针对手机用铁芯马达在跌落测试中良品率过低的问题,对振动马达的结构进行优化设计。通过NX建立了马达的仿真模型,求解得出马达在跌落过程的中的所受应力最大的部分为轴承与轴的接触部位。优化设计方案将马达的轴承宽度加大0.2mm,这一改进可以加大轴承与轴的接触面积。再次使用仿真模拟出优化后的马达与原始马达相比所受最大应力减小了25.7%。最后通过跌落实验表明优化后的马达在摆锤偏移值,噪声值,以及轴承孔变形情况上均有改善,证明了优化设计的合理性。

针对手机振动马达检测量大、检测困难等问题,引入卷积神经网络对故障马达波形图进行分类检测。用采集卡采集马达转动时的原始电压信号,对电压信号进行两层小波包分解并重构低频信号,截取原始信号减去重构信号的波形图片进行预处理作为数据集。再用TensorFlow框架训练数据模型,对振动马达电刷不良、波形异常、波形跌落、磁场不良、良品5种类型进行分类,用改进的卷积网络模型测试集准确率达到了98.76%。因此基于改进的卷积神经网络有更好的诊断效果,且对提高故障诊断准确率有一定的作用。