[發明專利]用于數控機床系統狀態在線實時監測與評估的方法及系統

在審

• 申請號: 202011593668.3
• 申請日: 2020-12-29
• 公開（公告）號: CN112763056A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 陳志祥;楊仕堂
• 申請（專利權）人: 上海交大智邦科技有限公司;交大智邦（棗莊）數字科技有限公司
• 主分類號: G01H17/00
• 分類號: G01H17/00;G01M13/00
• 代理公司: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 馮振華

1.一種用于數控機床系統狀態監測與評估的方法，其特征在于，包括：

信號預處理步驟：對振動信號進行標準化處理，并在時域上進行切分；

特征提取步驟：對預處理后的振動信號進行小波包分解降噪和特征提取。

特征降維步驟：通過自編碼器進行非線性映射降維。

狀態評估步驟：將馬氏距離用于狀態度量，并將度量結果映射為狀態指數。

2.根據權利要求1所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，在所述信號預處理步驟中，預處理的目的包括：

一是通過對振動信號進行標準化，可以提高后續的自編碼器降維模型的穩定性。

二是通過對標準化后的振動信號以1秒為單位在時域上進行切分，可以提高整個狀態監測與評估方法的適應性。

3.根據權利要求2所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，標準化具體為：

將振動信號轉換為均值為0，方差為1的標準化信號轉換公式如下：

其中t₀,t₁,t₂,…,t_n為時間序列。

4.根據權利要求1所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，所述的特征提取步驟包括：

利用小波包分解具有良好的降噪效果，對預處理后的振動信號進行小波包分解降噪，并計算重構信號的能量作為信號的有效特征，得到具有高維的小波包能量特征集。

5.根據權利要求4所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，所述的小波包分解和能量特征具體為：

小波包分解原理是下式：

式中h_l和g_l為小波重構共軛高通和低通濾波器系數，為第j層第n個節點的第k個小波包系數。

計算重構信號的能量特征如下式：

則第j層的小波包重構信號的能量為

6.根據權利要求1所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，所述的特征降維步驟包括：

通過自編碼器對高維小波包能量特征集進行非線性映射，自動降維，得到低維的信號特征空間。

7.根據權利要求6所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，所述的自編碼器降維具體為：

根據自編碼器結構搭建自編碼器降維模型，設置模型學習率，訓練次數和最小化目標函數J求解模型參數θ，使自編碼器降維效果最佳。目標函數J如下式：

式中，參數θ包括各神經元的權重w和偏置b，L為交叉熵損失函數，為編碼器的激活函數，為解碼器的激活函數，x_i為某高維小波包能量特征。

8.根據權利要求1所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，所述的狀態評估步驟包括：

將馬氏距離用于參考振動信號的低維特征空間與待測振動信號的低維特征空間之間的度量，并將度量結果映射為狀態指數。

9.根據權利要求8所述的一種用于數控機床系統狀態監測與評估的方法，其特征在于，所述的馬氏距離度量具體為：

設參考振動信號的低維特征空間M_r與待測振動信號的低維特征空間M的偏離度為D_m，M＝(M₀,M₁,M₂,…,M_i)，M_r的均值為C_M為M的協方差矩陣，則D_m為：

D_m值越大，則反映待測振動信號與參考振動信號的相似性越小，反之則越大。