[发明专利]机床主轴的故障识别方法、故障识别模型训练方法及装置

权利要求书

1.一种机床主轴的故障识别方法，其特征在于，包括：

获取所述机床主轴的运行数据；

将所述运行数据输入第一故障识别模型和第二故障识别模型；其中，所述第一故障识别模型根据所述机床主轴的第一故障类型对应的第一故障样本数据对神经网络训练得到，所述第二故障识别模型根据所述机床主轴的第二类型故障对应的第二故障样本数据对预训练模型训练得到，所述预训练模型根据所述第一故障识别模型的模型参数构建；

使用所述第一故障识别模型和所述第二故障识别模型对所述机床主轴进行故障识别。

2.根据权利要求1所述的机床主轴的故障识别方法，其特征在于，所述将所述运行数据输入第一故障识别模型和第二故障识别模型，包括：

分别确定所述第一故障类型对应的故障特征以及所述第二故障类型对应的故障特征；

将所述运行数据中与所述第一故障类型对应的故障特征相匹配的第一运行数据输入所述第一故障识别模型；

将所述运行数据中与所述第二故障类型对应的故障特征相匹配的第二运行数据输入所述第一故障识别模型。

3.根据权利要求1所述的机床主轴的故障识别方法，其特征在于，所述模型参数包括权重值；

所述第一故障识别模型与所述预训练模型的权重值相同。

4.一种故障识别模型的训练方法，其特征在于，所述故障识别模型用于识别机床主轴的故障，所述训练方法包括：

使用所述机床主轴的第一故障类型对应的第一故障样本数据，训练第一神经网络，得到用于识别所述第一故障类型的第一故障识别模型；

根据所述第一故障识别模型的模型参数构建第二故障识别模型的预训练模型；

使用所述机床主轴的第二故障类型对应的第二故障样本数据，训练所述预训练模型，得到用于识别所述第二故障类型的第二故障识别模型。

5.根据权利要求4所述的机床主轴的故障识别方法，其特征在于，还包括：

确定对应于第一故障类型的故障特征；

对所述机床主轴的运行数据进行阶次分析与小波包分解，得到对应于所述第一故障类型的故障特征的第一故障样本数据；

和/或，确定对应于第二故障类型的故障特征；

对所述机床主轴的运行数据进行阶次分析与小波包分解，得到对应于所述第二故障类型的故障特征的第二故障样本数据。

6.根据权利要求4所述的机床主轴的故障识别方法，其特征在于，所述模型参数包括权重值；

所述根据所述第一故障识别模型的模型参数构建第二故障识别模型的预训练模型，包括：

根据所述第一故障识别模型的权重值配置所述预训练模型的权重值。

7.根据权利要求4所述的机床主轴的故障识别方法，其特征在于，还包括：

使用所述第二故障样本数据，训练第二神经网络，得到所述第二故障识别模型的验证模型，其中，所述第二神经网络与所述预训练模型具有相同的网络结构；

根据所述验证模型对所述第二故障识别模型进行五折交叉验证；

将验证通过的第二故障识别模型确定为最终的第二故障识别模型。

8.一种机床主轴的故障识别装置，其特征在于，包括：

获取模块，用于获取所述机床主轴的运行数据；

输入模块，用于将所述运行数据输入第一故障识别模型和第二故障识别模型；其中，所述第一故障识别模型根据所述机床主轴的第一故障类型对应的第一故障样本数据对神经网络训练得到，所述第二故障识别模型根据所述机床主轴的第二类型故障对应的第二故障样本数据对预训练模型训练得到，所述预训练模型根据所述第一故障识别模型的模型参数构建；

识别模块，用于使用所述第一故障识别模型和所述第二故障识别模型对所述机床主轴进行故障识别。