团体标准网
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111678049.9 (22)申请日 2021.12.31 (71)申请人 上海泛德声学工程有限公司 地址 201613 上海市松江区荣 乐东路208弄 9号9幢1层 (72)发明人 朱宝鹤 任百吉 孙永吉  (74)专利代理 机构 上海诺衣知识产权代理事务 所(普通合伙) 31298 代理人 衣然 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电机振动的深度学习检测方法 (57)摘要 本发明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。 权利要求书2页 说明书6页 附图2页 CN 114358078 A 2022.04.15 CN 114358078 A 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。 7.根据权利要求6所述的一种电机振动深度 学习检测方法, 其特征在于, 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。 8.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, 所述训练所述 卷积神经网络模型, 包括如下步骤: S401:初始化所述卷积神经网络模型的权 重值; 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; 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训练得到权 利 要 求 书 1/2 页 2 CN 114358078 A 2的卷积神经网络模型中, 输出测试 结果; 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。 9.根据权利要求8所述的一种电机振动深度 学习检测方法, 其特征在于, 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”。 10.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, 所述提取二 维振动特 征包括如下步骤; S501:采集所述电机的振动信号; 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; 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。权 利 要 求 书 2/2 页 3 CN 114358078 A 3

.PDF文档 专利 一种电机振动的深度学习检测方法

文档预览
中文文档 11 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共11页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种电机振动的深度学习检测方法 第 1 页 专利 一种电机振动的深度学习检测方法 第 2 页 专利 一种电机振动的深度学习检测方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 21:48:46上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。