考虑工况变化的数控刀架运行状态异常检测方法

针对数控刀架故障数据少、难获取,且运行数据随工况变化致使故障诊断困难的问题,提出了一种基于非故障数据并考虑工况变化的运行状态异常检测方法.该方法通过多元高斯分布模型和考虑工况变化的偏差特征建模,确定刀架运行状态异常数据的评判依据.首先,通过统计分析找到刀架在不同工作过程中的关键工况与信号特征;其次,分别选择线性回归、信息增益判别、广义回归神经网络方法建立工况与信号特征的关系模型,得到观测信号特征与给定信号特征之间的偏差;最后,采用刀架正常状态时的数据训练模型.通过大量工况变化实验与异常模拟实验,并与传统多元高斯分布模型比较,得出本文所提模型能排除工况变化的影响,并能更好地识别异常状态.