一种基于栈式自编码器和支持向量机的磨削颤振检测方法技术

本发明专利技术公开了一种基于栈式自编码器和支持向量机的磨削颤振检测方法，首先利用有标签数据和测试数据共同训练栈式自编码器；然后，使用训练后的栈式自编码器对有标签数据进行处理得到的有标签特征训练支持向量机；最后，将通过训练后的栈式自编码器对测试数据提取的测试数据特征作为训练后的支持向量机的输入，进行故障诊断，得出诊断结果。本发明专利技术方法具有通用性，颤振的判断不受加工设备，加工参数的影响，适合磨削颤振的检测，可在机床企业推广使用，符合智能机床发展需求，具有广泛的应用前景。

An encoder and a support vector machine based on stack grinding chatter detection method

The invention discloses a self encoder and a support vector machine based on stack grinding chatter detection method, the first use of labeled data and test data of training together since then, using the stack encoder; after training on the label stack since the encoder data are processed, the label features of training support vector machine; finally, through training the characteristics of the test data on the stack from the encoder test data extraction as a trained support vector machine input, fault diagnosis, diagnosis results. The method of the invention has the versatility, flutter from judgment processing equipment, the effects of machining parameters for grinding chatter detection, can be widely used in machine tool enterprises, in line with the development needs of intelligent machines, and has wide application prospect.

【技术实现步骤摘要】
一种基于栈式自编码器和支持向量机的磨削颤振检测方法
本专利技术涉及机床颤振检测
，特别涉及一种基于栈式自编码器和支持向量机的磨削颤振检测方法。
技术介绍
磨削加工作为常见的终加工工艺，对产品加工效率、几何精度和表面质量具有决定性影响，磨削颤振的发生会加剧砂轮磨损，产生异常噪声，削减机床部件寿命，降低产品加工精度和表面质量，磨削颤振行为的演变具有阶段性，通常包括早期、上升期和稳定发展三个阶段，在磨削加工过程中，只有在颤振早期实现检测并采取抑制措施，方能避免颤振对产品加工精度和表面质量产生破坏，目前，已有的磨削颤振在线检测方法通用性差，主要体现在颤振阈值对加工设备和加工参数敏感，因此，需要有种检测方法能够提取出颤振无关加工参数的特征。
技术实现思路
本专利技术解决的技术问题是提供一种能实现磨削颤振的早期检测，避免磨削颤振对产品加工质量的影响的一种基于栈式自编码器和支持向量机的磨削颤振检测方法。本专利技术解决其技术问题所采用的技术方案是：一种基于栈式自编码器和支持向量机的磨削颤振检测方法，包括以下步骤：步骤一，通过有标签数据和测试数据训练栈式自编码器，获得栈式自编码器各层神经元连接权值，本文档来自技高网...

【技术保护点】
一种基于栈式自编码器和支持向量机的磨削颤振检测方法，其特征在于，包括以下步骤：步骤一，通过有标签数据和测试数据训练栈式自编码器，获得栈式自编码器各层神经元连接权值，具体步骤如下：(1)在发生颤振的磨齿机砂轮架上安装加速度传感器，(三轴加速度传感器(356A15,PCB,USA))；(2)利用数据采集设备和加速度传感器，采集加速度传感器测得的振动信号x2(t)，其中，t代表时间；(3)对振动信号x2(t)进行归一化，具体方法为x2′(t)＝x2(t)/max(x2(t))；(4)对归一化后的振动信号x2′(t)进行分段，每段信号包含M个数据点，多余的数据点舍弃，得到处理后的振动信号

【技术特征摘要】
1.一种基于栈式自编码器和支持向量机的磨削颤振检测方法，其特征在于，包括以下步骤：步骤一，通过有标签数据和测试数据训练栈式自编码器，获得栈式自编码器各层神经元连接权值，具体步骤如下：(1)在发生颤振的磨齿机砂轮架上安装加速度传感器，(三轴加速度传感器(356A15,PCB,USA))；(2)利用数据采集设备和加速度传感器，采集加速度传感器测得的振动信号x2(t)，其中，t代表时间；(3)对振动信号x2(t)进行归一化，具体方法为x2′(t)＝x2(t)/max(x2(t))；(4)对归一化后的振动信号x2′(t)进行分段，每段信号包含M个数据点，多余的数据点舍弃，得到处理后的振动信号[·]T表示矩阵的转置，t1，t2，…，tm′代表分段处理后信号所在的时间序列，m′代表x2′(t)分段的段数；(5)为处理后的振动信号添加“正常”标签和“故障”标签，获得有标签数据可以基于信号的时频图对其进行添加标签；(6)同(1)～(4)步，采集待测磨齿机砂轮架上的振动数据并处理，获得测试数据(7)建立栈式自编码器模型，将测试数据和有标签数据输入栈式自编码器模型进行训练，得到栈式自编码器各层神经元连接权值；其中栈式自编码器是多个自动编码器叠加得到：第一级自动编码器的编码输出作为第二级自动编码器的输入，第二级自动编码器的编码输出作为第三级自动编码器的输入，以此类推；栈式自编码器的训练是通过对数据的逐层学习完成的；训练栈式自编码器的实现步骤如下所示：①确定栈式自编码器的网络结构为[N1，N2，N3，......，Nn],确定各层神经网络的激活函数n-1为深度学习网络的层数，N1＝M，一般N1，N2，N3，......，Nn是单调递减的，②初始化各层神经网络权值，编码网络权值：解码网络权值其中i＝1，2，3，...，n-1.③确定迭代次数Numepochs④令i＝1，⑤计算编码输出Yi＝[Yi，1，Yi，2，...，Yi，m+m′]T(i＝1，2，...，n-1)和解码输出X′i＝[...

【专利技术属性】
技术研发人员：王琇峰，杨鸿钧，王九龙，和丹，
申请(专利权)人：苏州微著设备诊断技术有限公司，
类型：发明
国别省市：江苏,32