[发明专利]数控系统多模态故障预警方法及系统

说明书

本发明涉及机械工程技术领域与计算机信息处理交叉领域，具体涉及一种数控系统多模态故障预警方法及系统。该方法及系统对数控系统核心部件的故障数据根据模态不同进行分组处理，将每种模态的故障数据打上故障类别标签，根据不同类别故障数据的标签，对故障数据增加引入条件变量，进而使用额外引入的条件变量，实现指导数据生成过程，通过生成对抗网络生成数控系统核心部件多模态故障数据，解决了故障数据不足与不同种类故障数据之间不兼容的问题，间接提高了数控系统运行的可靠性和稳定性。

技术领域

本发明属于机械工程技术领域与计算机信息处理交叉领域，尤其涉及一种数控系统多模态故障预警方法及系统。

背景技术

随着先进制造技术的快速发展，以智能制造所引领的产业变革即将进入重要的历史阶段。为了抢抓新一轮科技革命的发展先机，世界制造大国的政府部门都非常重视。数控系统作为制造与信息融合的焦点产品，新一轮科技革命对数控系统的智能化发展提出了新的挑战。

同时随着信息技术、人工智能技术、物联网技术的发展，机床厂、用户厂和科研机构对数控系统的开放互联程度提出了更高的要求。当前主流数控系统的内部开放和外部相对封闭的软硬件体系结构产生资源孤岛，各孤岛之间不能通过网络连接实现信息的共享。此外，由于数控系统与外部设备或软件的兼容性差，有效可用的数控系统故障数据并不充足，这将在很大程度上影响深度神经网络的训练效果，也限制了数控系统的功能扩展。因此，传统的数控系统体系结构相对封闭和开放深度不足成为了数控系统向智能化发展的主要瓶颈。

在航空发动机制造领域，其典型零件，如机匣、叶片等具有壁薄、形状复杂零件的加工，典型的管路件等连接件的加工等迫切需要具有智能功能的高档数控系统，具有智能监控和故障诊断、自适应加工、刀具寿命动态管理等功能，智能协调控制功能与互联互通等功能。在汽车制造领域，汽车刹车盘，轮毂，齿轮等盘类、箱体类、轴类关键零部件生产要求相应的高档数控系统具有智能编程和加工过程的智能控制功能。在国内外对智能化高档数控系统的迫切需要的背景下，国产高档数控系统的智能化水平亟待提高，为传统制造模式的产业升级奠定基础，也是当前打破高端“卡脖子”技术的关键。此外，智能化数控系统需要具备对外界环境的智能感知、智能数控编程、智能机床故障诊断及预警、非线性误差的补偿等功能，以上功能的实现有助于提高系统的可靠性及加工精度等性能指标。

现有的数据生成技术大多都是利用迁移学习或者常规的生成对抗式网络进行数据生成。迁移学习是从相关领域中迁移标注数据或者知识结构、完成或改进目标领域或任务的学习效果。将源领域和目标领域的数据从原始特征空间映射到新的特征空间中去。这样，在该空间中，源领域数据与的目标领域的数据分布相同，从而可以在新的空间中，更好地利用源领域已有的有标记数据样本进行分类训练，最终对目标领域的数据进行分类测试。迁移学习的缺点在于通常只适合于处理有限的小数据集，且其他领域的“知识”在某个特定领域并不一定可行。常规的生成对抗网络利用生成器与判断器相互对抗学习来进行训练，属于无监督学习，导致生成故障数据的质量较低，生成数据的分布与实际故障数据的分布差异较大，而且特定的生成对抗网络无法对不同的数据类型进行数据生成，兼容性与稳定性差。

发明内容

本发明实施例提供了一种数控系统多模态故障预警方法及系统，以至少解决现有多模态故障预警方法兼容性与稳定性差的技术问题。

根据本发明的一实施例，提供了一种数控系统多模态故障预警方法，包括以下步骤：

对数控系统核心部件的故障数据根据模态不同进行分组处理，将每种模态的故障数据打上故障类别标签；

根据不同类别故障数据的标签，对故障数据增加引入条件变量，进而使用额外引入的条件变量，实现指导数据生成过程。

进一步地，基于多模态条件对抗生成网络，通过对不同模态的故障数据打标签引入条件变量。