一种基于多模态信号融合的连续小波变换与深度学习的铣齿机刀具故障诊断方法及系统

本发明提供了一种基于多模态信号融合的连续小波板换与深度学习的数控机铣齿刀具故障诊断方法及系统，涉及数控铣齿机刀具数据监测、数据融合集故障检测领域，主要方法包括：1)采用加速度传感器和噪声传感器分别采集刀具工作过程中逐渐磨损的振动信号和声音信号；2)对每种信号进行预处理，再采用连续小波变换将一维信号转化为二维图像，作为故障诊断的原始样本集；3)将两种信号的图像输入到卷积神经网络中进行时频图像的特征提取以及多模态特征融合；4)对融合后的特征按照70％、20％和10％划分训练集、测试集和验证集；5)进行模型建立，建立ConvNext模型对数据集进行故障诊断，并采用softmax分类器进行分类，识别多模态融合信号反应的刀具磨损状态。本发明采用图像处理方式处理多模态传感器数据，进行特征融合能够更加有效地反应刀具磨损状态。