[发明专利]一种基于多源信息融合的高端数控装备状态识别方法

权利要求书

1.一种基于多源信息融合的高端数控装备状态识别方法，其特征在于包括以下步骤：

1)利用现有现场采集传感器采集高端数控装备运行状态的多源传感器信息，并进行信息融合；

2)对融合信号的时域、频域、小波域进行特征获取，并对提取的时域特征、频域特征和小波域特征进行特征融合；

3)重构初始特征的多源多域高维相空间，采用局部线性嵌入结构进行降维，优化本征维数，构建能够反映低维流形的局部线性特性的邻域，获得运行状态高维空间中的低维流形变化；

4)采用距离判据获得低维敏感特征，构建低维流形特征的增殖相似度实现对不同状态的识别；其中，相似度参数为x_min、x_max、▽ B、流形方向dir：

x_min＝|xl_i+1-xl_i|，x_max＝|xr_i+1-xr_i|，

流形方向 dir∈{-1,1}

式中，xl_i为流形x维最小值，xr_i为流形x维最大值，为流形y维宽度，y_imin为流形y维最小值，y_imax为流形y维最大值。

2.如权利要求1所述的一种基于多源信息融合的高端数控装备状态识别方法，其特征在于：所述步骤3)中，采用局部线性嵌入结构进行降维包括以下步骤：

3.1.1)给定一个高维数据集X＝{X₁,X₂,…,X_L}∈R^N，构造高维特征空间；假设S_n×v为高维特征矩阵空间，其中n为样本数，v为每个样本的维数，需求解Y＝{Y₁,Y₂,…,Y_L}∈R^d，使得Y_i＝h(X_i)i∈R,i＝1,2,…,L，其中原有样本X_i为N维向量，降维后样本Y_i为d维向量；

3.1.2)计算高维数据集X中的任一样本X_i近邻点；

3.1.3)求解权值矩阵W＝(w_ij)；w_ij为权值；

3.1.4)保持权值矩阵W＝(w_ij)不变，最小化嵌入成本函数使低维重构误差最小；定义矩阵M＝(I-W)^T(I-W),其中I为L阶单位阵，计算矩阵M的非零特征值对应的特征向量构建矩阵Y，每个特征向量对应Y的一列；

3.1.5)输出l×d阶矩阵Y。

3.如权利要求2所述的一种基于多源信息融合的高端数控装备状态识别方法，其特征在于：所述步骤3.1.3)中，求解如下：

若X_i和X_j不是近邻点,则权值w_ij＝0且∑w_ij＝1，重构成本函数最小，则权值为：

其中，Cⁱ是X_i的局部协方差阵，元素X_j和X_k是数据点X_i的邻域点；X_m和X_l是数据点X_i的任意相邻点。

4.如权利要求1所述的一种基于多源信息融合的高端数控装备状态识别方法，其特征在于：所述步骤3)中，反映低维流形的局部线性特性的邻域构建过程如下：

3.2.1)记O(X)＝tr[(X-XW^T)^T(X-XW^T)]为均方误差，简记为O(k)，波动较小满足要求，令：

式中，是过(n,O(n))，(m,O(m))两点的直线在点i的取值；

3.2.2)邻域容量的估计值满足下式：