一种基于多源信息融合的高端数控装备状态识别方法技术
【技术实现步骤摘要】
一种基于多源信息融合的高端数控装备状态识别方法
本专利技术涉及一种数控装备状态识别方法，特别是关于一种基于多源信息融合的高端数控装备状态识别方法。
技术介绍
高端数控装备正朝着高速、高精度、重载和复合加工的方向发展，因为早期故障导致服役性能下降，如果不能及时诊断并预警，将会造成废品增加、质量波动、生产率下降；另外，数控装备出现故障而导致非正常停机，尤其是处于生产线关键核心部位的高档数控装备，将带来重大的停机损失。高档数控装备由于结构复杂、传递环节较多，导致故障准确定位困难，盲目的拆修将会造成安装精度误差、服役性能下降和可靠性降低。要准确获取设备运行状态信息，需要在高端装备的主轴、进给轴的滚珠丝杠副、轴承支撑座等多部位安装传感器。研究表明流形学习比核主分量分析、遗传等传统算法更能体现事物的本质，在提取出主要变量的同时还获得了原始空间的真实结构，对非线性流形结构数据具有一定的自适应性。现有采用局部和全局结构提取滚动轴承敏感特征，或采用非线性流形等度规映射进行特征提取、对高维相空间中的结构进行了信息提取，利用非线性降维方法保留了振动信号中内含的整体集合结构信息等进行故障...
【技术保护点】
一种基于多源信息融合的高端数控装备状态识别方法，其特征在于包括以下步骤：1)利用现有现场采集传感器采集高端数控装备运行状态的多源传感器信息，并进行信息融合；2)对融合信号的时域、频域、小波域进行特征获取，并对提取的时域特征、频域特征和小波域特征进行特征融合；3)重构初始特征的多源多域高维相空间，采用局部线性嵌入结构进行降维，优化本征维数，构建能够反映低维流形的局部线性特性的邻域，获得运行状态高维空间中的低维流形变化；4)采用距离判据获得低维敏感特征，构建低维流形特征的增殖相似度实现对不同状态的识别；其中，相似度参数为xmin、xmax、ΔB、流形方向dir：xmin＝|xl...
【技术特征摘要】
1.一种基于多源信息融合的高端数控装备状态识别方法，其特征在于包括以下步骤：1)利用现有现场采集传感器采集高端数控装备运行状态的多源传感器信息，并进行信息融合；2)对融合信号的时域、频域、小波域进行特征获取，并对提取的时域特征、频域特征和小波域特征进行特征融合；3)重构初始特征的多源多域高维相空间，采用局部线性嵌入结构进行降维，优化本征维数，构建能够反映低维流形的局部线性特性的邻域，获得运行状态高维空间中的低维流形变化；4)采用距离判据获得低维敏感特征，构建低维流形特征的增殖相似度实现对不同状态的识别；其中，相似度参数为xmin、xmax、ΔB、流形方向dir：xmin＝|xli+1-xli|，xmax＝|xri+1-xri|，▽B＝|yi+1-yi|流形方向dir∈{-1,1}式中，xli为流形x维最小值，xri为流形x维最大值，▽B为流形y维宽度即▽B＝|yimax-yimin|，yimin为流形y维最小值，yimax为流形y维最大值。2.如权利要求1所述的一种基于多源信息融合的高端数控装备状态识别方法，其特征在于：所述步骤3)中，采用局部线性嵌入结构进行降维包括以下步骤：3.1.1)给定一个高维数据集X＝{X1,X2,…,XL}∈RN，构造高维特征空间；假设Sn×v为高维特征矩阵空间，其中n为样本数，v为每个样本的维数，需求解Y＝{Y1,Y2,…,YL}∈Rd，使得Yi＝h(Xi)i∈R,i＝1,2,…,L，其中原有样本Xi为N维向量，降维后样本Yi为d维向量；3.1.2)计算高维数据集X中的任一样本Xi近邻点；3.1.3)求解权值矩阵W＝(wij)；3.1.4)保持权值矩阵W＝(wij)不变，最小化嵌入成本函数使低维重构误差最小；定义矩阵M＝(I-W)T(I-W),其中I为L阶单位阵，计算矩阵M的非零特征值对应的特征向量构建矩阵Y，每个特征向量对应Y的一列；3.1.5)输出l×d阶矩阵Y。3.如权利要求2所述的一种基于多源信息融合的高端数控装备状态识别方法，其特征在于：所述步骤3.1.3)中，求解如下：若Xi和Xj不是近邻点,则权值wij＝0且∑wij＝1，重构成本函数最小，则权值为：其中，Ci是Xi的局部协方差阵，元素Xj和Xk是数据点Xi的邻域点；Xm和Xl是数据点Xi的任意相邻...
【专利技术属性】
技术研发人员：王红军，谷玉海，赵川，王茂，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。