[发明专利]多物理域信息融合的自主感知方法及系统

说明书

本发明公开了一种多物理域信息融合的自主感知方法及系统。间隔预置采样时间采集多个物理域数据，利用预先构建的决策级融合模型分别对多个物理域数据进行决策处理，并进行融合得到决策融合结果，利用特征级融合模型分别对多个物理域数据进行特征处理，并进行融合得到特征融合结果，决策融合结果和特征融合结果均包括状态识别、健康评估和故障诊断，对比决策融合结果和特征融合结果，确定自主感知结果。该方法具有针对多个物理域实时采集的特点，能够解决离线检测存在故障发现不及时的问题，且最终对比的是决策融合结果和特征融合结果，而决策融合结果和特征融合结果均包括状态识别、健康评估和故障诊断，因此检测对象具有多样化。

技术领域

本发明涉及智能加工领域，尤其涉及一种多物理域信息融合的自主感知方法及系统。

背景技术

20世纪60年代以来，随着人民生活质量提高，消费者对产品的需求向着私人订制、多元化方向发展，使得产品的加工制造环境与工艺日益复杂，因此，适用于大批量生产的传统自动化生产方式开始不能满足现代产品加工工艺的需要，智能加工机器将是智能制造系统的核心部分，同时也是研究难点。

目前的智能加工系统，只针对某一个物理域特征，如温度物理域。而实际上，在智能加工系统中，除温度物理域外，还包括机械、位移等物理场。此外，在机械加工中，对机器实行实时监控是非常重要的，目前的技术大多为离线检测，不能做到实时监控，容易导致故障发现不及时，并且检测对象较为单一。

发明内容

本发明的主要目的在于提供一种多物理域信息融合的自主感知方法及系统，可以解决现有技术中，智能加工系统只针对单一物理域、检测对象较为单一，且离线检测存在故障发现不及时的技术问题。

为实现上述目的，本发明第一方面提供一种多物理域信息融合的自主感知方法，其特征在于，所述方法包括：

间隔预置采样时间采集多个物理域数据，多个所述物理域数据包括振动数据、温度数据、转速数据、声发射数据和压力数据；

利用预先构建的决策级融合模型分别对多个所述物理域数据进行决策处理，并进行融合得到决策融合结果，所述决策融合结果包括状态识别、健康评估和故障诊断；

利用特征级融合模型分别对多个所述物理域数据进行特征处理，并进行融合得到特征融合结果，所述特征融合结果包括状态识别、健康评估和故障诊断；

对比所述决策融合结果和所述特征融合结果，确定自主感知结果。

为实现上述目的，本发明第二方面提供一种多物理域信息融合的自主感知系统，其特征在于，所述系统包括：

采集装置，用于间隔预置采样时间采集多个物理域数据，多个所述物理域数据包括振动数据、温度数据、转速数据、声发射数据和压力数据；

决策融合模块，用于利用预先构建的决策级融合模型分别对多个所述物理域数据进行决策处理，并进行融合得到决策融合结果，所述决策融合结果包括状态识别、健康评估和故障诊断；

特征融合模块，用于利用特征级融合模型分别对多个所述物理域数据进行特征处理，并进行融合得到特征融合结果，所述特征融合结果包括状态识别、健康评估和故障诊断；

对比确定模块，用于对比所述决策融合结果和所述特征融合结果，确定自主感知结果。

本发明提供一种多物理域信息融合的自主感知方法及系统。由于间隔预置采样时间采集多个物理域数据，因此该方法及系统具有针对多个物理域实时采集的特点，能够解决离线检测存在故障发现不及时的问题。又由于最终对比的是决策融合结果和特征融合结果，而决策融合结果和特征融合结果均包括状态识别、健康评估和故障诊断，因此检测对象具有多样化。

附图说明