[發明專利]一種數控機床的智能故障診斷方法

無效

• 申請號: 201210045490.8
• 申請日: 2012-02-27
• 公開（公告）號: CN102566505A
• 公開（公告）日: 2012-07-11
• 發明（設計）人: 萬毅
• 申請（專利權）人: 溫州大學
• 主分類號: G05B19/406
• 分類號: G05B19/406
• 代理公司: 溫州甌越專利代理有限公司 33211
• 代理人: 吳繼道

1.一種數控機床的智能故障診斷方法，包括如下步驟：

（1）確定故障特征參數集、故障類型集和樣本集，所述故障特征參數集中包含多個故障特征參數，所述故障類型集中包含多個故障類型；

（2）根據故障特征參數集和故障類型集，建立最小二乘支持向量機模型；

（3）利用樣本集，訓練并優化最小二乘支持向量機；

（4）檢測數控機床的多個故障特征參數，將多個故障特征參數作為故障診斷的數據源；

（5）將所述數據源輸入到優化后的最小二乘支持向量機，得出故障診斷結果。

2.根據權利要求1所述的智能故障診斷方法，其特征在于，所述故障特征參數集包括數控機床的溫度、檢測元件的輸出量、高低壓電流、振動頻率、噪聲強度和伺服控制的輸出電壓；所述故障類型集包括伺服單元、加減速時間設定、檢測元件、可控硅、旋轉編碼器、負載量、傳動鏈潤滑、可編程控制器或微處理器、檢測控制系統或主軸驅動系統、繼電器、熔斷器和電源變壓器。

3.根據權利要求1所述的智能故障診斷方法，其特征在于，所述最小二乘支持向量機模型的輸出向量為故障類型集，輸入向量為故障特征參數集中每個故障特征參數的主元特征值。

4.根據權利要求1所述的智能故障診斷方法，其特征在于，步驟（3）中采用不完全交叉驗證網格搜索法在線優化最小二乘支持向量機。

5.根據權利要求1所述的智能故障診斷方法，其特征在于，步驟（5）包括以下子步驟：

（5.1）將數據源進行小波去噪處理；

（5.2）計算數據源中每個故障特征參數的主元特征值；

（5.3）將步驟（2）中計算出的主元特征值輸入到優化后的最小二乘支持向量機，得出故障診斷結果。

6.根據權利要求3或5所述的智能故障診斷方法，其特征在于，所述主元特征值的計算方法為：?

（a）計算故障特征參數???????????????????????????????????????????????的信息熵；其中，為一個隨機過程中出現的概率，，；

（b）歸一化處理得到；其中；

（c）建立協方差矩陣；其中；

（d）計算協方差矩陣的特征值和特征向量；?

（e）計算主元特征值。