一种基于反馈数据的数控机床加工状态监测方法及系统技术方案

本发明专利技术公开了一种基于反馈数据的数控机床加工状态监测方法及系统，包括：根据数控机床的基础信息获取机床故障数据集，将故障样本进行特征精简，利用精简后的故障特征进行故障样本的分类，获取各故障样本的低维故障特征集；筛选不同工况下对应的多维特征参数，获取故障反馈数据，根据故障反馈数据生成含有工况特征的故障表征；构建加工状态监测模型，识别数控机床的当前工况并进行故障决策；获取故障决策结果追溯故障根源，并根据故障追溯结果确定数控机床的运维方向

【技术实现步骤摘要】
一种基于反馈数据的数控机床加工状态监测方法及系统


[0001]本专利技术涉及数控加工状态监测
，更具体的，涉及一种基于反馈数据的数控机床加工状态监测方法及系统
。

技术介绍

[0002]数控机床状态监测作为机床智能化研究的核心
,
在保障机床安全稳定运行
、
提高加工质量及生产效率等方面发挥重要作用
,
而数控机床加工过程状态识别作为机床状态监测的关键部分
。
机床的动态特性决定了其切削特性，并直接决定了数控机床的加工稳定性
、
切削能力和精度等性能指标
。
因此获取机床更准确的动态特征及模态参数，可以有效地识别异常状态同时提高加工精度，实现数控机床装备的优化运行及管理
。
[0003]准确获取生产中数控机床的运行情况，掌握机床的加工状态，对于生产管理人员提升设备能效
、
把握加工进度
、
配置生产任务具有重大意义
。
车间的数控机床设备数量众多，人工监督设备的状态效率低，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于反馈数据的数控机床加工状态监测方法，其特征在于，包括以下步骤：根据数控机床的基础信息获取机床故障数据集，将所述机床故障数据集中的故障样本进行特征精简，利用精简后的故障特征进行故障样本的分类，获取各故障类别的低维故障特征集；通过所述低维故障特征集筛选不同工况下对应的多维特征参数，基于所述多维特征参数获取故障反馈数据，根据所述故障反馈数据生成含有工况特征的故障表征；基于含有工况特征的故障表征构建加工状态监测模型，识别数控机床的当前工况，根据当前工况对应的多维特征参数进行故障决策；根据低维故障特征集构建故障机理图谱，获取故障决策结果追溯故障根源，并根据故障追溯结果确定数控机床的运维方向
。2.
根据权利要求1所述的一种基于反馈数据的数控机床加工状态监测方法，其特征在于，将所述机床故障数据集中的故障样本进行特征精简，利用精简后的故障特征进行故障样本的分类，具体为：获取数控机床的基础信息，通过基础信息建立检索标签利用大数据方法获取故障数据，所述故障数据包括故障信号参数
、
故障位置
、
故障原因
、
故障模式
、
故障处理方法及故障影响；根据所述故障数据生成故障样本构建故障数据集，对所述故障数据集中的故障样本进行数据降维，并通过故障数据的文本描述进行预分类；将数据降维后的故障样本进行主成分分析，获取预分类中各特征的期望累计贡献度，预设期望累计贡献度阈值，在预分类中筛选预设数量的特征进行数据精简，利用对应的特征向量作为主成分方向，将各特征在所述主成分方向进行投影构成投影矩阵；将预分类中的各故障样本与所述投影矩阵进行相似度计算，根据所述相似度进行故障样本预分类的分类调整，获取最终分类结果，在不同分类结果中利用精简后的特征结合所述投影矩阵生成故障样本的低维故障特征集
。3.
根据权利要求1所述的一种基于反馈数据的数控机床加工状态监测方法，其特征在于，通过所述低维故障特征集筛选不同工况下对应的多维特征参数，基于所述多维特征参数获取故障反馈数据，具体为：根据历史生产数据获取不同生产任务及对应的振动信号，根据数控机床各轴的刀具种类
、
转速及给进量预设工况类别，通过所述工况类别确定类簇数量，对不同生产任务的振动信息进行聚类分析；获取不同工况类别对应的工况特征，利用所述工况特征将不同故障样本进行分类，为故障样本设置工况标签，利用故障样本的种类信息统计分析同一工况标签下的高频故障种类；根据高频故障种类利用
Fisher
算法在低维故障特征集中进行多维特征参数选取，以最大故障识别准确率为目标，判断不同信号参数的重要度及维度是否满足预设要求，获取符合预设要求的敏感信号参数作为当前工况标签下的多维特征参数；根据不同工况标签下的多维特征参数获取各种类故障的故障反馈数据，根据所述故障反馈数据生成含有工况特征的故障表征
。4.
根据权利要求1所述的一种基于反馈数据的数控机床加工状态监测方法，其特征在
于，基于含有工况特征的故障表征构建加工状态监测模型，具体为：构建加工状态监测模型，利用含有工况特征的故障表征对所述加工状态监测模型进行训练，所述加工状态监测模型分为工况识别分支及故障决策分支；获取数控机床当前时间戳的振动信号作为工况识别分支的输入，通过深度卷积网络结合注意力机制提取当前时间戳的振动特征，对所述振动特征进行注意力加权；将加权后的振动特征导入全连接层进行特征组合，将特征组合序列导入
Seq2Seq
模型进行编码，根据隐层状态信息获取特征组合之间的时间相关性，通过解码器迭代计算后获取特征时序信息；通过
Softmax
激活函数进行工况识别，获取当前时间戳的工况信息，根据当前工况获取对应的多维特征参数
。5.
根据权利要求4所述的一种基于反馈数据的数控机床加工状态监测方法，其特征在于，所述故障决策分支，具体为：根据当前工况对应的多维特征参数提取数控机床当前时间戳的信号集合，作为故障决策分支的输入；通过自编码器网络对输入的信号集合进行自监督特征编码及重构，获取不同信号特征的关联度，获取所述自编码器网络的重构误差对特征编码及重构进行优化，利用解码器获取重构的信号特征；提取重构后的信号特征的关联度，根据所述关联度将不同信号特征进行图表示，利用图卷积网络对所述图表示进行学习获取图结构数据，并将所述图结构数据利用邻居矩阵进行表示；通过多头注意力机制为不同的邻居节点赋予注意力权重，通过加权聚合更新节点的特征表示，获取信号融合特征的嵌入表示，根据所述信号融合特征的嵌入表示在低维空间中计算与当前工况下高频故障的曼哈顿距离；当所述曼哈顿距离小于预设距离阈值时，选取最近距离...

【专利技术属性】
技术研发人员：王庆宏，汤晓丹，刘建宏，王庆茂，
申请(专利权)人：广东德力宏展智能装备有限公司，
类型：发明
国别省市：