[發(fā)明專利]一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法

在審

• 申請?zhí)枺?/td>: 201911116235.6
• 申請日: 2019-11-15
• 公開（公告）號: CN110909782A
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 吳繼春;陽廣興;方海國
• 申請（專利權(quán)）人: 湘潭大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/04
• 代理公司: 北京和信華成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11390
• 代理人: 焦海峰

1.一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法，其特征在于，包括如下步驟：

步驟100、采集數(shù)控機床時間序列的原始數(shù)據(jù)；

步驟200、將以往數(shù)控機床所出現(xiàn)的問題故障根據(jù)其組成模塊及實際故障情況進(jìn)行具體分類，記M類；

步驟300、對M類故障分別進(jìn)行故障分析，得出故障出現(xiàn)的原因及進(jìn)行故障特征提?。?/p>

步驟400、對提取的故障特征進(jìn)行數(shù)據(jù)預(yù)處理，并訓(xùn)練構(gòu)建序貫檢驗的長短時記憶循環(huán)網(wǎng)絡(luò)故障模型；

步驟500、對構(gòu)建出來的序貫檢驗的長短時記憶循環(huán)網(wǎng)絡(luò)故障模型進(jìn)行單向特征輸入；

步驟600、將各項單向特征的輸出結(jié)果與理論證據(jù)融合，判定出故障結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法，其特征在于，在步驟100中，數(shù)控機床的時間序列包括數(shù)控機床工作的電壓、電流、功率、轉(zhuǎn)速、溫度多個狀態(tài)的原始時間序列數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法，其特征在于，每個狀態(tài)的原始時間序列數(shù)據(jù)括主軸的振動信號、機床的各相電流、主軸溫度。

4.根據(jù)權(quán)利要求1所述的一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法，其特征在于，在步驟300中，對故障分析和故障特征提取的具體方法為滑動平均等信號分析法。

5.根據(jù)權(quán)利要求1所述的一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法，其特征在于，在步驟400中，對采集的數(shù)據(jù)需進(jìn)行預(yù)處理的具體步驟為：根據(jù)所采集數(shù)據(jù)的不同量綱進(jìn)行歸一化處理，并對輸入層的輸出數(shù)據(jù)進(jìn)行相同的標(biāo)準(zhǔn)化。

6.根據(jù)權(quán)利要求1所述的一種基于多特征結(jié)合深度學(xué)習(xí)對機床主軸故障的診斷方法，其特征在于，步驟600進(jìn)一步包括：

(1)M代表數(shù)控機床預(yù)設(shè)的M種故障狀態(tài)數(shù)控機床的故障狀態(tài)，建立識別框架Θ{M1,M2,…,Mn}，其中M1，M2，…，Mn；

Q為輸入的特征向量種類；

i為將測試樣本輸入序貫檢驗的長短時記憶循環(huán)網(wǎng)絡(luò)故障模型網(wǎng)絡(luò)得出的對應(yīng)M種故障狀態(tài)的可行度；

(2)對應(yīng)輸入樣本中不同特征向量中使得序貫檢驗的長短時記憶循環(huán)網(wǎng)絡(luò)故障模型網(wǎng)絡(luò)得出的故障結(jié)果概率，其理論證據(jù)融合規(guī)則如下：

先進(jìn)行歸一化系數(shù)：

歸一化：

其次組合規(guī)則如下：