一种带电机设备停机尾音智能检测方法及系统技术方案

本发明专利技术公开了一种带电机设备停机尾音智能检测方法及系统，方法包括：同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号；根据转速脉冲信号和振动加速度信号确定带电机设备停机滑动阶段的阶次谱云图，将阶次谱云图划分为训练集和测试集；基于训练集训练卷积神经网络模型，直至测试集的准确度和召回率满足预设要求，得到的超参数和权重参数作为卷积神经网络模型的超参数和权重参数用于检测带电机设备停机尾音。本发明专利技术能够反映出设备与随转速变化的阶次信息，反映出设备的共振特性，并准确、清晰反应尾音异常，直接从图像中读取多维向量信息，可准确实现停机尾音智能检测。测。测。

【技术实现步骤摘要】
一种带电机设备停机尾音智能检测方法及系统


[0001]本专利技术属于停机尾音检测
，更具体地，涉及一种带电机设备停机尾音智能检测方法及系统。

技术介绍

[0002]随着国民经济的发展以及居民对舒适性要求，以汽车和白色家电领域为代表，对产品在设计和生产阶段的NVH（Noise、Vibration、Harshness的缩写，即，噪声、振动与声振粗糙度）性能愈发严格，其整机和零部件产品不仅普遍追求稳态运行过程中产品的声学指标情况，部分产品如带电机设备如汽车启动机、除尘器等，还对停机阶段的噪声性能进行了重点关注和检测。相较于电驱动产品稳态运行情况，带电机设备在断电后，其电机及附属传动设备会逐步降速至完全停机，这一滑动阶段同样会产生噪声，称为“尾音”。由于是降速过程，当带电机设备存在装配、零部件缺陷或者其他电气工艺问题时，其可能扫过系统结构的共振频率点，从而引起短促的异响声，从而产生明显不适感。
[0003]针对带电机设备停机自由滑动产生的信号，由于旋转速度处于非稳定状态，无论是本体振动还是辐射空气噪声信号，其频率成分均在不断变化，采用常规的频谱分析会产生明显的频率模糊现象，无法有效建立合适的检测判断标准；同时相对于正常尾音信号，尾音异常信号具有微弱且持续时间较短的特征，仅从单一特征维度来检测尾音异响准确率较低，若从多个维度如时域、频域、小波域以及心理声学参数等特征量进行综合评价，涉及到特征维度有效选择及阈值的设定，同样是一个复杂的系统工程；前期也有不少学者采用机器学习的方法，即通过声学时序信号进行多个一维特征提取并进行模型训练，但是因为其本质为非稳态信号，传统的特征提取方法效果并不理想。目前国外开发的振动噪声测试系统，也仅仅是提供了诸多分析功能供企业选择使用，但是如何能够表征并检测停机尾音异响，还暂未有行之有效的方法。因此，针对带电机设备停机尾音检测，企业仍沿用人工听音质检的方法，即通过人耳贴在带电机设备附近进行听音，从而判断其停机滑动过程中是否存在异响。但是，由于是人工听音质检，企业也缺少量化标准，存在误判率高、检测效率低下以及一致性差的问题。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求，本专利技术提供一种带电机设备停机尾音智能检测方法及系统，能够反映出设备与随转速变化的阶次信息，反映出设备的共振特性，并准确、清晰反应尾音异常，直接从图像中读取多维向量信息，可准确实现停机尾音智能检测。
[0005]为实现上述目的，按照本专利技术的一方面，提供一种带电机设备停机尾音智能检测方法，包括：同步采集带电机设备样本停机滑动阶段的转速脉冲信号和振动加速度信号，其中带电机设备样本包括正样本和负样本；根据转速脉冲信号和振动加速度信号确定带电机设备停机滑动阶段的阶次谱云
图，将阶次谱云图划分为训练集和测试集，训练集和测试集中均包括正样本和负样本的阶次谱云图；基于训练集训练卷积神经网络模型，直至对测试集识别的准确度和召回率满足预设要求，得到的超参数和权重参数作为卷积神经网络模型的超参数和权重参数用于检测带电机设备停机尾音。
[0006]进一步地，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：若带电机设备内置有霍尔转速传感器，根据霍尔转速传感器输出电压信号确定转速脉冲信号。
[0007]进一步地，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：若带电机设备无内置的霍尔转速传感器，在带电机设备输出轴上增加霍尔圆盘，霍尔圆盘上均匀分布有小磁钢，其中霍尔开关元件固定于小磁钢周边；根据带电机设备转动时霍尔圆盘上的小磁钢经过霍尔开关元件的脉冲信号确定转速脉冲信号。
[0008]进一步地，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：将单轴振动加速度传感器设于带电机设备径向，测量振动加速度信号。
[0009]进一步地，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：对振动加速度信号等时间间隔采样，同时以恒定的采样率对转速脉冲信号进行采样得到同步信号；采样的频率高于Nyquist采样定理的频率。
[0010]进一步地，所述根据转速脉冲信号和振动加速度信号确定带电机设备停机滑动阶段的阶次谱，包括：根据转速脉冲信号确定每个脉冲间隔内的等角度采样发生的时刻序列，根据时刻序列对振动加速度信号进行等角度插值重采样，将振动加速度信号转化为等角度域信号；按照固定转速步长对等角度域振动信号分段，确定所有分段的瞬时FFT频谱，根据分段对应的转速脉冲信号的时间先后将瞬时FFT频谱排列得到阶次谱云图。
[0011]进一步地，所述基于阶次谱云图训练卷积神经网络模型，包括：将阶次谱云图进行标准化处理，选取交叉熵损失函数，利用梯度下降法，优化权重参数和超参数，训练卷积神经网络模型。
[0012]按照本专利技术的第二方面，提供一种带电机设备停机尾音智能检测系统，包括：第一主模块，用于同步采集带电机设备样本停机滑动阶段的转速脉冲信号和振动加速度信号，其中带电机设备样本包括正样本和负样本；第二主模块，用于根据转速脉冲信号和振动加速度信号确定带电机设备停机滑动阶段的阶次谱云图，将阶次谱云图划分为训练集和测试集，训练集和测试集中均包括正样本和负样本的阶次谱云图；第三主模块，用于基于训练集训练卷积神经网络模型，直至对测试集识别的准确度和召回率满足预设要求，得到的超参数和权重参数作为卷积神经网络模型的超参数和权重参数用于检测带电机设备停机尾音。
[0013]按照本专利技术的第三方面，提供一种电子设备，包括处理器和存储器，所述处理器和存储器相互连接；所述存储器用于存储计算机程序；所述处理器被配置用于在调用所述计算机程序时，执行带电机设备停机尾音智能检测方法。
[0014]按照本专利技术的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现带电机设备停机尾音智能检测方法。
[0015]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：1.本专利技术的带电机设备停机尾音智能检测方法，同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号；根据转速脉冲信号和振动加速度信号确定带电机设备停机滑动阶段的阶次谱云图；基于阶次谱云图训练卷积神经网络模型，直至测试数据集模型准确度和召回率满足预设要求，得到的超参数和权重参数作为卷积神经网络模型的超参数和权重参数用于检测带电机设备停机尾音，能够反映出设备与随转速变化的阶次信息，反映出设备的共振特性，并准确、清晰反应尾音异常，直接从图像中读取多维向量信息，可准确实现停机尾音智能检测。
[0016]2. 本专利技术的带电机设备停机尾音智能检测方法，确定同步测量带电机设备转速和单向振动加速度的实施方法和硬件配置，提高后续分析测试的准确性；3.本专利技术的带电机设备停机尾音智能检测方法，利用阶次跟踪技术将带电机设备振动信号从时间序列变换为阶次谱云图，不仅能够反映出设备与随转速变化的阶次信息，又能反映出设备的共本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带电机设备停机尾音智能检测方法，其特征在于，包括：同步采集带电机设备样本停机滑动阶段的转速脉冲信号和振动加速度信号，其中带电机设备样本包括正样本和负样本；根据转速脉冲信号和振动加速度信号确定带电机设备停机滑动阶段的阶次谱云图，将阶次谱云图划分为训练集和测试集，训练集和测试集中均包括正样本和负样本的阶次谱云图；基于训练集训练卷积神经网络模型，直至对测试集识别的准确度和召回率满足预设要求，得到的超参数和权重参数作为卷积神经网络模型的超参数和权重参数用于检测带电机设备停机尾音。2.根据权利要求1所述的一种带电机设备停机尾音智能检测方法，其特征在于，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：若带电机设备内置有霍尔转速传感器，根据霍尔转速传感器输出电压信号确定转速脉冲信号。3.根据权利要求1所述的一种带电机设备停机尾音智能检测方法，其特征在于，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：若带电机设备无内置的霍尔转速传感器，在带电机设备输出轴上增加霍尔圆盘，霍尔圆盘上均匀分布有小磁钢，其中霍尔开关元件固定于小磁钢周边；根据带电机设备转动时霍尔圆盘上的小磁钢经过霍尔开关元件的脉冲信号确定转速脉冲信号。4.根据权利要求1所述的一种带电机设备停机尾音智能检测方法，其特征在于，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：将单轴振动加速度传感器设于带电机设备径向，测量振动加速度信号。5.根据权利要求1所述的一种带电机设备停机尾音智能检测方法，其特征在于，所述同步采集带电机设备停机滑动阶段的转速脉冲信号和振动加速度信号，包括：对振动加速度信号等时间间隔采样，同时以恒定的采样率对转速脉冲信号进行采样得到同步信号；所述采样率高于Nyquist采样定理的频率。6.根据权利要求1
‑
5任一...

【专利技术属性】
技术研发人员：李贤燚，韩琛，涂海华，
申请(专利权)人：宁波慧声智创科技有限公司，
类型：发明
国别省市：