基于循環神經網絡的數控機床故障診斷研究

林偉強

(廣州科技貿易職業學院管理學院，廣東廣州 511442)

0 前言

循環神經網絡是滿足遞歸變化規律的神經型應用網絡，始終以序列數據作為輸入信息，可在序列演進方向上，對所有數據參量進行遞歸處理，且在整個運算過程中，所有循環單元(節點)都一直保持鏈式連接狀態。作為循環神經網絡的內在核心部分，RNN具備有向圖的所有應用特質，在展開時享有鏈式相連關系的元素被稱為節點或循環單元，可與前饋神經網絡中的隱含層單元進行類比。但不同的是，RNN可同時代表單個時間步循環單元與多個時間步循環單元，而隱含層單元不可以。在非監督學習法則的作用下，循環神經網絡可被用于監督數控機床等大型制造類機械設備，并可根據“門”節點選取行為的不同，對不同故障類型進行診斷與分析。

數控機床是裝有程序控制系統的自動化機床，能夠按照一定邏輯讀寫具有控制編碼能力的程序，并對其進行譯碼處理，再通過代碼化數字的形式輸入信息載體裝置中。數控機床故障診斷是一種新興的綜合診斷技術，通過采集電氣、機械部件特征信息，判斷它是否處于正常運行狀態，其目的在于發現、分析、檢查機械設備的應用故障行為，并對故障產生原因及故障類別進行分析。因故障造成的數控機床停機會對制造類企業造成極大損失，且故障類型也十分復雜，故如何正確且迅速地進行故障診斷是確保數控機床能夠長時間正常運轉的核心問題。……