[发明专利]用于数控机床系统状态在线实时监测与评估的方法及系统

权利要求书

1.一种用于数控机床系统状态监测与评估的方法，其特征在于，包括：

信号预处理步骤：对振动信号进行标准化处理，并在时域上进行切分；

特征提取步骤：对预处理后的振动信号进行小波包分解降噪和特征提取。

特征降维步骤：通过自编码器进行非线性映射降维。

状态评估步骤：将马氏距离用于状态度量，并将度量结果映射为状态指数。

2.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，在所述信号预处理步骤中，预处理的目的包括：

一是通过对振动信号进行标准化，可以提高后续的自编码器降维模型的稳定性。

二是通过对标准化后的振动信号以1秒为单位在时域上进行切分，可以提高整个状态监测与评估方法的适应性。

3.根据权利要求2所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，标准化具体为：

将振动信号转换为均值为0，方差为1的标准化信号转换公式如下：

其中t₀,t₁,t₂,…,t_n为时间序列。

4.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的特征提取步骤包括：

利用小波包分解具有良好的降噪效果，对预处理后的振动信号进行小波包分解降噪，并计算重构信号的能量作为信号的有效特征，得到具有高维的小波包能量特征集。

5.根据权利要求4所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的小波包分解和能量特征具体为：

小波包分解原理是下式：

式中h_l和g_l为小波重构共轭高通和低通滤波器系数，为第j层第n个节点的第k个小波包系数。

计算重构信号的能量特征如下式：

则第j层的小波包重构信号的能量为

6.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的特征降维步骤包括：

通过自编码器对高维小波包能量特征集进行非线性映射，自动降维，得到低维的信号特征空间。

7.根据权利要求6所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的自编码器降维具体为：

根据自编码器结构搭建自编码器降维模型，设置模型学习率，训练次数和最小化目标函数J求解模型参数θ，使自编码器降维效果最佳。目标函数J如下式：

式中，参数θ包括各神经元的权重w和偏置b，L为交叉熵损失函数，为编码器的激活函数，为解码器的激活函数，x_i为某高维小波包能量特征。

8.根据权利要求1所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的状态评估步骤包括：

将马氏距离用于参考振动信号的低维特征空间与待测振动信号的低维特征空间之间的度量，并将度量结果映射为状态指数。

9.根据权利要求8所述的一种用于数控机床系统状态监测与评估的方法，其特征在于，所述的马氏距离度量具体为：

设参考振动信号的低维特征空间M_r与待测振动信号的低维特征空间M的偏离度为D_m，M＝(M₀,M₁,M₂,…,M_i)，M_r的均值为C_M为M的协方差矩阵，则D_m为：

D_m值越大，则反映待测振动信号与参考振动信号的相似性越小，反之则越大。