[发明专利]面向多工况的数控机床关键部件集群性能评估方法

权利要求书

1.一种面向多工况的数控机床关键部件集群性能评估方法，其特征在于，包括：

以同一加工车间中型号相同或近似的数控机床关键部件集群的历史监测数据构建运维数据库；

通过自组织映射网络算法将运维数据库中的历史工况数据自动聚类成多个聚类分布，则每个聚类中心对应一种常用工况，即得到加工车间的多种常用工况；

对于任意一种常用工况，从运维数据库中查找数控机床关键部件集群对应的历史振动信号，提取每个数控机床关键部件在该种常用工况下的时域、频域特征，构建关键部件的敏感特征矩阵；根据每个数控机床关键部件的敏感特征矩阵，构造该种常用工况下数控机床关键部件集群的健康基线与待评估数控机床关键部件的待评估数据簇，计算健康基线与待评估数据簇的均值矩阵与协方差矩阵；计算健康基线与待评估数据簇的相似程度，作为当前常用工况下数控机床关键部件性能评估值；

遍历所有常用工况，得到所有常用工况下的数控机床关键部件性能评估矩阵。

2.根据权利要求1所述的面向多工况的数控机床关键部件集群性能评估方法，其特征在于，所述数控机床关键部件集群包括主轴轴承、齿轮箱、丝杠三种关键部件，分别以主轴轴承、齿轮箱、丝杠为关键部件，计算其在所有常用工况下的性能评估矩阵；遍历主轴轴承、齿轮箱、丝杠三种关键部件，即得到数控机床所有关键部件在所有常用工况下的性能评估矩阵。

3.根据权利要求1所述的面向多工况的数控机床关键部件集群性能评估方法，其特征在于，所述数控机床关键部件集群的历史监测数据包括：关键部件转速、加工进给量和加工进给深度构成的历史工况数据，以及加工车间中每个数控机床关键部件的历史振动信号、服役时间。

4.根据权利要求1所述的面向多工况的数控机床关键部件集群性能评估方法，其特征在于，通过自组织映射网络算法将运维数据库中的历史工况数据自动聚类成多个聚类分布，得到加工车间的多种常用工况，具体方法如下：

每一时刻的历史工况数据记为其中，分别表示第i个历史工况数据的关键部件转速、加工进给量和加工进给深度；自组织映射网络竞争层为一个由N个神经元构成的二维平面，则第i个历史工况数据P⁽ⁱ⁾和自组织映射网络竞争层上第j个神经元之间的连接权重记为w_ij,i＝1,2,3；j＝1,2,…N；对所有连接权重w_ij进行随机初始化，根据判别函数在竞争层中选取胜利神经元，令判别函数d_j(P⁽ⁱ⁾)最小的神经元即为竞争层的胜利神经元，其索引记为I(P⁽ⁱ⁾)；

根据权重调整量不断调整权重w_ij，其中，η与σ为随着时间增长而不断变小的变化系数，表示竞争层上第j个神经元与胜利神经元之间的距离；

连续输入所有时刻的历史工况数据，连续更新胜利神经元与连接权重，最终在竞争层将所有历史工况数据自动划分为k种聚类，搜索到的k个聚类中心即为加工车间的k种常用工况。