[發明專利]基于在線字典學習的多模態機械加工中心信號的重構方法

在審

• 申請號: 202310186706.0
• 申請日: 2023-03-01
• 公開（公告）號: CN116070091A
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 張璽;常琛揚;李秉洋
• 申請（專利權）人: 北京大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06F18/213;G06N3/0442;G06N3/08
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 賈曉玲

1.一種多模態機械加工中心信號的重構方法，其步驟包括：

1)從多軸機械加工中心獲取多模態信號；

2)在多模態信號中等間隔抽取信號點，從第1個信號點開始直到最后一個信號點依次排序，形成一維時間序列信號Y＝[y(1)，y(2)，y(3)，...，y(N)]；

3)以多模態下每個信號1/2周期所含信號點數量的平均值作為分解長度n，對一維多模態信號進行拆分，生成m×n維的二維信號其中，m×n＝N；且m＜n；

4)將上述二維信號進行矩陣轉置，使得矩陣Y的每一列代表信號的分解子信號；

5)運用在線字典學習模型實現多模態信號的重構，具體步驟包括：

5-1)輸入正則化參數λ、迭代次數t、及批尺寸b，初始字典D₀∈R^m×n，初始矩陣A₀∈R^n×n←0，初始矩陣B₀∈R^m×n←0；

5-2)計算稀疏編碼系數

式中α_t為第t次迭代后的稀疏值，D_t-1為第(t-1)次迭代后的過程學習字典。

5-3)更新矩陣

式中A_t、B_t為第t次迭代后的過程矩陣，y_t為樣本集合第t列。

5-4)固定稀疏編碼系數α_t，計算第t次迭代過程字典

5-5)更新字典D＝[d₁，…，d_n]∈R^m×n，其中：

式中u_j為第j個正交投影向量，b_j為矩陣B的第j列，a_j為矩陣A的第j列，d_j為字典中的第i列。

5-6)從步驟5-2)開始不斷迭代，當達到迭代次數最大值時，停止迭代；反之，繼續迭代；輸出多模態信號的稀疏字典D和稀疏系數α；

5-7)將多模態信號的稀疏字典D與稀疏系數α相乘，得到重構的多模態信號。

2.如權利要求1所述的多模態機械加工中心信號的重構方法，其特征在于，b≤m，且為正整數。

3.如權利要求1所述的多模態機械加工中心信號的重構方法，其特征在于，λ的值不大于0.2。

4.如權利要求1所述的多模態機械加工中心信號的重構方法，其特征在于，在計算稀疏編碼系數時，采用最小角回歸LARS算法或者OMP算法。

5.如權利要求1所述的多模態機械加工中心信號的重構方法，其特征在于，經過在線字典學習后，將重構多模態信號導入長短期記憶網絡深度學習模型，獲取多模態信號的預測值。

6.如權利要求5所述的多模態機械加工中心信號的重構方法，其特征在于，將重構多模態信號進行歸一化操作，使得數據映射到0至1之間。

7.如權利要求5所述的多模態機械加工中心信號的重構方法，其特征在于，長短期記憶網絡深度學習模型包括兩個LSTM層和兩個全連接層。

8.如權利要求1所述的多模態機械加工中心信號的重構方法，其特征在于，多軸機械加工中心利用主軸系統安裝的振動傳感器獲取機加工過程中的多模態信號。