摘要
本申请公开了一种数控机床的故障预测方法及装置,本申请具有以下优点:采集多种类型数据,包括多源工艺参数数据和加工图像数据,全面覆盖数控机床运行各个方面,创新的数据预处理和特征提取方法,充分挖掘数据价值,能更准确地描述机床运行状态,提高故障预测准确性;独特的动态时空注意力网络架构,能自适应地聚焦关键时空特征,捕捉数据间的动态关联和故障早期微弱征兆,对故障特征的感知更敏锐,提升了预测性能;融合故障概率:将两种输出概率进行融合得到结果,在不同机床、工况下均能保持稳定的预测精度;多级预警与决策支持:多级故障预警和详细的故障原因分析报告及维护建议,为企业提供了全方位的决策支持,降低生产损失和维护成本。
技术关键词
故障预测模型
多源运行数据
图像特征数据
数控机床
模态特征
注意力
故障预测方法
并行特征提取
工作参数数据
深度学习架构
图像增强
训练集数据
机床运行状态
数据获取模块
故障预测装置
噪声数据
故障原因分析
多模态