(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