机床与液压

作者：刘波，宋春华

单位：电子科技大学成都学院航空学院；西华大学机械工程学院

关键词：数控铣床;传感器信号采集;故障诊断;液压系统;多粒度自注意力机制网络模型

针对现有数控铣床故障诊断方法存在的信号特征提取精度低、故障预警不及时和故障诊断效率较低等问题，提出一种基于多粒度自注意力机制网络的故障诊断方法。构建多粒度自注意力机制网络模型，并基于此搭建数控铣床液压系统故障诊断框架。该框架由输入层、多粒度特征提取层、自注意力机制层和输出层构成。其中，输入层采集并处理液压系统运行信号，多粒度特征提取层利用小波变换算法提取信号粗粒度和细粒度特征，自注意力机制层计算权重系数并通过加权融合获得多粒度特征，输出层应用Softmax分类器计算液压系统故障类别概率并确定最终诊断结果。最后，以VMC-2050HT数控铣床液压系统为实验对象，搭建实验场景，验证所提方法的有效性。结果表明：与现有故障诊断算法相比，该算法的故障特征提取与实际变化值趋近，其混淆矩阵输出结果为99.5%，F1值持续稳定在0.90以上，特征提取效果优于现有方法。该算法能够相对精确地采集数控铣床的故障特征并实现对故障点的定位和故障类型判定，具有良好的适用性。

来源：2025年第19期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第19期