[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

说明书

本发明涉及一种基于多源信息融合的高端数控装备状态识别方法，其步骤：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；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；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；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。本发明基于实时监测和有效感知的信息对数控装备运行状态进行有效识别和判断，准确地识别了数控设备的不同状态。

技术领域

本发明涉及一种数控装备状态识别方法，特别是关于一种基于多源信息融合的高端数控装备状态识别方法。

背景技术

高端数控装备正朝着高速、高精度、重载和复合加工的方向发展，因为早期故障导致服役性能下降，如果不能及时诊断并预警，将会造成废品增加、质量波动、生产率下降；另外，数控装备出现故障而导致非正常停机，尤其是处于生产线关键核心部位的高档数控装备，将带来重大的停机损失。高档数控装备由于结构复杂、传递环节较多，导致故障准确定位困难，盲目的拆修将会造成安装精度误差、服役性能下降和可靠性降低。要准确获取设备运行状态信息，需要在高端装备的主轴、进给轴的滚珠丝杠副、轴承支撑座等多部位安装传感器。研究表明流形学习比核主分量分析、遗传等传统算法更能体现事物的本质，在提取出主要变量的同时还获得了原始空间的真实结构，对非线性流形结构数据具有一定的自适应性。现有采用局部和全局结构提取滚动轴承敏感特征，或采用非线性流形等度规映射进行特征提取、对高维相空间中的结构进行了信息提取，利用非线性降维方法保留了振动信号中内含的整体集合结构信息等进行故障诊断和预测。但是上述研究主要基于单一类型传感器信号，不能解决目前基于工业现场多传感器信号的设备状态判断和预测。

发明内容

针对上述问题，本发明的目的是提供一种基于多源信息融合的高端数控装备状态识别方法，该方法基于实时监测和有效感知的信息对数控装备运行状态进行有效识别和判断，准确地识别了数控设备的不同状态。

为实现上述目的，本发明采取以下技术方案：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、ΔB、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。