一种考虑环境干扰和自适应的铣削故障诊断方法

本发明涉及故障诊断，具体为一种考虑环境干扰和自适应的铣削故障诊断方法。

背景技术：

1、铣削是常见的加工工艺之一，广泛应用于制造领域，它可以用来加工金属、塑料等材料，制造出精度高、表面光洁度好的零件，因此在制造系统中具有重要的地位，铣削设备的运行状态对整个制造流程的稳定性和效率至关重要，设备故障会导致生产线停工、生产延误等问题，对整体生产造成不利影响，因此，铣削过程中的故障诊断变得尤为重要。

2、铣削的故障诊断方法通常可分为基于物理模型的故障诊断方法和基于数据驱动模型的故障诊断方法，基于物理模型的方法是应用铣削的物理规律和工程特性，利用数学方程或物理公式对系统行为进行模拟和分析，然而，构建物理模型需要对故障背后的机制和系统有透彻的了解，这使得建模过程相对具有挑战性，特别是在复杂的情况下，它可能不完全适用，与物理模型相比，基于数据驱动的方法更加强调对实际数据的处理和分析，然而，传统数据驱动方法的推理过程是不透明的，而且诊断结果往往难以让决策者信服，同时，确保数据的准确性和完整性至关重要，因为数据的不准确可能导致诊断结果的不准确。

技术实现思路

1、本发明的目的在于提供一种考虑环境干扰和自适应的铣削故障诊断方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种考虑环境干扰和自适应的铣削故障诊断方法，包括以下步骤：步骤一，参考值挖掘；步骤二，求取指标不确定度；步骤三，构建初始模型；步骤四，模型推理；步骤五，模型优化；步骤六，案例检验；

3、其中在上述步骤一中，首先通过历史数据和已知信息，采用k-means聚类算法进行铣削过程中可行的参考值的挖掘，数据挖掘完成后备用；

4、其中在上述步骤二中，当步骤一中的数据挖掘完成后，此时对监测数据进行分析，进行铣削运行过程中的因环境干扰造成的不确定度的量化；

5、其中在上述步骤三中，根据步骤一中得到的参考值以及步骤二中得到指标不确定度的基础上，构建初始的故障诊断模型，构建完成后备用；

6、其中在上述步骤四中，当步骤三中的初始诊断模型构建完成后，此时进行模型的推理；

7、其中在上述步骤五中，在模型推理结果的基础上，进行优化；

8、其中在上述步骤六中，进行模型的检测和验证，评估模型的有效性。

9、优选的，所述步骤一中，聚类的方法包括：通过对数据进行分组的方式将数据点分成k个簇，并且每个簇都有一个中心点，将这些簇中心作为参考值。

10、优选的，所述步骤一中，参考值方案中包括聚类得到的方案和监测数据的上下界。

11、优选的，所述步骤一中，聚类数目为1-6。

12、优选的，所述步骤二中，根据监测数据的平均距离，进行指标不确定度求取，首先计算监测数据的平均距离：

13、

14、且其中代表第 i个指标的第 t个监测数据，代表监测数据的距离；

15、然后，计算环境干扰对监测数据的影响程度：

16、

17、最后，得到指标不确定度：

18、

19、其中表示监测数据包含准确信息的确定程度，指标不确定度可由得出，完成不确定度的量化。

20、优选的，所述步骤四中，具体为：通过证据推理解析算法进行模型推理，将指标不确定度融入模型推理阶段，得到故障诊断结果，并通过最终的置信分布展示诊断结果。

21、优选的，所述将指标不确定度融入模型的推理过程具体为：

22、

23、其中表示模型的推理函数，表示模型的输入，表示模型推理过程中的参数集合，表示指标不确定性集合，表示模型的诊断结果。

24、优选的，所述步骤五中，采用投影协方差矩阵自适应进化策略优化算法进行优化，目标函数为：

25、

26、其中ω代表待优化的参数集，表示诊断结果与实际故障的差值：

27、

28、其中代表训练样本的个数，代表铣削的真实故障值，代表故障诊断的结果。

29、优选的，所述步骤五中，优化过程包括：

30、第一，首先对ω进行初始化，；

31、第二，对优化算法中的参数进行初始化，种群中解的数目为 num，最优子群中解的数目定义为，问题维度定义为dim，代表最优子群，代表最优子群的权值，；

32、第三，采样操作，，其中为第次生成的第 i个解向量，为总体的平均值， b表示步长， h表示正态分布，表示第g代总体的协方差矩阵；

33、第四，进行投影操作，保证解向量满足优化约束，描述如下：

34、

35、其中，，代表变量数目， p代表每个等式约束的解，，表示参数向量；

36、第五，进行选择和更新操作，选择满足条件的最优参数解，根据解，对总体的平均值和协方差矩阵进行更新，，在最优子组中，第 i个解的权值标记为，。

37、优选的，所述步骤五中，更新协方差矩阵的计算过程如下：

38、

39、其中，，，表示学习率，表示第g代下的演化步骤， j表示单位矩阵，表示阻尼系数，表示数学期望，最后，判断优化效果，如果优化效果超出预期范围，则重新执行投影运算及其后续步骤，直到优化效果满足预期范围。

40、与现有技术相比，本发明的有益效果是：本发明能有效应对先验信息缺失时给建模带来的困难，采用k-means聚类算法对铣削过程中的历史数据进行挖掘，得到可行的参考值，针对环境干扰引起的不确定性，该模型对其进行了量化，将指标不确定性融入了推理模型中，提高了模型对于不确定性的处理能力，降低了干扰因素对故障诊断的影响，有利于准确地捕捉到合理的故障信息，提高了诊断的精确性，在先验信息缺失的条件下依然能够展现优秀的性能，并在面对干扰时保持其诊断稳健性。

技术特征：

1.一种考虑环境干扰和自适应的铣削故障诊断方法，包括以下步骤：步骤一，参考值挖掘；步骤二，求取指标不确定度；步骤三，构建初始模型；步骤四，模型推理；步骤五，模型优化；步骤六，案例检验；其特征在于：

2.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤一中，聚类的方法包括：通过对数据进行分组的方式将数据点分成k个簇，并且每个簇都有一个中心点，将这些簇中心作为参考值。

3.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤一中，参考值方案中包括聚类得到的方案和监测数据的上下界。

4.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤一中，聚类数目为1-6。

5.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤二中，根据监测数据的平均距离，进行指标不确定度求取，首先计算监测数据的平均距离：

6.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤四中，具体为：通过证据推理解析算法进行模型推理，将指标不确定度融入模型推理阶段，得到故障诊断结果，并通过最终的置信分布展示诊断结果。

7.根据权利要求6所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述将指标不确定度融入模型的推理过程具体为：

8.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤五中，采用投影协方差矩阵自适应进化策略优化算法进行优化，目标函数为：

9.根据权利要求1所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述步骤五中，优化过程包括：

10.根据权利要求9所述的一种考虑环境干扰和自适应的铣削故障诊断方法，其特征在于：所述更新协方差矩阵的计算过程如具体为：

技术总结
本发明公开了一种考虑环境干扰和自适应的铣削故障诊断方法，包括以下步骤：步骤一，参考值挖掘；步骤二，求取指标不确定度；步骤三，构建初始模型；步骤四，模型推理；步骤五，模型优化；步骤六，案例检验；本发明能有效应对先验信息缺失时给建模带来的困难，采用K‑means聚类算法对铣削过程中的历史数据进行挖掘，得到可行的参考值，针对环境干扰引起的不确定性，该模型对其进行了量化，将指标不确定性融入了推理模型中，提高了模型对于不确定性的处理能力，降低了干扰因素对故障诊断的影响，有利于准确地捕捉到合理的故障信息，提高了诊断的精确性，在先验信息缺失的条件下依然能够展现优秀的性能，并在面对干扰时保持其诊断稳健性。

技术研发人员：贺维,赵伯英,孔令凯,许冰,周国辉,朱海龙
受保护的技术使用者：哈尔滨师范大学
技术研发日：
技术公布日：2024/3/27