[发明专利]一种汽车调光电机装置的异音识别方法

说明书

本发明公开了一种汽车调光电机装置的异音识别方法,包括：采用加速度传感器获取汽车调光电机装置的振动信号；对振动信号进行小波包分解；计算小波包分解的各频带的信号能量，归一化处理各频带的信号能量；对振动信号进行时域特征分析从而得到多项时域特征参数；将归一化处理的结果和多项时域特征参数组成总特征向量；训练BP神经网络分类器；将被测的汽车调光电机装置的振动信号的总特征向量输入到训练好的BP神经网络分类器内，输出该汽车调光电机装置的声音类别。本发明识别速度快，准确率高，相比人耳识别效率高，有实际应用价值。

技术领域

本发明涉及异音识别技术领域，具体涉及一种汽车调光电机装置的异音识别方法。

背景技术

噪声问题非常影响人对一个产品的主观感受，因此控制噪声在制造型企业中是企业想要提高产品竞争力的重点关注方向。车用调光电机是汽车上必不可少的重要部件之一，厂家在生产运行过程中，都要对其性能，参数进行测试，以确保满足相关技术要求。某汽车车灯组件厂在实际生产中发现：某型号车灯调光电机装置在工作时对其噪声测量小于规定的限值60dB(40cm处)，但人耳却能听到一种不正常的敲打声音如“卡啦卡啦”声，影响该产品声品质，称之“异音”，对于异音件企业常用做法是让有经验的工人人耳听噪音来筛选出不良件。但是产线上一天生产的电机数量是人耳辨别速度远不及的，长此以往，不仅效率低下，也会给工作人员带来烦躁情绪，造成判断失准。

车用调光电机装置是由转速为13200r/min的小型永磁直流电机驱动，通过蜗杆将动力传递给尼龙双联齿轮大端，再由其小端传递给另一大齿轮，大齿轮中间套有输出轴，通过螺纹传动实现输出轴的前进后退。机械运动必然会带来振动和噪音。声音产生本质也是振动，外界的激励激起了自身的固有振动频率。所以研究振动是检测异音好的途径。

机械噪声一方面来源于电机与齿轮自身运转，另一方面来源于塑料齿轮啮合传动产生的撞击，摩擦，不平衡及结构共振。包括由于蜗杆蜗轮缺陷引起的摩擦力使转子发生共振；齿轮、轴缺陷将振动传递到调光电机壳体上的加强筋支承从而传递到壳盖并向外辐射噪声。

异音是噪声故障中的一部分又区别于噪声。它更表征设备运行状态的稳定程度。调光电机的异音通过人耳可以辨别出是一种周期性的敲击声或刮擦声。一方面与里面的传动装置有关，小模数塑料齿轮是注塑成型的，其精度等方面会不如金属齿轮，易出现误差，导致运行过程中不稳定从而引起异音；另一方面润滑不到位，装配不到位都有可能引起异音问题。

因此目前急需一种汽车调光电机装置的异音识别方法替代人工耳听识别来识别出异音件。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种汽车调光电机装置的异音识别方法，本汽车调光电机装置的异音识别方法利用小波包分解后的能量谱和时域特征参数提取总特征向量，导入BP神经网络中进行分类，得到异音识别结果，从而选出异音件，识别速度快，准确率高，相比人耳识别效率高。

为实现上述技术目的，本发明采取的技术方案为：

一种汽车调光电机装置的异音识别方法,包括以下步骤：

步骤1、采用加速度传感器获取汽车调光电机装置的振动信号；

步骤2：对振动信号进行j层小波包分解；

步骤3：计算小波包分解的各频带的信号能量，归一化处理各频带的信号能量，得到各频带的信号能量所占总能量的能量比；

步骤4：对振动信号进行时域特征分析从而得到多项时域特征参数；

步骤5：将步骤3得到的各频带的信号能量所占总能量的能量比和步骤4得到的多项时域特征参数组成总特征向量；

步骤6：构建BP神经网络分类器；