[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

说明书

本发明公开了机床主轴的故障识别方法、故障识别模型训练方法及装置。该故障识别方法包括：获取机床主轴的运行数据；将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，第一故障识别模型根据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，第二故障识别模型根据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，预训练模型根据第一故障识别模型的模型参数构建；使用第一故障识别模型和第二故障识别模型对机床主轴进行故障识别。第二故障识别模型是在第一故障识别模型的基础上训练得到的，能够提高第二故障识别模型的精确度和可靠性，进而提高了对机床主轴的故障识别的精度和可靠性。

技术领域

本发明涉及故障识别技术领域，尤其涉及一种机床主轴的故障识别方法。

背景技术

作为现代机械制造过程中，最重要也是应用最广泛的加工设备之一，机床的运行状态会影响整个制造系统的工作效率。由于频繁的使用率、复杂的机械结构、以及恶劣的工作环境，机床设备，尤其是作为机床核心部件且长期保持高速旋转的主轴系统，通常难以通过传统的物理模型，对各类故障(如主轴失衡、主轴摩擦等)进行精准地定位与预测，且一旦发生故障，极有可能造成重大的财产损失与严重的后果。

近年来，随着人工智能与机器学习技术的发展与普及，有不少学者与研发人员尝试将基于数据驱动的算法模型，应用于故障预测与诊断领域，并获得了一定的成果，这些方法的核心思想，在于通过大量采集正常及故障状态下的设备运行数据，充分训练机器学习模型，使训练完的模型能够根据输入的设备运行数据，识别并定位各类故障。

然而，对于机床的主轴系统，在实际生产过程中，由于机床主轴系统的高速旋转等特殊性，极难针对所有故障种类，获取足够多的故障数据样本用于模型训练，使得基于人工智能技术的故障预测技术在该领域难以发挥预期的效果，成为该领域行业痛点。

发明内容

本发明要解决的技术问题是为了克服现有技术中难以获取机床主轴的足够数据样本，用于模型训练，因此无法得到用于识别机床主轴故障的精确模型的缺陷，提供一种机床主轴的故障识别方法、故障识别模型训练方法及装置。

本发明是通过下述技术方案来解决上述技术问题：

第一方面，提供一种机床主轴的故障识别方法，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。

可选地，将所述运行数据输入第一故障识别模型和所述第二故障识别模型，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。

可选地，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。

第二方面，提供一种故障识别模型的训练方法，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；