离心压缩机叶轮加工刀具磨损数据标记方法技术

本发明专利技术涉及离心压缩机叶轮加工刀具磨损数据标记方法，属于重大装备关键部件智能诊断技术领域。本发明专利技术采集离心压缩机叶轮加工过程中主轴电机电流信号，数控机床主轴转速实时变化，将采集到的电流一维时间序列信号做成三维图片，构建含有四个隐含层的深度神经网络模型，利用条件概率函数约束神经网络模型，行成条件概率深度神经网络模型。利用少量标记样本训练神经网络，用于大量未标记样本的标签预测，实现海量工程信号的标记。该方法可以标记大量未标记信号，为重大装备智能运维的研究奠定基础，实现企业的最大利用化。实现企业的最大利用化。实现企业的最大利用化。

【技术实现步骤摘要】
离心压缩机叶轮加工刀具磨损数据标记方法


[0001]本专利技术涉及离心压缩机叶轮加工刀具磨损数据标记方法，基于条件随机场神经网络标记工业离心压缩机叶轮加工过程中刀具磨损数据，属于重大装备关键部件智能诊断


技术介绍

[0002]随着科学技术的发展，重大装备关键部件的智能运维已成为产业创新发展的重要组成部分，数据驱动的关键部件智能监测方法被广泛应用于部件的性能退化检测中。其主要思想是通过多种传感器采集大量样本，并自动学习和识别信号特征。现有的数据驱动方法大多依赖于大量的标记信号来建立预测和诊断模型。在实验室信号采集过程中，可以随时停机查看刀具磨损状态，且数据量小，标记数据可以通过实时测量后刀面磨损量获取。然而，在工程应用中，实时停机查看刀具的磨损状态并不现实，面对工程应用中海量加工数据，很难获得标记的信号。因此，开发一种信号自动标注和截取方法，对于基于数据驱动的关键部件智能诊断具有重要的现实意义。
[0003]在离心压缩机叶轮加工中，主要存在以下两个问题：(1)工程应用中采集的数据庞大而复杂，是包含切削段信号和空刀具段信号的混合信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.离心压缩机叶轮加工刀具磨损数据标记方法，其特征在于，具体步骤如下：步骤1：加工信号处理：将主轴电流一维时间序列信号转换成三维图片；步骤2：构建条件随机场约束函数：对于采集到的叶轮加工过程中的主轴电流一维时间序列信号X＝[x1,x2,
…
,x
t
]，预测输出相关序列[y1,y2,
…
,y
t
]的条件概率为：Z(X,θ)＝∑exp<F(X,Y),θ>
ꢀꢀꢀꢀ
(2)其中，F(X,Y)表示特征函数向量，θ表示要学习的模型参数为输入信号，Z(X,θ)是通过对所有可能的标签序列求和得到的归一化因子，<
·
>表示两个向量之间的内积；特征函数向量进一步写成：考虑到两个相邻标签之间的相互作用，Z(X,θ)被视为连续标签的总和，T为样本总数，因此，公式(1)重新定义为：其中J是所有特征函数个数之和；步骤3：搭建刀具磨损...

【专利技术属性】
技术研发人员：李宏坤，欧佳玉，王朝东，代月帮，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：