[发明专利]一种数控机床的智能故障诊断方法

权利要求书

1.一种数控机床的智能故障诊断方法，包括如下步骤：

（1）确定故障特征参数集、故障类型集和样本集，所述故障特征参数集中包含多个故障特征参数，所述故障类型集中包含多个故障类型；

（2）根据故障特征参数集和故障类型集，建立最小二乘支持向量机模型；

（3）利用样本集，训练并优化最小二乘支持向量机；

（4）检测数控机床的多个故障特征参数，将多个故障特征参数作为故障诊断的数据源；

（5）将所述数据源输入到优化后的最小二乘支持向量机，得出故障诊断结果。

2.根据权利要求1所述的智能故障诊断方法，其特征在于，所述故障特征参数集包括数控机床的温度、检测元件的输出量、高低压电流、振动频率、噪声强度和伺服控制的输出电压；所述故障类型集包括伺服单元、加减速时间设定、检测元件、可控硅、旋转编码器、负载量、传动链润滑、可编程控制器或微处理器、检测控制系统或主轴驱动系统、继电器、熔断器和电源变压器。

3.根据权利要求1所述的智能故障诊断方法，其特征在于，所述最小二乘支持向量机模型的输出向量为故障类型集，输入向量为故障特征参数集中每个故障特征参数的主元特征值。

4.根据权利要求1所述的智能故障诊断方法，其特征在于，步骤（3）中采用不完全交叉验证网格搜索法在线优化最小二乘支持向量机。

5.根据权利要求1所述的智能故障诊断方法，其特征在于，步骤（5）包括以下子步骤：

（5.1）将数据源进行小波去噪处理；

（5.2）计算数据源中每个故障特征参数的主元特征值；

（5.3）将步骤（2）中计算出的主元特征值输入到优化后的最小二乘支持向量机，得出故障诊断结果。

6.根据权利要求3或5所述的智能故障诊断方法，其特征在于，所述主元特征值的计算方法为： 

（a）计算故障特征参数                                               的信息熵；其中，为一个随机过程中出现的概率，，；

（b）归一化处理得到；其中；

（c）建立协方差矩阵；其中；

（d）计算协方差矩阵的特征值和特征向量； 

（e）计算主元特征值。