[发明专利]一种数控机床切削液泵送系统的故障检测预警方法

权利要求书

1.一种数控机床切削液泵送系统的故障检测预警方法，其特征在于，所述方法包括如下步骤：

S1、采集用于评价切削液泵送系统运行状态的多项样本参数，得到所需的样本集；

S2、持续获取多组步骤S1中的参数作为样本集，并获取样本集中各参数的初始值和取值范围；对采集的样本集进行归一化处理，处理公式为：

其中，是经归一化处理的样本，x_i是样本数据，x_min和x_max分别为样本数据中的最小值和最大值；

S3、建立BP神经网络，根据样本参数确定输入层节点数为7，根据故障类型确定输出层节点数为4，隐含层的节点数为15；

S4、设定初始训练迭代次数、训练目标最小误差、学习率和最大失败次数，采用样本集训练BP神经网络结构；

S5、利用批量梯度下降算法优化BP神经网络的初始权值和阈值，根据输出层各神经元误差和隐含层各神经元的输出，调整隐含层和输出层之间的连接权值和输出层神经元的阈值；

S6、计算设计精度的评价指标，包括最大相对误差MRE和决定系数R²，其中，最大相对误差MRE的计算公式为：

决定系数R²的计算公式为：

其中，为样本平均值；

S7、统计输出层误差，判断BP神经网络是否收敛：

(1)若输出层各神经元误差大于设计精度，神经网络未收敛，继续进行步骤S4所述的训练过程，

(2)若输出层各神经元误差小于设计精度，神经网络收敛，完成BP神经网络的训练过程；

S8、继续采集冷却系统泵体的样本参数，利用训练完成的神经网络算法对泵体的各项故障类型进行检测。

2.如权利要求1所述的数控机床切削液泵送系统的故障检测预警方法，其特征在于：所述步骤S1中采用的表征切削液泵送系统运行状态的样本参数包括出口压力、出口温度、入口介质含气率、振动频率、泵轴扭矩、泵轴转速和电机功率7个参数。

3.如权利要求1所述的数控机床切削液泵送系统的故障检测预警方法，其特征在于：所述步骤S4的初始训练参数中，迭代次数≥100，训练目标最小误差＜1.0x10^-5、学习率η＝0.01。

4.如权利要求1所述的数控机床切削液泵送系统的故障检测预警方法，其特征在于：所述步骤S6中，设计精度的评价标准为：相对误差MRE≤3.5％，决定系数R²≥0.9935。

5.如权利要求1所述的数控机床切削液泵送系统的故障检测预警方法，其特征在于：所述输出层输出的期望值分别和以下故障类型建议对应关系：泵体泄漏、泵体温度过高、供液压力不足以及泵体对中故障；其中期望输出值为0时代表发生故障，1代表不发生故障。

6.如权利要求1或5所述的数控机床切削液泵送系统的故障检测预警方法，其特征在于：所述步骤S8中，根据专家经验预先设定故障和非故障检测结果的神经网络输出值的判定区间，然后将输出结果与经验区间进行比对，确定故障类型和状态。

7.如权利要求1所述的数控机床切削液泵送系统的故障检测预警方法，其特征在于：所述出口压力采用压力传感器进行测量，出口温度采用温传感器进行测量，利用γ射线含气分析仪检测入口介质含气率，振动频率采用压电式振动传感器进行测量，泵轴扭矩采用扭矩传感器进行测量，泵轴转速采用反射式光电转速传感器进行测量，电机功率利用电参数采集单元进行检测。