一种多角度泄水的蜂鸣器的制作方法

本发明属于报警设备技术领域，尤其涉及一种多角度泄水的蜂鸣器。

背景技术：

蜂鸣器是一种电子讯响器，采用电压供电，广泛应用于计算器、打印机、复印机、报警器、电子玩具、汽车电子设备、电话机、定时器等电子产品中作发声器件。蜂鸣器与喇叭是不同的产品，蜂鸣器通电后会发出震动警示音，用于防盗或其它警示用，当使用于汽车或者设置于户外时，往往受到天候的影响，例如下雨天或者车辆行驶经过积水之处，在这些情况下，往往会在音腔内产生积水的现象，当音腔内积水时，立刻会影响到压电陶瓷片的工作，也会影响到音腔的共鸣，甚至会影响到蜂鸣器结构的功能及寿命，因此成为不得不重视的问题。

综上所述，现有技术存在的问题是：

目前的蜂鸣器不具备排水功能，在积水过多时，容易损坏蜂鸣器。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种多角度泄水的蜂鸣器。

本发明是这样实现的，一种多角度泄水的蜂鸣器，所述多角度泄水的蜂鸣器设有壳体、壳盖、基座、磁性线圈、接线柱、隔板、振动膜、振荡器、环形通槽、泄水结构、卡块、凸起、环形轨道、铁球、挡水膜、连接柱。

所述壳体上端卡接连接有壳盖，所述壳体底部固定连接有基座，所述基座上套设有磁性线圈，所述基座内部穿设有接线柱。

所述接线柱下端伸出所述壳体，所述基座上部固定有隔板，所述隔板下端固定有振动膜，所述壳体内壁上固定有振荡器。

所述隔板上端设有泄水结构，所述壳体上开设有环形通槽，与泄水结构连通进行多角度泄水。

进一步，所述壳体通过设置在壳体外壁上的卡块卡接固定连接壳盖，所述壳盖内壁对应设有凸起。

进一步，所述泄水结构包括开设在隔板上表面的环形轨道，所述环形轨道内部设有铁球，所述铁球上部设有挡水膜，所述挡水膜沿壳体圆周方向固定连在壳体上。

进一步，所述铁球沿环形轨道设有若干。

进一步，所述环形通槽内部设有连接柱，所述连接柱沿环形通槽圆周方向设有若干。

进一步，振动膜振动带动铁球振动中，振动膜的控制单元通过信号采集模块采集电路信号，根据接收的信号产生相应的驱动信号；通过合闸控制模块对断路器合闸时间进行粗调和微调控制。

进一步，振动膜的控制单元通过光电隔离模块以光为媒介传输电信号。

通过故障识别模块采集电路故障信号数据，建立故障特征数据样本进行识别故障特征；如果识别出故障信号，则触发报警器进行报警；通过显示屏显示采集的信号信息及故障状态信息。

进一步，振动膜的控制单元的中央控制模块对驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号进行控制处理，其中，首先对驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号进行利用k均值聚类算法进行样本预选，依据数据预选的结果，在未标记实例集中对重要样本集l*中的每个实例进行查询，将查询得到的类标返回；得到未标记实例集中的部分“重要”实例并获取标记，来代替全部未标记实例；利用样本预选结果，重要样本集l*作为支持向量机主动学习的训练集，构建神经网络模型bp，产生神经网络模型bp的初始权值；将权值初始化为[a，b]之间的随机数，其中a，b为满足以下方程的整数：

其中h为网络隐含层节点数；对神经网络模型bp的权值和阈值进行动态改进，获得动态神经网络模型dbp，产生动态神经网络模型dbp的权值和阈值。

进一步，振动膜的控制单元运用自适应免疫遗传aiga优化动态神经网络模型dbp，获得预测模型aiga-dbp，根据预测模型aiga-dbp计算驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号的预测值。

进一步，振动膜的控制单元首先进行抗原识别，即均方误差的识别，产生初始的抗体(动态神经网络模型dbp的权值和阈值)后，进行抗体编码，然后计算抗体适应度和抗体浓度，根据计算的结果进行基于浓度的自适应抗体选择操作，若此操作满足条件，则获得合适的权值和阈值，并将结果输出；若此操作不满足条件，需要进行自适应交叉操作和自适应变异操作，并进行权值和阈值的更新，再重新计算抗体适应度和抗体浓度，直到获得满足条件的权值和阈值，最后根据满足条件的权值和阈值，获得预测模型aiga-dbp。

本发明的优点及积极效果为：

本发明通过设置在隔板上的环形轨道内部的铁球，随着蜂鸣器的工作，振动膜振动带动铁球振动，在环形轨道内部受迫转动，抖动挡水膜，可在蜂鸣器壳体内部积水时，通过振动膜的振动带动泄水结构的工作，向环形通槽外部分散排水，进行多角度排水。

本发明振动膜振动带动铁球振动中，振动膜的控制单元通过信号采集模块采集电路信号，根据接收的信号产生相应的驱动信号；通过合闸控制模块对断路器合闸时间进行粗调和微调控制。振动膜的控制单元通过光电隔离模块以光为媒介传输电信号；通过故障识别模块采集电路故障信号数据，建立故障特征数据样本进行识别故障特征；如果识别出故障信号，则触发报警器进行报警；通过显示屏显示采集的信号信息及故障状态信息。可进一步实现智能控制。

附图说明

图1是本发明实施例提供的多角度泄水的蜂鸣器的结构示意图；

图2是本发明实施例提供的多角度泄水的蜂鸣器的壳体剖面示意图；

图中：1、壳体；2、壳盖；3、基座；4、磁性线圈；5、接线柱；6、隔板；7、振动膜；8、振荡器；9、环形通槽；10、泄水结构；11、卡块；12、凸起；13、环形轨道；101、铁球；102、挡水膜；14、连接柱。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

目前的蜂鸣器不具备排水功能，在积水过多时，容易损坏蜂鸣器。

为解决上述问题，下面结合附图对本发明的结构作详细的描述。

如图1-图2所示，本发明实施例提供的所多角度泄水的蜂鸣器设有壳体1、壳盖2、基座3、磁性线圈4、接线柱5、隔板6、振动膜7、振荡器8、环形通槽9、泄水结构10、卡块11、凸起12、环形轨道13、铁球101、挡水膜102、连接柱14，所述壳体1上端卡接连接有壳盖2，所述壳体1底部固定连接有基座3，所述基座3上套设有磁性线圈4。

所述基座3内部穿设有接线柱5，所述接线柱5下端伸出所述壳体1，所述基座3上部固定有隔板6，所述隔板6下端固定有振动膜7。

所述壳体1内壁上固定有振荡器8，所述隔板6上端设有泄水结构10，所述壳体1上开设有环形通槽，与泄水结构10连通进行多角度泄水。

所述壳体1通过设置在壳体1外壁上的卡块11卡接固定连接壳盖2，所述壳盖2内壁对应设有凸起12。所述泄水结构10包括开设在隔板6上表面的环形轨道13，所述环形轨道13内部设有铁球101，所述铁球101上部设有挡水膜102，所述挡水膜102沿壳体1圆周方向固定连在壳体1上。所述铁球101沿环形轨道13设有若干。所述环形通槽9内部设有连接柱14，所述连接柱14沿环形通槽9圆周方向设有若干。

下面结合设备运行原理对本发明技术方案作进一步描述。

本发明提供的装置在使用时，通过接线柱14连接电路进行工作，在壳体1内部有积水时，通过设置在隔板6上的环形轨道13内部的铁球101，随着蜂鸣器的工作，振动膜7振动带动铁球101振动，在环形轨道13内部受迫转动，抖动挡水膜102，向环形通槽9外部分散排水，进行多角度排水。

本发明中，振动膜振动带动铁球振动中，振动膜的控制单元通过信号采集模块采集电路信号，根据接收的信号产生相应的驱动信号；通过合闸控制模块对断路器合闸时间进行粗调和微调控制。

振动膜的控制单元通过光电隔离模块以光为媒介传输电信号。

通过故障识别模块采集电路故障信号数据，建立故障特征数据样本进行识别故障特征；如果识别出故障信号，则触发报警器进行报警；通过显示屏显示采集的信号信息及故障状态信息。

振动膜的控制单元的中央控制模块对驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号进行控制处理，其中，首先对驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号进行利用k均值聚类算法进行样本预选，依据数据预选的结果，在未标记实例集中对重要样本集l*中的每个实例进行查询，将查询得到的类标返回；得到未标记实例集中的部分“重要”实例并获取标记，来代替全部未标记实例；利用样本预选结果，重要样本集l*作为支持向量机主动学习的训练集，构建神经网络模型bp，产生神经网络模型bp的初始权值；将权值初始化为[a，b]之间的随机数，其中a，b为满足以下方程的整数：

其中h为网络隐含层节点数；对神经网络模型bp的权值和阈值进行动态改进，获得动态神经网络模型dbp，产生动态神经网络模型dbp的权值和阈值。

振动膜的控制单元运用自适应免疫遗传aiga优化动态神经网络模型dbp，获得预测模型aiga-dbp，根据预测模型aiga-dbp计算驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号的预测值。

振动膜的控制单元首先进行抗原识别，即均方误差的识别，产生初始的抗体(动态神经网络模型dbp的权值和阈值)后，进行抗体编码，然后计算抗体适应度和抗体浓度，根据计算的结果进行基于浓度的自适应抗体选择操作，若此操作满足条件，则获得合适的权值和阈值，并将结果输出；若此操作不满足条件，需要进行自适应交叉操作和自适应变异操作，并进行权值和阈值的更新，再重新计算抗体适应度和抗体浓度，直到获得满足条件的权值和阈值，最后根据满足条件的权值和阈值，获得预测模型aiga-dbp。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。