[发明专利]机床主轴的轴承故障诊断的方法和系统

说明书

本发明公开了一种机床主轴的轴承故障诊断的方法，该方法包括：获取传感器在主轴不同状态下采集的物理信息，对该物理信息进行预处理，利用高斯混合隐马尔科夫模型对已进行预处理的物理信息进行处理，得到第一分类结果，再根据DS证据理论将第一分类结果的各结果进行融合，得到第一诊断结果，利用长短期记忆网络对已进行预处理的所述物理信息进行处理，得到第二分类结果，再根据DS证据理论将第二分类结果的各结果进行融合，得到第二诊断结果，采用贝叶斯算法将第一诊断结果和第二诊断结果进行融合，得到轴承的故障诊断结果。该方案根据不同的算法的分类结果进行不同层次的融合，提高了轴承的故障诊断结果的精确度。

技术领域

本发明涉及设备故障诊断技术领域，尤其涉及一种机床主轴的轴承故障诊断的方法和系统。

背景技术

智能机床为重要的智能制造装备，机床主轴作为机床最直接、最核心的加工执行部件，其性能的好坏直接决定着零部件加工质量，为此，实现机床智能化的第一步是实现主轴系统的智能化。机床加工质量直接受机床回转误差影响，而影响机床回转误差的主要因素包括主轴振颤、主轴温升、加工材质不均匀等。随着主轴转速和加工精度的增加，对主轴系统的要求也在增加，因此能及时准确判断主轴系统发生的故障，并控制主轴相应的控制系统对其进行控制是对主轴系统的要求。

现有主轴故障诊断的技术中，需要采集主轴的物理信息并通过采集的物理信息对发生故障进行诊断，但因主轴内部的结构复杂，可发生的故障类型多，即使在主轴发生故障的情况下，也很难对主轴发生的具体故障类型进行准确判断，对主轴的故障诊断的准确度较低。

发明内容

本发明的主要目的在于提供一种机床主轴的轴承故障诊断的方法和系统，用于解决现有技术中对主轴的故障诊断的准确度较低的技术问题。

为实现上述目的，本发明第一方面提供一种机床主轴的轴承故障诊断的方法，该方法包括：

获取传感器在主轴不同状态下采集的物理信息，对所述物理信息进行预处理；

利用高斯混合隐马尔科夫模型对已进行预处理的所述物理信息进行处理，得到第一分类结果，再根据DS证据理论将所述第一分类结果的各结果进行融合，得到第一诊断结果；

利用长短期记忆网络对已进行预处理的所述物理信息进行处理，得到第二分类结果，再根据DS证据理论将所述第二分类结果的各结果进行融合，得到第二诊断结果；

采用贝叶斯算法将所述第一诊断结果和第二诊断结果进行融合，得到所述轴承的故障诊断结果。

本发明第二方面提供一种机床主轴的轴承故障诊断的系统，系统包括：机床主轴、获取模块、第一数据处理模块、第二数据处理模块和融合处理模块；

所述机床主轴包括采集所述轴承的物理信息的传感器；

所述获取模块用于获取所述传感器在主轴系统不同状态下采集的物理信息，对所述物理信息进行预处理；

所述第一数据处理模块用于利用高斯混合隐马尔科夫模型对已进行预处理的所述物理信息进行处理，得到第一分类结果，再根据DS证据理论将所述第一分类结果的各结果进行融合，得到第一诊断结果；

所述第二数据处理模块用于利用长短期记忆网络对已进行预处理的所述物理信息进行处理，得到第二分类结果，再根据DS证据理论将所述第二分类结果的各结果进行融合，得到第二诊断结果；

所述融合处理模块用于采用贝叶斯算法将所述第一诊断结果和第二诊断结果进行融合，得到所述轴承的故障诊断结果。