用于数控机床系统状态在线实时监测与评估的方法及系统技术方案

本发明专利技术提供了一种用于数控机床系统状态在线实时监测与评估的方法及系统，涉及设备状态监测、故障诊断领域，包括：对采集的数控机床系统运动部件振动信号标准化并在时域上进行切分；对切分后的振动信号进行小波包分解降噪和特征提取得到高维小波包能量特征集；通过自编码器对高维小波包能量特征集进行非线性映射，得到低维的信号特征空间；将马氏距离用于数控机床系统状态的度量，并将度量结果映射为状态指数。将上述方法及系统应用于负载状态下的数控机床系统状态监测与评估，不仅能实现系统状态的在线实时监测与评估，而且具有良好的稳定性和泛化能力。

【技术实现步骤摘要】
用于数控机床系统状态在线实时监测与评估的方法及系统
本专利技术属于设备状态监测、故障诊断领域，具体地说，涉及一种用于数控机床系统状态在线实时监测与评估的方法及系统。
技术介绍
目前，设备状态在线实时监测、故障智能诊断越来越成设备管理与维护的重中之重，而数控机床相关子系统的高精度的性能是其高效运行的重要保障。因此，及时有效地对数控机床系统进行状态监测与评估，对数控机床的运行维护与智能管理具有重大意义。
技术实现思路
为提高现有高精密数控机床的状态在线实时监测和故障智能诊断能力，本专利技术的目的是提供一种用于数控机床系统状态在线实时监测与评估的方法及系统。根据本专利技术提供的一种用于数控机床系统状态监测与评估的方法，包括：信号预处理步骤：对振动信号进行标准化处理，并在时域上进行切分；特征提取步骤：对预处理后的振动信号进行小波包分解降噪和特征提取。特征降维步骤：通过自编码器进行非线性映射降维。状态评估步骤：将马氏距离用于状态度量，并将度量结果映射为状态指数。可选地，所述信号预处理步骤中，预处理的目的包括：一是通过对振动信号进行标准化处理，可以提高后续的自编码器降维模型的稳定性。二是通过对标准化后的振动信号以1秒为单位在时域上进行切分，可以提高整个状态监测与评估方法的适应性。可选地，所述标准化处理具体为：将振动信号转换为均值为0，方差为1的标准化信号转换公式如下：其中t0,t1,t2,…,tn为时间序列。>可选地，所述特征提取步骤包括：利用小波包分解具有良好的降噪效果，对预处理后的振动信号进行小波包分解降噪，并计算重构信号的能量作为信号的有效特征，得到具有高维的小波包能量特征集。可选地，所述的小波包分解和能量特征提取具体为：小波包分解原理是下式：式中hl和gl为小波重构共轭高通和低通滤波器系数，为第j层第n个节点的第k个小波包系数。计算重构信号的能量特征如下式：则第j层的小波包重构信号的能量为可选地，所述的特征降维步骤包括：通过自编码器对高维小波包能量特征集进行非线性映射，自动降维，得到低维的信号特征空间。可选地，所述的自编码器降维具体为：根据自编码器结构搭建自编码器降维模型，设置模型学习率，训练次数和最小化目标函数J求解模型参数θ，使自编码器降维效果最佳。目标函数J如下式：式中，参数θ包括各神经元的权重w和偏置b，L为交叉熵损失函数，为编码器的激活函数，为解码器的激活函数，xi为某高维小波包能量特征可选地，所述的状态评估步骤包括：将马氏距离用于参考振动信号的低维特征空间与待测振动信号的低维特征空间之间的度量，并将度量结果映射为状态指数。可选地，所述的马氏距离度量具体为：设参考振动信号的低维特征空间Mr与待测振动信号的低维特征空间M的偏离度为Dm，M＝(M0,M1,M2,…,Mi)，Mr的均值为CM为M的协方差矩阵，则Dm为：Dm值越大，则反映待测振动信号与参考振动信号的相似性越小，反之则越大。可选地，所述的状态指数SI具体为；式中，δ为调节因子，用以调整SI的变化趋势，使偏离度Dm能够均匀地映射到(1,0)，该参数可通过实验得到。根据本专利技术提供的一种用于数控机床系统状态在线实时监测与评估的系统，包括：信号预处理模块：对采集的振动信号进行标准化处理，并在时域上以1秒为单位进行切分。特征提取模块：对预处理后的振动信号进行小波包5层降噪，并计算重构信号的第5层节点的能量作为信号的有效特征。特征降维模块：利用自编码器对特征提取后的高维小波包能量特征集进行非线性映射，得到低维的信号特征空间。状态评估模块：将马氏距离用于数控机床系统状态的度量，并将度量结果映射为状态指数。状态监测与可视化模块：将数控机床系统在线实时的状态进行可视化，实现系统状态变化的在线、实时和智能监测。与现有技术相比，本专利技术具有如下的有效效果：1)本专利技术充分利用现有数控机床的软硬件设施，通过采集的振动信号进行信号处理与状态评估，搭建了一种用于数控机床系统状态在线实时监测与评估的方法及系统。2)本专利技术通过对振动信号进行标准化处理，利用深度学习中的自编码器进行特征自动降维，使整个状态监测与评估流程具有良好的稳定性和泛化能力。3)本专利技术的方法及系统应用到负载状态下的数控机床系统上，经验证，可以实现数控机床系统状态的在线、实时与智能监测，具有良好的有效性和适应能力。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术一种用于数控机床系统状态在线实时监测与评估的方法及系统的流程图。图2为本专利技术应用到负载状态下某一时刻数控机床进给系统的状态监测与评估的可视化图图3为本专利技术应用到负载状态下整个实际加工过程数控机床进给系统X向丝杠1切向的状态监测与评估的可视化图。具体实施方法以下将配合实施例来详细说明本专利技术的实施方式，借此对本专利技术如何应用技术手段来解决技术问题并达成技术功效，对实现过程能充分理解并据以实施。如图1所示，本专利技术提供的一种用于数控机床系统状态在线实时监测与评估的方法及系统，包括：步骤1：信号预处理。对振动信号进行标准化处理，并在时域上进行切分；步骤2：特征提取。对预处理后的振动信号进行小波包分解降噪和特征提取。步骤3：特征降维。通过自编码器进行非线性映射降维。步骤4：状态评估。将马氏距离用于状态度量，并将度量结果映射为状态指数。步骤5：状态监测与可视化。将上述方法及系统应用到负载状态下数控机床系统中，对系统状态进行监测与可视化。所述步骤1中的信号预处理，预处理的目的包括：1)通过对振动信号进行标准化处理，可以提高后续的自编码器降维模型的稳定性。2)通过对标准化后的振动信号以1秒为单位在时域上进行切分，可以提高整个状态监测与评估方法的适应性。所述步骤1中信号预处理的标准化处理，具体为：将振动信号转换为均值为0，方差为1的标准化信号转换公式如下：其中t0,t1,t2,…,tn为时间序列。所述步骤2中的特征提取，具体包括：利用小波包分解具有良好的降噪效果，对预处理后的振动信号进行小波包5层分解降噪，小波包基函数选取Daubechies4，并计算第5层重构信号的能量作为信号的有效特征，得到具有32维的小波包能量特征集。所述步骤2中的小波包分解和能量特征提取，具体为：小波包分解原理是下式：式中hl和gl为小波重构共轭高通和低通滤波器系数，为第j层第n个节点的第k个本文档来自技高网...

【技术保护点】
1.一种用于数控机床系统状态监测与评估的方法，其特征在于，包括：/n信号预处理步骤：对振动信号进行标准化处理，并在时域上进行切分；/n特征提取步骤：对预处理后的振动信号进行小波包分解降噪和特征提取。/n特征降维步骤：通过自编码器进行非线性映射降维。/n状态评估步骤：将马氏距离用于状态度量，并将度量结果映射为状态指数。/n

【技术特征摘要】
1.一种用于数控机床系统状态监测与评估的方法，其特征在于，包括：
信号预处理步骤：对振动信号进行标准化处理，并在时域上进行切分；
特征提取步骤：对预处理后的振动信号进行小波包分解降噪和特征提取。
特征降维步骤：通过自编码器进行非线性映射降维。
状态评估步骤：将马氏距离用于状态度量，并将度量结果映射为状态指数。


2.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，在所述信号预处理步骤中，预处理的目的包括：
一是通过对振动信号进行标准化，可以提高后续的自编码器降维模型的稳定性。
二是通过对标准化后的振动信号以1秒为单位在时域上进行切分，可以提高整个状态监测与评估方法的适应性。


3.根据权利要求2所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，标准化具体为：
将振动信号转换为均值为0，方差为1的标准化信号转换公式如下：



其中t0,t1,t2,…,tn为时间序列。


4.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的特征提取步骤包括：
利用小波包分解具有良好的降噪效果，对预处理后的振动信号进行小波包分解降噪，并计算重构信号的能量作为信号的有效特征，得到具有高维的小波包能量特征集。


5.根据权利要求4所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的小波包分解和能量特征具体为：
小波包分解原理是下式：






式中hl和gl为小波重构共轭高通和低通滤波器系数，为第j层第n个节点的第k个小波包系数。
计算重构信号的能量特征如下式：



则第j层的小波包重构信号的能量为


6.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的特征降维步骤包括：
通过自编码器对高维小波包能量特征集进行非线性映射，自动降维，得到低维的信号特征空间。


7.根据权利要求6所述的一种用于数控机床系统状...

【专利技术属性】
技术研发人员：陈志祥，杨仕堂，
申请(专利权)人：上海交大智邦科技有限公司，交大智邦枣庄数字科技有限公司，
类型：发明
国别省市：上海;31