[发明专利]基于卷积神经网络的微型振动马达缺陷故障分类方法及装置有效
| 申请号： | 201910263769.5 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN109946606B | 公开（公告）日： | 2020-04-03 |
| 发明（设计）人： | 方夏;黄思思;刘剑歌;王杰;冯涛 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G01R31/34 | 分类号： | G01R31/34;G06K9/00;G06K9/32;G06K9/38;G06K9/62;G06N3/04;G06N3/08;G06T5/30 |
| 代理公司： | 成都天既明专利代理事务所(特殊普通合伙) 51259 | 代理人： | 李蜜;彭立琼 |
| 地址： | 610065 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的微型振动马达缺陷故障分类方法及装置，将采集的串联在微型振动马达通电回路的采集电阻两端的电压信号图像，输入到训练好的卷积神经网络模型，便可实现对微型振动马达缺陷种类的准确识别，整个过程为自动化识别操作，无需工作人员过多参与整个生成过程，大大提高了检测效率，且降低了劳动生产成本。 | ||
| 搜索关键词： | 基于 卷积 神经网络 微型 振动 马达 缺陷 故障 分类 方法 装置 | ||
【主权项】：
1.一种基于卷积神经网络的微型振动马达缺陷故障分类方法，其特征在于包括以下步骤：S1 获得电压特征信号：在待测微型振动马达通电回路串联采集电阻，并在待测微型振动马达通电运转时测量采集电阻两端电压信号，并将其作为待处理的电压特征信号；S2 利用小波变换重构电压特征信号：对得到的电压特征信号进行二层小波分解与重构，提取第二层重构信号中的低频信号，然后用原有电压特征信号减去第二层重构信号中的低频信号得到重构的电压特征信号；S3 对重构后的电压特征信号图像进行预处理，包括二值化处理、感兴趣区域提取和膨胀处理；S4 缺陷故障诊断：将预处理后的电压特征信号图像输入到训练好的卷积神经网络模型中，根据卷积神经网络模型的输出值判断待测微型振动马达是否存在缺陷故障并给出相应的缺陷故障种类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910263769.5/，转载请声明来源钻瓜专利网。
