适用于极端环境的机床故障预测模型生成方法及相关设备技术

本发明专利技术提供适用于极端环境的机床故障预测模型生成方法及相关设备，涉及数控机床技术领域，方法包括：获取第一训练数据以及所述第一训练数据对应的第一环境描述文本；将所述第一环境描述文本输入至已训练的样本生成模型中，获取所述样本生成模型输出的多个第二样本状态数据；基于所述第二样本状态数据和所述第一训练数据中的机床故障预测标签，生成第二训练数据；基于多组训练数据训练机床故障预测模型，所述机床故障预测模型用于基于输入的待预测机床的状态数据，输出所述待预测机床的故障预测结果，所述多组训练数据包括多组所述第一训练数据和多组所述第二训练数据。本发明专利技术可以生成适用于极端环境下的机床故障预测模型。生成适用于极端环境下的机床故障预测模型。生成适用于极端环境下的机床故障预测模型。

【技术实现步骤摘要】
适用于极端环境的机床故障预测模型生成方法及相关设备


[0001]本专利技术涉及数控机床
，尤其涉及适用于极端环境的机床故障预测模型生成方法及相关设备。

技术介绍

[0002]数控机床运行的极端环境是指一种或多种环境参数，例如湿度、温度、粉尘浓度等，超出数控机床常见的运行环境参数范围。在现有技术中，存在利用历史数据建立故障预测模型并训练，将机床的运行状态数据输入至训练后的故障预测模型进行机床故障预测的方式，但是深度学习模型的准确性需要大量的训练数据来支撑，而在极端环境下的采集的数控机床的状态数据的数据量不足，不足以训练得到适用于极端环境的机床故障预测模型。

技术实现思路

[0003]本专利技术提供一种适用于极端环境的机床故障预测模型生成方法及相关设备，用以解决现有技术中无法得到适用于极端环境的机床故障预测模型的缺陷，实现生成适用于极端环境的机床故障预测模型。
[0004]本专利技术提供一种适用于极端环境的机床故障预测模型生成方法，包括：获取第一训练数据以及所述第一训练数据对应的第一环境描述文本，所述第一训练数据包括第一样本待预测机床的第一样本状态数据和所述第一样本状态数据对应的机床故障预测标签，所述第一环境描述文本反映所述第一样本待预测机床的运行环境，在采集所述第一样本状态数据时，所述第一样本待预测机床的运行环境参数超出预设范围；将所述第一环境描述文本输入至已训练的样本生成模型中，获取所述样本生成模型输出的多个第二样本状态数据，其中，所述样本生成模型与判别器共同被训练，所述判别器用于基于输入的样本状态数据，输出所述样本状态数据对应的真实性分类结果，所述真实性分类结果用于反映所述样本状态数据被归类为所述第一样本状态数据或所述第二样本状态数据的概率；基于所述第二样本状态数据和所述第一训练数据中的机床故障预测标签，生成第二训练数据；基于多组训练数据训练机床故障预测模型，所述机床故障预测模型用于基于输入的待预测机床的状态数据，输出所述待预测机床的故障预测结果，所述多组训练数据包括多组所述第一训练数据和多组所述第二训练数据。
[0005]根据本专利技术提供的一种适用于极端环境的机床故障预测模型生成方法，所述样本生成模型包括第一特征提取模块和生成器，所述样本生成模型的训练过程包括：将所述第一环境描述文本输入至所述第一特征提取模块中，获取所述第一特征提取模块输出的第一语义特征；将所述第一语义特征输入至所述生成器中，获取所述生成器输出的多个第三样本
状态数据；将所述多个第三样本状态数据和至少一个所述第一样本状态数据组成一个训练批次，将所述训练批次中的样本状态数据分别输入至所述判别器，获取所述判别器分别输出的各个所述真实性分类结果；基于所述真实性分类结果以及所述真实性分类结果对应的输入数据，确定第一训练损失，所述输入数据为输入至所述判别器的数据；基于所述第一训练损失更新所述第一特征提取模块和所述判别器的参数。
[0006]根据本专利技术提供的一种适用于极端环境的机床故障预测模型生成方法，所述基于所述真实性分类结果以及所述真实性分类结果对应的输入数据，确定第一训练损失，包括：基于所述真实性分类结果以及所述真实性分类结果对应的输入数据之间的一致性，确定第一分损失；获取所述多个第三样本状态数据的方差，基于所述方差确定第二分损失，其中，所述方差与所述第二分损失负相关；对所述第一分损失和所述第二分损失进行加权求和，到所述第一训练损失。
[0007]根据本专利技术提供的一种适用于极端环境的机床故障预测模型生成方法，所述基于所述第一训练损失更新所述第一特征提取模块和所述判别器的参数，包括：将第二环境描述文本输入至所述第一特征提取模块中，获取所述第一特征提取模块输出的第二语义特征，其中，所述第二环境描述文本反映第二样本数控机床的运行环境，所述第二样本数控机床的运行环境参数在所述预设范围内；将所述多个第三样本状态数据分别输入至第二特征提取模块中，获取所述第二特征提取模块输出的第二故障预测特征，将所述多个第三样本状态数据对应的所述第一样本状态数据输入至所述第二特征提取模块中，获取所述第二特征提取模块输出的第一故障预测特征，所述第二特征提取模块输出的故障预测特征为基于所述第二特征提取模块从输入至所述第二特征提取模块数据中提取的用于预测机床故障的特征；基于所述第一语义特征和所述第二语义特征确定第二训练损失；基于各个所述第二故障预测特征分别与所述第一故障预测特征之间的差异确定第三训练损失；基于所述第一训练损失、所述第二训练损失和所述第三训练损失更新所述第一特征提取模块、所述判别器和所述第二特征提取模块的参数。
[0008]根据本专利技术提供的一种适用于极端环境的机床故障预测模型生成方法，所述机床故障预测模型包括所述第二特征提取模块和预测模块；所述基于多组训练数据训练机床故障预测模型，包括：基于所述多组训练数据更新所述机床故障预测模型中的预测模块的参数。
[0009]根据本专利技术提供的一种适用于极端环境的机床故障预测模型生成方法，所述基于所述第二样本状态数据和所述第一训练数据中的机床故障预测标签，生成第二训练数据，包括：将所述第二样本状态数据和所述第二样本状态数据对应的所述机床故障预测标签组合，得到所述第二训练数据，其中，所述第二样本状态数据对应的所述机床故障预测标签是用于生成所述第二样本状态数据的所述第一环境描述文本对应的所述第一训练数据
中的所述机床故障预测标签。
[0010]根据本专利技术提供的一种适用于极端环境的机床故障预测模型生成方法，所述状态数据为振动数据和声波数据。
[0011]本专利技术还提供一种适用于极端环境的机床故障预测模型生成装置，包括：第一数据获取模块，用于获取第一训练数据以及所述第一训练数据对应的第一环境描述文本，所述第一训练数据包括第一样本待预测机床的第一样本状态数据和所述第一样本状态数据对应的机床故障预测标签，所述第一环境描述文本反映所述第一样本待预测机床的运行环境，在采集所述第一样本状态数据时，所述第一样本待预测机床的运行环境参数超出预设范围；第二数据生成模块，用于将所述第一环境描述文本输入至已训练的样本生成模型中，获取所述样本生成模型输出的多个第二样本状态数据，其中，所述样本生成模型与判别器共同被训练，所述判别器用于基于输入的样本状态数据，输出所述样本状态数据对应的真实性分类结果，所述真实性分类结果用于反映所述样本状态数据被归类为所述第一样本状态数据或所述第二样本状态数据的概率；训练数据扩充模块，用于基于所述第二样本状态数据和所述第一训练数据中的机床故障预测标签，生成第二训练数据；训练模块，用于基于多组训练数据训练机床故障预测模型，所述机床故障预测模型用于基于输入的待预测机床的状态数据，输出所述待预测机床的故障预测结果，所述多组训练数据包括多组所述第一训练数据和多组所述第二训练数据。
[0012]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述适用于极端环境的机床故障预测模型生成方法。
[0013本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于极端环境的机床故障预测模型生成方法，其特征在于，包括：获取第一训练数据以及所述第一训练数据对应的第一环境描述文本，所述第一训练数据包括第一样本待预测机床的第一样本状态数据和所述第一样本状态数据对应的机床故障预测标签，所述第一环境描述文本反映所述第一样本待预测机床的运行环境，在采集所述第一样本状态数据时，所述第一样本待预测机床的运行环境参数超出预设范围；将所述第一环境描述文本输入至已训练的样本生成模型中，获取所述样本生成模型输出的多个第二样本状态数据，其中，所述样本生成模型与判别器共同被训练，所述判别器用于基于输入的样本状态数据，输出所述样本状态数据对应的真实性分类结果，所述真实性分类结果用于反映所述样本状态数据被归类为所述第一样本状态数据或所述第二样本状态数据的概率；基于所述第二样本状态数据和所述第一训练数据中的机床故障预测标签，生成第二训练数据；基于多组训练数据训练机床故障预测模型，所述机床故障预测模型用于基于输入的待预测机床的状态数据，输出所述待预测机床的故障预测结果，所述多组训练数据包括多组所述第一训练数据和多组所述第二训练数据。2.根据权利要求1所述的适用于极端环境的机床故障预测模型生成方法，其特征在于，所述样本生成模型包括第一特征提取模块和生成器，所述样本生成模型的训练过程包括：将所述第一环境描述文本输入至所述第一特征提取模块中，获取所述第一特征提取模块输出的第一语义特征；将所述第一语义特征输入至所述生成器中，获取所述生成器输出的多个第三样本状态数据；将所述多个第三样本状态数据和至少一个所述第一样本状态数据组成一个训练批次，将所述训练批次中的样本状态数据分别输入至所述判别器，获取所述判别器分别输出的各个所述真实性分类结果；基于所述真实性分类结果以及所述真实性分类结果对应的输入数据，确定第一训练损失，所述输入数据为输入至所述判别器的数据；基于所述第一训练损失更新所述第一特征提取模块和所述判别器的参数。3.根据权利要求2所述的适用于极端环境的机床故障预测模型生成方法，其特征在于，所述基于所述真实性分类结果以及所述真实性分类结果对应的输入数据，确定第一训练损失，包括：基于所述真实性分类结果以及所述真实性分类结果对应的输入数据之间的一致性，确定第一分损失；获取所述多个第三样本状态数据的方差，基于所述方差确定第二分损失，其中，所述方差与所述第二分损失负相关；对所述第一分损失和所述第二分损失进行加权求和，到所述第一训练损失。4.根据权利要求2所述的适用于极端环境的机床故障预测模型生成方法，其特征在于，所述基于所述第一训练损失更新所述第一特征提取模块和所述判别器的参数，包括：将第二环境描述文本输入至所述第一特征提取模块中，获取所述第一特征提取模块输出的第二语义特征，其中，所述第二环境描述文本反映第二样本数控机床的运行环境，所述
第二样本数控机床的运行环境参数在所述预设范围内；将所述多个第三样本状态数据分别输入至第二特征提取模块中，获取所述第二特征提取模块输出的第二故障预测特征，将所述多个第三样本状态数据对应的所述第一样本状态数据输入至所述第二特征提取模块中，获取所述第二特征提取模块输出的第一...

【专利技术属性】
技术研发人员：谭勇，杨之乐，苏辉南，肖溱鸽，
申请(专利权)人：中科航迈数控软件深圳有限公司，
类型：发明
国别省市：