买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜大连理工大学申请的专利一种基于优化条件自编码器的机床进给轴健康监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119691690B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510213159.X，技术领域涉及：G06F18/25；该发明授权一种基于优化条件自编码器的机床进给轴健康监测方法是由刘洪强;吴楚杰;田芝豪;李凯;孙海瀚;刘阔;郭东明设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于优化条件自编码器的机床进给轴健康监测方法在说明书摘要公布了：本发明属于机床健康状态监测领域，公开一种基于优化条件自编码器的机床进给轴健康监测方法。传感器采集机床进给轴健康状态下以及部分故障状态下振动信号与功率信号；通过小波包分解对振动信号与功率信号进行预处理去噪；去噪后计算时域、频域特征值形成机床特征向量，生成时频矩阵并转化为RGB图像，构建机床多源数据集；划分机床多源数据集，得到训练集、验证集、测试集，训练集仅包含健康数据；机床特征向量和训练集输入基于优化条件变分自编码器的机床进给轴健康状态监测模型进行训练，训练后的模型用于机床进给轴健康状态监测。本发明仅利用健康数据实现进给轴健康状态监测，降低了故障数据与健康数据不平衡对数据驱动监测方法带来的影响。

本发明授权一种基于优化条件自编码器的机床进给轴健康监测方法在权利要求书中公布了：1.一种基于优化条件自编码器的机床进给轴健康监测方法，其特征在于，包括步骤如下： S1.通过传感器采集机床进给轴健康状态下的功率信号与振动信号以及部分故障状态下振动信号与功率信号； S2.通过小波包分解对所述振动信号与所述功率信号进行信号预处理去噪，得到去噪振动信号与去噪功率信号； 所述信号预处理去噪具体为，对所述振动信号与所述功率信号分别进行分割，分割后每段子信号长度为L，对每段子信号进行i层小波包分解，小波基函数为ψt，得到小波包树；所述小波包树中第i层第k个节点处的能量表示为其中Ci,kh为振动信号第i层第k个节点下的小波系数或功率信号第i层第k个节点下的小波系数，对第i层所有节点能量进行求和，得到第i层节点总能量计算小波去噪阈值将能量大于等于小波去噪阈值的节点定义为有效节点，小于小波去噪阈值的节点定义为噪声节点，其中γ为阈值调节系数，用于调节噪声信号判断敏感度；根据剩余的有效节点分别对振动信号或功率信号进行重构，得到去噪振动信号Xn与去噪功率信号Yn； S3.计算去噪振动信号与去噪功率信号二者的时域特征值和频域特征值，形成机床特征向量；所述机床特征向量表示为T＝{t1,t2,…,tq}，其中q＝1,2,…,Q，tq表示不同信号的时域特征值、频域特征值；所述时域特征值包括整流平均数、均方根、标准差、峭度，所述频域特征值包括谱幅值均值、谱幅值均方根、谱幅值标准差、谱频率重心、谱频率标准差、谱频率均方根、谱频率偏度、谱变异系数； 对去噪振动信号、去噪功率信号进行小波变换生成振动信号时频矩阵、功率信号时频矩阵，获取振动时频灰度图与功率时频灰度图；绘制去噪振动信号灰度图，将所述振动时频灰度图输入红通道，功率时频灰度图输入绿通道，去噪振动信号灰度图输入蓝通道，生成机床状态RGB图像，构建机床多源数据集； S4.对所述机床多源数据集进行划分，得到训练集、验证集、测试集；所述训练集与验证集中仅包含健康数据，所述测试集中同时包含健康数据与故障数据；搭建基于优化条件变分自编码器的机床进给轴健康状态监测模型，将机床特征向量和训练集输入至基于优化条件变分自编码器的机床进给轴健康状态监测模型中训练，通过最小化损失函数，对网络参数进行迭代更新，得到训练后的基于优化条件变分自编码器的机床进给轴健康状态监测模型； 所述基于优化条件变分自编码器的机床进给轴健康状态监测模型，以条件变分自编码器为主要框架，包括编码器与解码器两部分； 所述机床特征向量和训练集输入至编码器；所述机床特征向量作为条件变分自编码器的条件输入，通过机床特征向量对潜在空间进行约束，使得基于优化条件变分自编码器的机床进给轴健康状态监测模型在训练过程中以机床特征向量为标签生成对应的映射空间，后续的每一次健康诊断通过机床特征向量找到对应的映射空间进行数据重构；所述机床状态RGB图像作为条件变分自编码器的特征输入； 所述编码器主要由卷积层、残差块、SENet注意力模块组成，输入机床状态RGB图像在编码器中依次通过Kcon个卷积层进行初步特征提取，卷积层间添加残差块；通过SENet注意力模块加大重要特征权重抑制无关特征，最后通过展平层将特征压缩为一维向量ex，将ex与机床特征向量T进行拼接后接入分布计算层； 所述分布计算层由两个全连接层组成，用于计算数据在潜在空间的均值μ与对数方差logσ2，通过均值与对数方差对潜在变量ez进行采样， 将ez与机床特征向量T合并，得到编码器输出ez *，随后通过解码器将编码后的特征重构为与原始输入尺寸相同的数据，其中解码器与编码器的结构对称； S5.验证集输入至训练后的基于优化条件变分自编码器的机床进给轴健康状态监测模型计算重构误差；依据3σ原则，通过验证集重构误差设定健康状态判断阈值；数据重构误差超过健康状态判断阈值时机床偏离健康状态，判定机床故障，数据重构误差小于等于健康状态判断阈值，判定机床仍处于健康状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。