[发明专利]一种数控机床电气柜状态评估方法

权利要求书

1.一种数控机床电气柜状态评估方法，其特征在于，包括如下步骤：

步骤1：采集电气柜内各个温度传感器的数据，将同一时刻内各个温度传感器的数据记为一个样本，并记录该样本对应的电气柜工作状态，得到样本集；

步骤2：从所述样本集中提取温度特征值，得到温度特征值构成的特征值数列X(k)，X(k)＝(x₁(k),x₂(k),...,x_n(k))，k为整个样本数据序列的温度采样序号，n为单个样本维度，x_i(k)为温度特征值，i＝[1,n]；

步骤3：计算温度特征值x_i(k)与其对应的电气柜工作状态的灰色关联系数γ_i，并给每个传感器通道与机床工作状态的关联系数分配相应权值ω_i；

步骤4：按照各个样本的大小将电气柜工作状态分为三类，第一类为：电气柜正常工作，元器件无异常；第二类为：电气柜基本正常工作，元器件出现性能退化，但不影响电气柜运行；第三类：电气柜工作异常，需要停机检修；找到第一类工作状态中的最小值第二类工作状态中的最小值

步骤5：计算新样本的如果则判断电气柜正常工作，元器件无异常；如果则判断电气柜基本正常工作，元器件出现性能退化，但不影响电气柜运行；如果则判断电气柜工作异常，需要停机检修；

步骤4中的计算方法为：

将所述特征值数列放入模糊神经网络中进行网络学习，所述模糊神经网络包括输入层、模糊化层、输入信号激活层、去模糊化层、输出层；所述模糊化层采用高斯隶属函数进行计算，隶属函数中心值的计算公式为：

隶属函数宽度值的计算公式为：

其中，t＝1，2，3；l为迭代次数；η为学习效率；E为实际输出与期望输出之间的误差；为对隶属函数中心值求关于E的偏导，为对隶属函数宽度值求关于E的偏导；x为温度特征值；则所述模糊化层的计算公式为：

所述输入信号激活层的计算公式为：

所述去模糊化层的计算公式为：

f_t(x)＝N_t(x)(λ_tx+μ_t)，

其中，

t₀为初始值，所述输出层的计算公式为：

具体网络学习步骤如下：

1)首先将隶属函数的中心值、宽度值置为趋于0的随机数，计算网络实际输出与期望输出之间的误差其中，Z_q和Z分别是输出层的期望输出值与实际输出值；

2)当误差E满足精度要求时训练结束，否则修正学习效率和迭代次数继续训练；

相应模糊规则如下：

If(x is M₁)then(f₁＝N₁(x)(λ₁x+μ₁))

If(x is M₂)then(f₂＝N₂(x)(λ₂x+μ₂))

If(x is M₃)then(f₃＝N₃(x)(λ₃x+μ₃))

f₁对应电气柜第一类工作状态；f₂对应电气柜第二类工作状态；f₃对应电气柜第三类工作状态；将f_t所对应的温度特征值作为样本数据计算相应的f₁、f₂对应的的最小值即分别为

2.根据权利要求1所述的一种数控机床电气柜状态评估方法，其特征在于，步骤2中，采用线性回归分析法提取温度特征值：

建立一元线性回归模型，表示为：

y＝as+b

其中，y为温度值，s为采样时间窗口序号，a为温度数列的线性特征值，b为温度数列的线性常量，i为单个样本中数据采样序号，n为单个样本维度。