[发明专利]一种智能制造过程故障识别结果的智能表达方法及装置

权利要求书

1.一种智能制造过程故障识别结果的智能表达方法，其特征在于，包括以下步骤：

步骤A、采集制造过程中产生的历史故障信号，剔除噪声信号，生成样本故障数据；

步骤B、将样本故障数据生成单层网络数据；

步骤C、将单层网络训练的权重拆分为多个基函数的组合；

步骤D、生成可视化的深层网络参数；

步骤E、确定当前层与上一层之间特征空间相似特性与变化趋势；

步骤F、表达基于深度网络的故障识别结果；

其中，所述步骤A中所述历史故障数据包括：制造过程中产生的信号的幅值、相位和频率；所述制造过程中产生的信号由故障信号和噪声信号组成；

所述步骤C具体包括：通过单层网络的参数可视化，将单层网络训练的权重拆分为多个基函数的组合，通过原始信号与多个基函数的点积变换从而进行单层网络的特征提取；

所述步骤D具体包括：

步骤D1、可视化单层网络参数；

步骤D2、获取深度网络中当前层神经元与上一层神经元之间存在的激活关系；

步骤D3、确定激活当前层神经元节点的最大输入模式，将所述节点作为上一层滤波器的线性加权组合；

步骤D4、生成深层网络参数；

步骤D5、将深层网络参数的可视化；

所述步骤E具体包括：

通过逐层可视化网络提取的特征，确定当前层与上一层之间特征空间相似特性与变化趋势。

2.一种智能制造过程故障识别结果的智能表达装置，其特征在于，包括控制模块和存储控制指令的存储模块，控制模块读取所述指令执行以下步骤：

步骤A、采集制造过程中产生的历史故障信号，剔除噪声信号，生成样本故障数据；

步骤B、将样本故障数据生成单层网络数据；

步骤C、将单层网络训练的权重拆分为多个基函数的组合；

步骤D、生成可视化的深层网络参数；

步骤E、确定当前层与上一层之间特征空间相似特性与变化趋势；

步骤F、表达基于深度网络的故障识别结果；

其中，所述步骤A中所述历史故障数据包括：制造过程中产生的信号的幅值、相位和频率；所述制造过程中产生的信号由故障信号和噪声信号组成；

所述步骤C中控制模块读取所述指令具体执行步骤为：

通过单层网络的参数可视化，将单层网络训练的权重拆分为多个基函数的组合，通过原始信号与多个基函数的点积变换从而进行单层网络的特征提取；

所述步骤D中控制模块读取所述指令具体执行步骤为：

步骤D1、可视化单层网络参数；

步骤D2、获取深度网络中当前层神经元与上一层神经元之间存在的激活关系；

步骤D3、确定激活当前层神经元节点的最大输入模式，将所述节点作为上一层滤波器的线性加权组合；

步骤D4、生成深层网络参数；

步骤D5、将深层网络参数的可视化；

所述步骤E中控制模块读取所述指令具体执行步骤为：

通过逐层可视化网络提取的特征，确定当前层与上一层之间特征空间相似特性与变化趋势。