[发明专利]一种基于循环网络分类模型的直流齿轮减速电机品检方法

权利要求书

1.一种基于循环网络分类模型的直流齿轮减速电机品检方法，其特征在于，包括以下步骤：

1)记录待测减速电机的三秒振动信号，将所述三秒振动信号分割成三份一秒电机振动信号后转为数字电压信号输入PC机；

2)所述PC机获取所述振动信号，经过预处理获得所述振动信号对应的二维时频矩阵数据；

3)将所述三秒的二维时频矩阵数据输入到训练好的循环网络分类模型中识别待测减速电机的优劣分类信息；具体包括：将所述三秒的二维时频矩阵数据输入到训练好的循环网络分类模型中，得到三份softmax结果，若出现某一个softmax的比值小于设定阈值，则返回步骤1)进行重新测量；接着判断三份softmax结果，若判断为劣的数量num1.5时，则判断该电机品质为劣，若判断为劣的数量num1.5时，则判断该电机品质为优；

所述循环网络分类模型的训练过程具体包括：

步骤31)首先采集并建立微型直流齿轮减速电机的信号数据库，即收集特定型号优劣电机各数百台，处理获得各电机振动信号的三秒二维时频矩阵数据，并按照一定比例划分训练集以及测试集；

步骤32)然后搭建初始循环网络分类模型，即通过TensorFlow库搭建循环网络分类模型，调整模型框架初始化模型超参数，添加层归一化与dropout层优化模型的学习速度以及泛化能力；让模型拥有测试集错误率低，能实时检测电机品质的特点；

步骤33)将训练集的数据输入进步骤32)的初始循环网络分类模型中训练，在二十个周期或者出现网络的LOSS值相对变化小于某阈值时，通过TTBP算法调整循环网络分类模型的网络参数；

步骤34)将验证集的数据输入步骤33)训练好的模型中验证准确率，如果出现准确率大于阈值，则保持模型网络参数，否则重新返回步骤32)，调整模型的网络框架和超参数。

2.根据权利要求1所述的基于循环网络分类模型的直流齿轮减速电机品检方法，其特点在于：所述步骤2)具体包括：

对所述振动信号做加窗、分帧处理，其中窗函数选择海明窗：

为抵消加窗带来的两端削弱，所以需要在分帧的时候，帧与帧之间需重叠，帧长为256采样点，帧移为128采样点；

对加窗分帧后的所述振动信号进行快速傅里叶变换，获得振动信号的二维时频矩阵数据，具体公式如下：

其中,x(k)为振动数字信号；g(k)为窗函数的离散形式；Δt为采样频率f_s的倒数；m为时间步骤数；F_g(mΔt,f)为二维矩阵，其行代表采样时间段，其列代表频率段。

3.根据权利要求1所述的基于循环网络分类模型的直流齿轮减速电机品检方法，其特点在于：所述循环网络分类模型选择长短期记忆网络LSTM，该循环网络分类模型的前三层为循环网络，第四层为softmax层，输入为循环网络的所有时刻的输出，最后通过softmax来进行分类。

4.根据权利要求3所述的基于循环网络分类模型的直流齿轮减速电机品检方法，其特点在于：所述循环网络分类模型训练超参数时的输入的特征为3*129*92的二维时频矩阵，网络的batchsize为40，学习率为1e-4然后在第10个周期改为1e-5。