一种基于声音信号的机床故障预测方法技术

本发明专利技术属于数控机床故障预测相关技术领域，并公开了一种基于声音信号的机床故障预测方法。该预测方法包括下列步骤：(a)对于待预测机床，采集其在正常状态和不同故障状态下发出的音频信号，以此形成机床状态与音频信号一一对应的数据集；(b)对所述数据集中的数据进行数据处理，获得训练数据；(c)构建故障预测神经网络模型，利用所述训练数据对所述预测神经网络模型进行训练，以此获得所需的预测模型，利用该预测模型对于待预测机床的状态进行预测，以此实现机床故障的预测。通过本发明专利技术，避免计算零件的特征频率，减少计算量，提高了机床故障类型的识别速度。

【技术实现步骤摘要】
一种基于声音信号的机床故障预测方法
本专利技术属于数控机床故障预测相关
，更具体地，涉及一种基于声音信号的机床故障预测方法。
技术介绍
机床开动之后，由于各运动副之间作旋转或往复直线滑动，周期地接触和分开，它们之间由于相互运动而产生一定的振动。此外，机床整个传动系统还会发生共振。因此，任何机床不管其结构如何合理。装配如何精确、操作如何得当，一经开动即会产生噪音。如果声音是有节奏的，和谐的，则属于正常现象，如果反之，声音过大，十分刺耳，则属于不正常现象。数控机床是个多声源的机械，包括电气噪声、电机丝杠噪声、齿轮箱噪声等。齿轮箱可以看作为质量弹簧组成的一个振动系统，轮齿的弹簧刚度具有周期性变化的性质，制造装配误差、传动误差的存在和扭矩的变动形成激振力，在此激振力的作用下，齿轮会产生振动，此振动通过轴、轴承传给齿轮箱，轴承、轴等的振动也传给齿轮箱，产生箱体的振动。同时振动还以固体声和空气声的形式传播成为噪声，齿轮箱运转噪声本质上属于冲击噪声，冲击噪声可以分为两部分，即加速度噪声与自鸣噪声。所谓加速度噪声是指被撞击的物体产生瞬时加速度，从本文档来自技高网...

【技术保护点】
1.一种基于声音信号的机床故障预测方法，其特征在于，该预测方法包括下列步骤：/n(a)对于待预测机床，采集其在正常状态和不同故障状态下发出的音频信号，以此形成机床状态与音频信号一一对应的数据集；/n(b)对所述数据集中的数据进行数据处理，获得训练数据，所述数据处理按照下列步骤进行：/n(b1)对所述音频信号集中的音频信号进行傅里叶处理，获得每个音频信号对应的关于频率和声压关系的频谱图；/n(b2)根据正常状态下声压设定声压阈值，将所述频谱图中每个点对应的声压与设定的声压阈值进行比较，对于大于所述声压阈值的点，赋予一个标记值，对于小于所述声压阈值的点，赋予另外一个标记值，以此获得每幅频谱图中每个...

【技术特征摘要】
1.一种基于声音信号的机床故障预测方法，其特征在于，该预测方法包括下列步骤：
(a)对于待预测机床，采集其在正常状态和不同故障状态下发出的音频信号，以此形成机床状态与音频信号一一对应的数据集；
(b)对所述数据集中的数据进行数据处理，获得训练数据，所述数据处理按照下列步骤进行：
(b1)对所述音频信号集中的音频信号进行傅里叶处理，获得每个音频信号对应的关于频率和声压关系的频谱图；
(b2)根据正常状态下声压设定声压阈值，将所述频谱图中每个点对应的声压与设定的声压阈值进行比较，对于大于所述声压阈值的点，赋予一个标记值，对于小于所述声压阈值的点，赋予另外一个标记值，以此获得每幅频谱图中每个点对应的标记值；
(c)构建故障预测神经网络模型，利用所述训练数据对所述预测神经网络模型进行训练，以此获得所需的预测模型，对于待预测机床的状态，将其发出的音频信号按照步骤(b)中的方式进行数据处理，将处理后的数据输入所述预测模型获得待预测机床的状态，以此实现机床故障的预测。


2.如权利要求1所述的一种基...

【专利技术属性】
技术研发人员：杨建中，郝勇，方问潮，黄德海，陈雨，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42