[发明专利]基于在线字典学习的多模态机械加工中心信号的重构方法

权利要求书

1.一种多模态机械加工中心信号的重构方法，其步骤包括：

1)从多轴机械加工中心获取多模态信号；

2)在多模态信号中等间隔抽取信号点，从第1个信号点开始直到最后一个信号点依次排序，形成一维时间序列信号Y＝[y(1)，y(2)，y(3)，...，y(N)]；

3)以多模态下每个信号1/2周期所含信号点数量的平均值作为分解长度n，对一维多模态信号进行拆分，生成m×n维的二维信号其中，m×n＝N；且m＜n；

4)将上述二维信号进行矩阵转置，使得矩阵Y的每一列代表信号的分解子信号；

5)运用在线字典学习模型实现多模态信号的重构，具体步骤包括：

5-1)输入正则化参数λ、迭代次数t、及批尺寸b，初始字典D₀∈R^m×n，初始矩阵A₀∈R^n×n←0，初始矩阵B₀∈R^m×n←0；

5-2)计算稀疏编码系数

式中α_t为第t次迭代后的稀疏值，D_t-1为第(t-1)次迭代后的过程学习字典。

5-3)更新矩阵

式中A_t、B_t为第t次迭代后的过程矩阵，y_t为样本集合第t列。

5-4)固定稀疏编码系数α_t，计算第t次迭代过程字典

5-5)更新字典D＝[d₁，…，d_n]∈R^m×n，其中：

式中u_j为第j个正交投影向量，b_j为矩阵B的第j列，a_j为矩阵A的第j列，d_j为字典中的第i列。

5-6)从步骤5-2)开始不断迭代，当达到迭代次数最大值时，停止迭代；反之，继续迭代；输出多模态信号的稀疏字典D和稀疏系数α；

5-7)将多模态信号的稀疏字典D与稀疏系数α相乘，得到重构的多模态信号。

2.如权利要求1所述的多模态机械加工中心信号的重构方法，其特征在于，b≤m，且为正整数。

3.如权利要求1所述的多模态机械加工中心信号的重构方法，其特征在于，λ的值不大于0.2。

4.如权利要求1所述的多模态机械加工中心信号的重构方法，其特征在于，在计算稀疏编码系数时，采用最小角回归LARS算法或者OMP算法。

5.如权利要求1所述的多模态机械加工中心信号的重构方法，其特征在于，经过在线字典学习后，将重构多模态信号导入长短期记忆网络深度学习模型，获取多模态信号的预测值。

6.如权利要求5所述的多模态机械加工中心信号的重构方法，其特征在于，将重构多模态信号进行归一化操作，使得数据映射到0至1之间。

7.如权利要求5所述的多模态机械加工中心信号的重构方法，其特征在于，长短期记忆网络深度学习模型包括两个LSTM层和两个全连接层。

8.如权利要求1所述的多模态机械加工中心信号的重构方法，其特征在于，多轴机械加工中心利用主轴系统安装的振动传感器获取机加工过程中的多模态信号。