[发明专利]一种基于多源信息融合的智能主轴状态评估方法和系统

说明书

本发明公开了一种基于多源信息融合的智能主轴状态评估方法和系统，属于智能制造技术领域，具体包括原始信号采集与预处理、原始信号特征提取、多源信息融合处理及概率神经网络诊断模型。原始信号特征提取主要包括对采集数据进行的时域、频域、时频域相关处理，确保所提取的信息特征更完备的反应主轴服役状态；对特征信息进行融合处理；搭建概率神经网络诊断模型，对融合后的故障特征信息进行分类，并获取诊断结果，最后对诊断结果进行状态评估。本发明的智能主轴状态评估方法，实现了智能主轴状态的在线评估，对智能主轴服役状态评估有重要指导作用，同时也提高了经济效益。

技术领域

本发明属于智能制造技术领域，涉及一种基于多源信息融合的智能主轴状态评估方法和系统。

背景技术

智能制造技术在当代全球制造行业起着引领性作用。近年来，随着信息技术的不断发展，特别是人工智能、大数据、物联网、云计算等比较前沿的科技在工程实践中得到了广泛应用，进一步推动了以智能制造为目标的制造业变革。当代制造业正不断的向着信息化、网络化、智能化、服务化和绿色化的方向发展。其中，数控机床的柔性化、集成化、智能化的发展尤为重要。主轴作为机床的核心部件，其性能水平决定了制造成品的精度高低，传统主轴以电机作为动力源，依靠齿轮、皮带、链轮等机械传动机构来完成调节，而智能主轴将电机与主轴集成为一体，实现机电耦合传动，减少中间繁琐的传动部件，提高了传动效率。智能化的判别标准取决于设备在具备执行能力的同时，是否具有自主感知和决策的功能，对于智能主轴而言，可以通过位移传感器、加速度传感器、温度传感器等对其进行实时监测，从而及时地监测主轴在运行过程中所出现的径向偏移、振动异常、局部温度过高等状态信息，并做出相应地应对处理，确保了加工效率、加工精度，进而降低了加工成本。

引起主轴振动的原因有很多，如主轴转子平衡、主轴局部裂纹、主轴回转误差、工件和刀具安装误差等。对主轴服役状态评估，本质上是对主轴的运行状态的监测，通过对测得的振动信号进行处理，及时观测主轴的振动状态，并进行状态评估。目前的状态评估方法中，可分为基于故障原理的状体评估、基于多传感器信息融合技术的状态评估、基于振动信号特征提取的状态评估和基于智能算法的状态评估。所有的方法中都涉及到对原始数据的采集和采集数据的处理，传统的故障原理评估不适用于解决大数据下的智能主轴振动信息检测；对于多传感器信息融合技术的评估方法，像素层融合方法对数据的处理效果极低且耗时严重，决策层融合方法容易丢失大量细节信息。

发明内容

本发明的目的在于克服上述现有技术中，像素层融合方法对数据的处理效果极低且耗时严重、决策层融合方法容易丢失大量细节信息的缺点，提供一种基于多源信息融合的智能主轴状态评估方法和系统。

为了达到上述目的，本发明采用以下技术方案予以实现：

一种基于多源信息融合的智能主轴状态评估方法，包括如下步骤：

采集智能主轴运动的原始信号；

对采集的原始信号进行时域、频域、时频域相关特征分析，得到特征信息；

对特征信息进行融合处理；

建立概率神经网络诊断模型，基于融合处理后的特征信息进行分类，得到智能主轴状态的诊断结果。

优选地，相关特征分析时，

时域分析包括峰值指标、均值指标、均方根的分析处理；

频域分析包括局部峰值谱、均值频率、均方频率的分析处理；

时频分析通过短时傅里叶变换来分析振动的时-频分布情况。

优选地，对特征信息进行融合处理是采用改进DBSCAN聚类分析算法对特征信息进行融合处理；

融合处理时，首先，基于特征信息得到二维振动特征数据集，然后以二维振动特征数据集为输入值，得到的输出值为融合处理后的数据集和经聚类分析得到的Eps和MinPts参数。