[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

本發明提供了一種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，涉及設備狀態監測、故障診斷領域，包括：對采集的數控機床系統運動部件振動信號標準化并在時域上進行切分；對切分后的振動信號進行小波包分解降噪和特征提取得到高維小波包能量特征集；通過自編碼器對高維小波包能量特征集進行非線性映射，得到低維的信號特征空間；將馬氏距離用于數控機床系統狀態的度量，并將度量結果映射為狀態指數。將上述方法及系統應用于負載狀態下的數控機床系統狀態監測與評估，不僅能實現系統狀態的在線實時監測與評估，而且具有良好的穩定性和泛化能力。

技術領域

本發明屬于設備狀態監測、故障診斷領域，具體地說，涉及一種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。

背景技術

目前，設備狀態在線實時監測、故障智能診斷越來越成設備管理與維護的重中之重，而數控機床相關子系統的高精度的性能是其高效運行的重要保障。因此，及時有效地對數控機床系統進行狀態監測與評估，對數控機床的運行維護與智能管理具有重大意義。

發明內容

為提高現有高精密數控機床的狀態在線實時監測和故障智能診斷能力，本發明的目的是提供一種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。

根據本發明提供的一種用于數控機床系統狀態監測與評估的方法，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。

可選地，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處理，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。

可選地，所述標準化處理具體為：

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。

可選地，所述特征提取步驟包括：

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。

可選地，所述的小波包分解和能量特征提取具體為：

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

可選地，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。

可選地，所述的自編碼器降維具體為：