摘要
本发明提出一种基于马尔可夫迁移场的生成式机床进给轴状态检测方法,包括一下步骤:步骤s1,采集进给轴各工况下的电流数据集进行预处理,建立一维进给轴电流数据集;步骤s2,利用马尔可夫迁移场变换将一维信号转换为MTF图像,并将原始图像进行裁剪生成多个子图像,制作成二维图像数据集;步骤s3,将裁剪后的图像数据按比例分为真实数据和验证集,使用真实数据训练改进的对抗生成神经网络,从而生成高质量数据。本发明实施例的目的在于提供一种于生成式数据辅助的机床进给轴状态检测方法,利用马尔可夫迁移场变换保留动态特性和对抗神经网络扩充数据的能力针对小样本情况下分类器存在机床进给轴状态识别率低,训练难以收敛的问题。
技术关键词
机床进给轴
状态检测方法
生成神经网络
二维图像数据
注意力机制
深度学习分类模型
训练分类器模型
故障工况
电流
滑动窗口
信号
样本
复杂度
参数
批量