一种电机振动的深度学习检测方法技术

本发明专利技术涉及一种电机振动深度学习检测方法，包括：在电机上设置接触式振动工装，用于对所述电机进行限位，使电机贴紧振动传感器；搭建并训练卷积神经网络模型；所述振动传感器实时采集电机振动信号；对采集到的所述电机振动信号进行预处理，提取二维振动特征；将所述二维振动特征输入所述卷积神经网络模型，计算得到二分类概率值；比对所述二分类概率值与一预设阀值确定电机状态，所述电机状态包括振动正常和振动异常。本发明专利技术通过设置接触式振动工装，保证了采集的振动信号的准确性，同时通过提取振动信号中的二维振动特征，并采用深度学习方法，利用三分支卷积神经网络模型进行二分类判断，有效提高了电机异响判断的准确率。有效提高了电机异响判断的准确率。有效提高了电机异响判断的准确率。

【技术实现步骤摘要】
一种电机振动的深度学习检测方法


[0001]本专利技术涉及神经网络
，特别是涉及一种电机振动的深度学习检测方法。

技术介绍

[0002]判断电机异响是电机厂家十分重视的问题，它关系到提升产品工艺和提高产品质量。传统的电机异响分析判断方法主要为采集声音信号分析法和采集振动信号分析法两种，相对于声音信号，振动信号可以避免环境噪声影响，实践中更普遍采用。
[0003]但是，实践中很多电机或表面不平整或体积较小，无法直接附着振动传感器，导致振动传感器采集的振动信号不准确。同时，由于振动信号的频带受限，一般振动传感器频率范围在10000Hz以内，导致在对振动信号做频谱分析时分析准确率较低。

技术实现思路

[0004]为了克服上述技术问题，本专利技术提供了一种电机振动深度学习检测方法，以提高振动传感器采集的准确性和分析的准确性，从而提高电机异响判断的准确率。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]本专利技术提供了一种电机振动深度学习检测方法，包括：
[0007]在电机上设置一接触式振动工装，所述接触式振动工装用于对所述电机进行限位，使所述电机贴紧振动传感器；
[0008]搭建一卷积神经网络模型，使用预先建立的电机检测训练集训练所述卷积神经网络模型；
[0009]所述振动传感器实时采集电机振动信号；
[0010]对采集到的所述电机振动信号进行预处理，提取二维振动特征；
[0011]将所述二维振动特征输入所述卷积神经网络模型，计算得到二分类概率值；
[0012]比对所述二分类概率值与一预设阀值确定电机状态，所述电机状态包括振动正常和振动异常。
[0013]优选地，所述接触式振动工装包括：
[0014]底座、设置在所述底座上的上支撑顶板和下支撑顶板；所述上支撑顶板上设置有限位孔；所述上支撑顶板上设置有固定结构，用于固定电机使电机紧卡在所述限位孔上；所述下支撑顶板与所述限位孔对应的位置上设置有一弹簧，用于给所述振动传感器提供支持力，使所述振动传感器通过限位孔紧贴电机。
[0015]优选地，所述固定结构包括有至少两个快速夹具；所述快速夹具的一端设置为固定部，固定在所述上支撑顶板上；另一端设置为卡接部，卡接在所述电机上。
[0016]优选地，所述振动传感器套设在所述弹簧里，所述弹簧由所述下支撑顶板限位，只能沿垂直方向运动。
[0017]优选地，所述上支撑顶板和下支撑顶板，通过支撑筋板与所述底座连接；所述上支撑顶板和下支撑顶板，与所述支撑筋板上设置有对应的连接孔；螺栓通过所述连接孔连接
所述上支撑顶板和所述支撑筋板，以及连接所述上支撑顶板和所述支撑筋板，用于调节所述上支撑顶板和下支撑顶板相对于所述底座的高度。
[0018]优选地，所述卷积神经网络模型包括：依次连接的至少一个卷积层块、至少一个池化层和至少一个全连接层；所述卷积层块包括一3
×
3卷积层分支、一1
×
1卷积层分支和一残差分支；三分支各自连接一批规范层后线性相加，由ReLU激活函数运算后输出所述二分类概率值。
[0019]优选地，所述批规范层用于把每层神经网络任意神经元的分布强行拉回到均值为0方差为1的标准正态分布。
[0020]优选地，所述训练所述卷积神经网络模型，包括如下步骤：
[0021]S401:初始化所述卷积神经网络模型的权重值；
[0022]S402:从所述电机检测训练集中提取二维振动特征，输入经初始化后的卷积神经网络模型中，对所述卷积神经网络模型进行迭代训练；其中，每迭代一次则更新一次所述权重值；
[0023]S403:从预先建立的电机检测测试集中提取二维振动特征，输入经步骤S402训练得到的卷积神经网络模型中，输出测试结果；
[0024]S404:根据所述测试结果，判断经步骤S402训练得到的卷积神经网络模型对电机状态的检测精度是否符合预设要求；若符合则训练结束；若不符合，则返回步骤S402继续训练直至训练得到符合预设要求的卷积神经网络模型。
[0025]优选地，所述电机检测训练集中包括预先采集的电机振动信号，所述被采集的电机被预先标记为“正常”或“故障”。
[0026]优选地，所述提取二维振动特征包括如下步骤；
[0027]S501:采集所述电机的振动信号；
[0028]S502:对所述振动信号按预设的一帧时长进行分帧，得到N帧振动片段；每帧的振动信号计算梅尔滤波器组，取对数后得到对数梅尔特征向量；
[0029]S503:合并所有帧的对数梅尔特征向量，生成二维振动特征矩阵。
[0030]本专利技术的有益效果为：
[0031]本专利技术在振动信号采集过程中采用接触式振动工装将振动传感器固定在体积较小或表面不平整的电机上，保证了采集的振动信号的准确性，同时通过提取振动信号中的二维振动特征，通过三分支卷积神经网络模型预测电机异响，极大的提高了电机异响判断的准确率。
[0032]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的部分实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术实施例一种电机振动检测方法的卷积神经网络检测流程示意图；
[0035]图2为本专利技术实施例一种电机振动检测方法的接触式振动工装结构示意图；
[0036]图3为本专利技术实施例一种电机振动检测方法的卷积神经网络结构示意图；
[0037]图4为本专利技术实施例一种电机振动检测方法的卷积块结构示意图。
[0038]附图标记
[0039]1底座
[0040]2上支撑顶板
[0041]3下支撑顶板
[0042]4电机
[0043]5固定结构
[0044]6振动传感器
[0045]7弹簧
[0046]8支撑筋板
[0047]9螺栓
具体实施方式
[0048]为了使本专利技术的目的、技术方案及优点更加清楚明白，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0049]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机振动深度学习检测方法，其特征在于，包括：在电机上设置一接触式振动工装，所述接触式振动工装用于对所述电机进行限位，使所述电机贴紧振动传感器；搭建一卷积神经网络模型，使用预先建立的电机检测训练集训练所述卷积神经网络模型；所述振动传感器实时采集电机振动信号；对采集到的所述电机振动信号进行预处理，提取二维振动特征；将所述二维振动特征输入所述卷积神经网络模型，计算得到二分类概率值；比对所述二分类概率值与一预设阀值的差值确定电机状态，所述电机状态包括振动正常和振动异常。2.根据权利要求1所述的一种电机振动深度学习检测方法，其特征在于，所述接触式振动工装包括：底座、设置在所述底座上的上支撑顶板和下支撑顶板；所述上支撑顶板上设置有限位孔；所述上支撑顶板上设置有固定结构，用于固定电机使电机紧卡在所述限位孔上；所述下支撑顶板与所述限位孔对应的位置上设置有一弹簧，用于给所述振动传感器提供支持力，使所述振动传感器通过限位孔紧贴电机。3.根据权利要求2所述的一种电机振动深度学习检测方法，其特征在于，所述固定结构包括有至少两个快速夹具；所述快速夹具的一端设置为固定部，固定在所述上支撑顶板上；另一端设置为卡接部，卡接在所述电机上。4.根据权利要求2所述的一种电机振动深度学习检测方法，其特征在于，所述振动传感器套设在所述弹簧里，所述弹簧由所述下支撑顶板限位，只能沿垂直方向运动。5.根据权利要求2所述的一种电机振动深度学习检测方法，其特征在于，所述上支撑顶板和下支撑顶板，通过支撑筋板与所述底座连接；所述上支撑顶板和下支撑顶板，与所述支撑筋板上设置有对应的连接孔；螺栓通过所述连接孔连接所述上支撑顶板和所述支撑筋板，以及连接所述上支撑顶板和所述支撑筋板，用于调节所述上支撑顶板和下支撑顶板相对于所述底座的高度。6.根据权利要求1所述的一种电机振动深度学习检测方法，其特征在于，所述卷积神经网络...

【专利技术属性】
技术研发人员：朱宝鹤，任百吉，孙永吉，
申请(专利权)人：上海泛德声学工程有限公司，
类型：发明
国别省市：