基于注意力机制的数控机床进给轴深度学习故障诊断

摘要：

针对传统故障诊断方法易受振动传感器安装位置的影响、故障诊断准确性不高的问题,提出一种基于注意力机制的数控机床进给轴深度学习故障诊断方法(AM-CNN-GRU).该方法以数控机床进给轴的电流、电压与温度等相关数据作为输入数据,针对采集的进给轴数据中蕴含大量的时空特征信息,为了提取数据中的时空信息以提高故障诊断准确性,设计一种由CNN与GRU并联组成的时空特征提取结构.为验证所提方法的准确性,利用FANUC数控提供的FOCAS数据开发包编写数控机床实时监测与数据采集软件,并在G460L数控车床上进行数据的采集,利用采集的数据训练故障诊断模型.把所提故障诊断方法与相关方法进行对比,准确性达到98.75％,所提方法具有一定的有效性和实用性.

关键词：深度学习、故障诊断、进给轴、注意力机制

所属期刊栏目：51

分类号：TH165

资助基金：重庆理工大学研究生科研创新项目;重庆理工大学研究生科研创新项目

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：214-219