一种基于大数据的数控机床故障预测方法及系统

本发明涉及数控机床故障预测技术领域，公开了一种基于大数据的数控机床故障预测方法及系统，包括：采集主轴转速、切削力及微振动数据，经降噪提取频率特征并计算“微扰交互强度”，生成特征向量集合；划分异常标记序列，分类异常模式和预测趋势，分离正常/异常特征得到异常分布序列；融合实时数据流计算轴承微振动故障概率，优化高警戒区域输出最终预测；闭环更新异常标记序列。本发明实现高频动态实时捕捉与微扰耦合效应量化，通过“数据‑模型‑决策”滚动优化，解决传统方法难以实时捕捉高频动态变化、无法精确量化微扰耦合效应从而导致的无法保证加工稳定性的问题，提升加工稳定性与设备可靠性。