器，用于将放大后的电机振动信号生成数字信号输送中PC机；加速度传感器，用于采集待检测微型直流齿轮减速电机空转情况下的电机振动信号；PC机，用于根据所述数字信号判断待检测微型直流齿轮减速电机的优劣。本发明专利技术解决了目前在电机品检领域广泛使用的人工检测法所带来的巨大劳动成本和疲惫检测等问题，在保证精确率的同时，提高对微型直流齿轮减速电机的品质鉴定的效率。

Product Inspection Device and Method of Gear Reduction Motor Based on Convolution Network Depth Model

The invention discloses a gear deceleration motor product inspection device and method based on convolution network depth model, which comprises a DC regulated power supply for supplying power to the micro DC gear deceleration motor to be detected, a constant current adapter for supplying power to the acceleration sensor, and a motor vibration signal collected by the acceleration sensor is amplified and transmitted to the data collector. According to the collector, the amplified motor vibration signal is generated into a digital signal transmission PC; the acceleration sensor is used to collect the motor vibration signal when the micro-DC gear reducer is idle; and the PC is used to judge the advantages and disadvantages of the micro-DC gear reducer to be detected according to the digital signal. The invention solves the problems of huge labor cost and fatigue detection caused by manual detection method widely used in the field of motor product inspection, and improves the efficiency of quality identification of micro DC gear reducer motor while ensuring the accuracy.

【技术实现步骤摘要】
基于卷积网络深度模型的齿轮减速电机品检装置及方法
本专利技术涉及机械故障诊断技术，尤其涉及一种基于卷积网络深度模型的微型直流齿轮减速电机品检装置及方法。
技术介绍
随着人类科技的日益发展，自动化将成为21世纪生产发展的主旋律之一。而作为能将电能转化成机械能的电动机，一直都是各领域自动化系统不可或缺的核心部件。其中，在低速，大转矩的场合中，齿轮减速电机一直是最经济、实用的首选方案。所谓的齿轮减速电机，就是将齿轮减速箱安装于电动机的输出轴，通过齿轮的减速，将输出转速由高速降为低速，同时提高输出转矩。由于该特性，该类微型电机产品广泛用于自动化生产线，医疗设备等精密仪器中以及智能工业，智能农业，智能家居，智能机器人等相关设备智能动力输出中。在该类产品的如此激烈的市场竞争压力下，如何在大规模生产的同时保证产品的品质质量，将成为齿轮减速电机企业能否创造可观的经济收益的重要问题之一。目前对微型直流齿轮减速电机的品质检测，除了对几个硬性指标转速、转矩、温升等外，还要对噪声和齿轮品质进行鉴定。而在国内微型齿轮减速电机工厂中，该部分检测普遍是通过人工方式进行鉴定，即是通过双手感知电机空载的振动以及用耳聆听电机空载的噪声来进行综合判定产品的优劣。这种落后低效方法不仅大大增加生产中的劳动成本，而且由于这种重复性劳动会使工人出现疲惫判断失误，从而导致次品迈入市场，对企业的信誉和后续经济带来无法挽回的损失。
技术实现思路
针对上述技术问题，本专利技术旨在将深度学习技术应用到微型直流齿轮减速电机的品质检测中，使用深度学习的方法能够显著提高电机品检的精度以及效率，减少企业的人力成本以及精度效率等问题。本专利技术采用如下技术方案实现：一种基于卷积网络深度模型的齿轮减速电机品检装置，包括：直流稳压电源，用于为给待检测微型直流齿轮减速电机供电；恒流适配器，用于为加速度传感器供电，以及将加速度传感器采集的电机振动信号放大后输送至数据采集器；数据采集器，用于将放大后的电机振动信号生成数字信号输送中PC机；加速度传感器，用于采集待检测微型直流齿轮减速电机空转情况下的电机振动信号；PC机，用于根据所述数字信号判断待检测微型直流齿轮减速电机的优劣。进一步地，所述的待检测微型直流齿轮减速电机通过厚度为0.1-0.25mm矩形金属钢片与加速度传感器表面刚性接触。进一步地，所述的加速度传感器测量表面与金属钢片通过金属胶水实现刚性连接。进一步地，所述直流稳压电源采用数控式线性直流稳压电源；所述恒流适配器采用单通道恒流适配器；所述的数据采集器采用usb多功能数据采集卡。一种基于卷积网络深度模型的齿轮减速电机品检方法，采用如所述品检装置，该方法包括步骤：1)提取待测微型直流齿轮减速电机的振动信号，转为数字电压信号传入PC机中；2)所述PC机获取电机的振动信号，预处理获得振动信号对应的三通道时频图；3)将所述三通道时频图输入所选择的对应电机型号训练完毕的卷积网络深度分类模型中，识别出电机优劣的分类信息，从而减轻人工品检的负担。进一步地，所述预处理获得振动信号对应的三通道时频图具体包括：获得五秒电机时域信号，然后对信号进行加窗、分帧、快速傅里叶变换以及图像标准化处理获得三通道的信号五秒时频图。进一步地，所述卷积网络深度分类模型的训练具体包括：1)建立微型直流齿轮减速电机的信号数据库，即收集特定型号优劣电机各数百台，处理获得各电机的五秒时频数据信号，并按照一定比例划分训练集以及测试集和验证集；2)对所述五秒时频数据信号进行加窗分帧、进行快速傅里叶变换及图像标准化处理获得三通道的信号五秒时频图；3)接着通过tensorflow深度学习库搭建卷积网络深度分类模型，先初始化模型超参数，包括学习率，批大小，CNN核大小与数量，网络框架位置与数量，然后在卷积层和全连接层添加批归一化处理，在全连接层后添加dropout层，并对权值做L2正则化，放入最后LOSS计算中。这部分是为了提高模型的学习速度以及模型泛化能力，让模型拥有测试集错误率低，能实时检测电机品质的特点。4)将训练集的数据输入进初始化的卷积网络深层模型中训练，在二十个周期或者出现网络的LOSS值相对变化小于阈值时，通过BP算法调整卷积网络深层模型的权值等参数；5)将验证集的数据输入进步骤六训练好的模型中验证准确率，如果出现准确率大于阈值，则保持模型网络参数，否则重新返回步骤3)，调整模型的网络框架和超参数。进一步地，所述卷积网络深层分类模型的第一层采用卷积核为7*1的一维卷积网络，后续使用一层maxpool、两层二维卷积网络和两层全连接层网络，通过softmax来进行分类。进一步地，所述模型超参数具体为：输入的特征为3*129*92的三通道时频图，网络的batchsize为40，学习率为1e-4然后在第20个周期改为1e-5。进一步地，所述识别出电机优劣的分类信息具体包括：通过对五秒电机信号分割并分别判断，若出现优的结果多则判断为优电机；若得到的softmax结果存在比值超过一定阈值，则对电机重新摆设位置并测量。相比现有技术，本专利技术能够准确提取微型直流齿轮减速电机的振动信号，结合建立的基于卷积网络的深度模型库，判断微型直流齿轮减速电机的优劣情况，提高对微型直流齿轮减速电机的品质鉴定的效率，解决目前在该领域广泛使用的人工检测法所带来的巨大劳动成本和疲惫检测等问题，进而减少人工品鉴的工作量和提高电机检测精度，从而提高电机生产效率。附图说明图1为基于卷积网络的齿轮减速电机的品检系统结构示意图。图2为齿轮减速电机的品检系统的识别流程图。图3为基于卷积深层网络的微型直流齿轮减速电机的模型搭建训练流程图。图4为卷积网络深层模型的框架和部分参数。图中：1-直流稳压电源；2-待检测微型直流齿轮减速电机；3-金属钢片；4-加速度传感器；5-恒流适配器；6-数据采集器；7-PC机。具体实施方式下面结合附图和具体实施例对本专利技术做进一步的说明。如图1所示，一种基于卷积网络深度模型的齿轮减速电机品检装置，包括：直流稳压电源1，用于为给待检测微型直流齿轮减速电机2供电，本实施例采用MOTECH数控式线性直流稳压电源LPS-305；恒流适配器5，用于为加速度传感器4供电，以及将加速度传感器4采集的电机振动信号放大后输送至数据采集器6，本实施例采用CT5201单通道恒流适配器；数据采集器6，用于将放大后的电机振动信号生成数字信号输送中PC机7，本实施例采用MCC1608Gusb多功能数据采集卡DAQ；放大后的电机振动信号输送到MCC1608Gusb多功能数据采集卡DAQ的模拟输入端口后，数据采集器会将模拟信号转化成数字信号传入到PC机7中；加速度传感器3，用于采集待检测微型直流齿轮减速电机2空转情况下的电机振动信号，本实施例采用CT1050LC加速度传感器，所述的待检测微型直流齿轮减速电机通过厚度为0.25mm的矩形不锈钢片与加速度传感器3表面通过金属胶水实现刚性接触；PC机7，用于根据所述数字信号判断待检测微型直流齿轮减速电机2的优劣。如图2所示，一种基于卷积网络深度模型的齿轮减速电机品检方法，采用如所述品检装置，该方法包括步骤：1)提取待测微型直流齿轮减速电机的五秒电机振动信号，然后分割成五份一秒电机振动信号，转为数字电压信号传入PC机中；2)所本文档来自技高网...

【技术保护点】
1.一种基于卷积网络深度模型的齿轮减速电机品检装置，其特征在于，包括：直流稳压电源，用于为给待检测微型直流齿轮减速电机供电；恒流适配器，用于为加速度传感器供电，以及将加速度传感器采集的电机振动信号放大后输送至数据采集器；数据采集器，用于将放大后的电机振动信号生成数字信号输送中PC机；加速度传感器，用于采集待检测微型直流齿轮减速电机空转情况下的电机振动信号；PC机，用于根据所述数字信号判断待检测微型直流齿轮减速电机的优劣。

【技术特征摘要】
1.一种基于卷积网络深度模型的齿轮减速电机品检装置，其特征在于，包括：直流稳压电源，用于为给待检测微型直流齿轮减速电机供电；恒流适配器，用于为加速度传感器供电，以及将加速度传感器采集的电机振动信号放大后输送至数据采集器；数据采集器，用于将放大后的电机振动信号生成数字信号输送中PC机；加速度传感器，用于采集待检测微型直流齿轮减速电机空转情况下的电机振动信号；PC机，用于根据所述数字信号判断待检测微型直流齿轮减速电机的优劣。2.根据权利要求1所述的基于卷积网络深度模型的齿轮减速电机品检装置，其特征在于，所述的待检测微型直流齿轮减速电机通过厚度为0.1-0.25mm矩形金属钢片与加速度传感器表面刚性接触。3.根据权利要求1所述的基于卷积网络深度模型的齿轮减速电机品检装置，其特征在于，所述的加速度传感器测量表面与金属钢片通过金属胶水实现刚性连接。4.根据权利要求1所述的基于卷积网络深度模型的齿轮减速电机品检装置，其特征在于，所述直流稳压电源采用数控式线性直流稳压电源；所述恒流适配器采用单通道恒流适配器；所述的数据采集器采用usb多功能数据采集卡。5.一种基于卷积网络深度模型的齿轮减速电机品检方法，其特征在于，采用如权利要求1至4中任一项所述品检装置，该方法包括步骤：提取待测微型直流齿轮减速电机的振动信号，转为数字电压信号传入PC机中；所述PC机获取电机的振动信号，预处理获得振动信号对应的三通道时频图；将所述三通道时频图输入所选择的对应电机型号训练完毕的卷积网络深度分类模型中，识别出电机优劣的分类信息。6.根据权利要求5所述的基于卷积网络深度模型的齿轮减速电机品检方法，其特征在于，所述预处理获得振动信号对应的三通道时频图具体包括：获得五秒电机时域信号，然后对信号进行加窗、分帧、快速傅里叶变换以及图像标准化处理获得三通道的信号五秒时频图。7.根据权利要求5所述的基于卷积网络深度模型的齿轮减速电机品检...

【专利技术属性】
技术研发人员：谢巍，李鸿斌，张浪文，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44