[发明专利]一种基于声音信号的机床故障预测方法

权利要求书

1.一种基于声音信号的机床故障预测方法，其特征在于，该预测方法包括下列步骤：

(a)对于待预测机床，采集其在正常状态和不同故障状态下发出的音频信号，以此形成机床状态与音频信号一一对应的数据集；

(b)对所述数据集中的数据进行数据处理，获得训练数据，所述数据处理按照下列步骤进行：

(b1)对所述音频信号集中的音频信号进行傅里叶处理，获得每个音频信号对应的关于频率和声压关系的频谱图；

(b2)根据正常状态下声压设定声压阈值，将所述频谱图中每个点对应的声压与设定的声压阈值进行比较，对于大于所述声压阈值的点，赋予一个标记值，对于小于所述声压阈值的点，赋予另外一个标记值，以此获得每幅频谱图中每个点对应的标记值；

(c)构建故障预测神经网络模型，利用所述训练数据对所述预测神经网络模型进行训练，以此获得所需的预测模型，对于待预测机床的状态，将其发出的音频信号按照步骤(b)中的方式进行数据处理，将处理后的数据输入所述预测模型获得待预测机床的状态，以此实现机床故障的预测。

2.如权利要求1所述的一种基于声音信号的机床故障预测方法，其特征在于，在步骤(c)中，所述预测神经网络模型中，频率、声压和标记值作为输入，机床状态作为输出。

3.如权利要求1所述的一种基于声音信号的机床故障预测方法，其特征在于，在步骤(a)中，所述不同故障状态包括电气故障、电机丝杠故障、齿轮故障和轴承故障。

4.如权利要求1所述的一种基于声音信号的机床故障预测方法，其特征在于，在步骤(b)中，还包括对机床状态进行编号，每个编号对应一种机床状态。

5.如权利要求1所述的一种基于声音信号的机床故障预测方法，其特征在于，在步骤(b2)中，所述一个标记值优选为1，另一个标记值优选为0。

6.如权利要求1所述的一种基于声音信号的机床故障预测方法，其特征在于，在步骤(b2)中，所述预测声压阈值优选为75dB。

7.如权利要求1所述的一种基于声音信号的机床故障预测方法，其特征在于，在步骤(c)中，所述预测神经网络模型优选采用卷积神经网络、RBF神经网络或BP神经网络。