一种基于多源信息深度耦合的主轴状态评估方法及系统

技术特征：
1.一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，包括以下步骤：s1，采集待评价主轴振动信号以及对应主轴电机的电流信号，对采集到的主轴振动信号和电机的电流信号分别进行预处理；s2，采用快速傅里叶变换对预处理后的振动信号及电流信号进行处理得到振动信号及电流信号的频谱特征向量；s3，采用二代小波变换方法处理预处理后的电流信号得到二代小波谱；s4，采用预训练的深度耦合网络对得到的频谱特征向量和二代小波谱进行特征提取及特征耦合，得到多源信息融合的结果，根据多源信息融合的结果实现主轴状态评估。2.根据权利要求1所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，对采集到的振动信号进行去噪、标准化预处理。3.根据权利要求1所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，对电机的电流信号进行滤波、标准化预处理。4.根据权利要求2所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，将采集到的振动信号分为1000个长度为1024的数据段；同时采用基础数据去均值、-1-1标准化进行数据处理；同时使用移动时窗对振动信号重叠抽样，以时间顺序为标准划分训练数据集及测试数据集；对划分后的样本向量的子样本信号进行快速傅里叶变换得到频谱z，同时对其进行归一化处理得到频谱特征向量：其中为处理后的频谱向量，u为频谱信号的均值，s为频谱信号的方差。5.根据权利要求3所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，对预处理后电流信号的子样本信号根据其对应的轴承的状态，以one-hot编码的形式添加类别标签q，采用标签平滑正则化方法更新所有子样本信号的类别标签q：其中为平滑因子，一般取0.1，u为引入的固定概率分布，一般取全1向量作为噪声。6.根据权利要求1所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，预训练的深度耦合网络通过以下步骤获得：a，分别构建深度耦合网络的分支网络和中间特征耦合层；b，采用预训练样本对分支网络和中间特征耦合层进行训练直至网络收敛，即可得到深度耦合网络。7.根据权利要求6所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，使用二代inception模块为主体，构建具有自适应特征提取功能的传感信号分支网络。8.根据权利要求1所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，对分支网络经过池化层得到的代表性特征t进行标准化处理：式中为标准化处理后的特征，不同类型的传感信号经过标准化后能够进行耦合操作。
9.根据权利要求6所述的一种基于多源信息深度耦合的主轴状态评估方法，其特征在于，分支网络对单个传感器的特征信息进行独立提取，中心耦合网络将每一步提取到的特征信息进行耦合，并分别分离出耦合特征与原始特征进行叠加：h
k 1
＝h
k
a
m
其中h
k
为分支网络提取得到的独立特征，h
k 1
为叠加后的特征，a
m
为耦合后得到的特征，m为信号类型标记，在分支网络对耦合特征进行多次信息提取后，使用全连接层将最后一次提取得到的特征向量进行整理，并输出最终的评估结果。10.一种基于多源信息深度耦合的主轴状态评估系统，其特征在于，包括数据采集模块、预处理模块和评估模块；数据采集模块用于采集待评价主轴振动信号以及对应主轴电机的电流信号，并将采集到的信号传输至预处理模块；预处理模块用于对采集到的主轴振动信号和电机的电流信号分别进行预处理；采用快速傅里叶变换对预处理后的振动信号及电流信号进行处理得到振动信号及电流信号的频谱特征向量；采用二代小波变换方法处理预处理后的电流信号得到二代小波谱；评估模块用于对得到的频谱特征向量和二代小波谱进行特征提取及特征耦合，得到多源信息融合的结果，根据多源信息融合的结果实现主轴状态评估。

技术总结
本发明公开了一种基于多源信息深度耦合的主轴状态评估方法及系统，属于数控机床智能化加工技术领域，采用快速傅里叶变换对振动信号及电流信号进行处理得到振动信号及电流信号的频谱特征向量，采用二代小波变换方法处理电流信号得到二代小波谱；采用预训练的深度耦合网络对得到的频谱特征向量和二代小波谱进行特征提取及特征耦合，得到多源信息融合的结果，根据多源信息融合的结果实现主轴状态评估，本发明将耦合特征及原始特征结合起来，保证评估时能够综合考虑不同传感器本身的置信度以及传感器之间容和特征的权重，从而得到更全面的信息，避免了单传感器信号的不准确性，同时综合考虑多个传感信号的信息，提高了主轴状态评估的鲁棒性。状态评估的鲁棒性。状态评估的鲁棒性。


技术研发人员：洪军 李阗岐 李小虎 万少可 奚航航
受保护的技术使用者：西安交通大学
技术研发日：2022.03.24
技术公布日：2022/7/1