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！

申请/专利权人：大连理工大学

摘要：本发明属于颤振检测领域，提供一种基于注意力表征增强网络的铣削信号颤振检测方法。利用通道注意机制，量化各通道信号与加工状态的权重，依据权重重构信号，实现通道尺度的信号注意力表征增强；设计BSRblock信号特征提取模块，利用贝叶斯变分注意力和层归一化机制，引导模型关注与颤振检测相关性强的局部信号时段，实现时间尺度的信号注意力表征增强；构建注意力表征增强网络模型，利用多通道铣削信号和状态标签组，对网络模型进行训练；将加工多通道信号输入到训练完成的网络模型中，实现对颤振信息的注意表征增强和颤振检测。

主权项：1.一种基于注意力表征增强网络的铣削信号颤振检测方法，其特征在于，步骤如下：第一步，设计通道注意机制模块通道注意机制模块主要由全局平均池化层、全局最大池化层和多层感知机组成，其中多层感知机由两层线性层和激活函数组成；首先，通道注意机制模块的全局平均池化层、全局最大池化层对采集到的多通道信号P＝[p1,p2,…,pC]∈RC×1×D进行压缩，得到两个特征： piGMP＝GMPpi＝max{pi1,pi2,...,piD}2其中，C为通道数，D为信号长度，i为多源信号的通道索引，1≤i≤C，d为单通道信号的时间索引，1≤d≤D；pid为在第i个通道的第d个时间序列点的信号幅值，piD为在第i个通道的最后一个时间序列点的信号幅值；连接PGAP和PGMP得到组合特征PGP：PGP＝ConcatPGAP,PGMP3然后，利用两层多层感知机，确定多通道信号的权重向量w，即各通道信号对颤振检测的敏感程度：w＝MLPPGP＝fSigmoidW2fReLUW1PGP4其中，fSigmoid为S型生长曲线激活函数，fReLU为线性修正单元激活函数，W1、W2分别为MLP的两个线性层的权重；最后，将通道权重和输入信号按通道相乘，实现通道尺度上的注意力表征增强；FScale为输入多通道信号P和权重向量w逐通道乘法； 第二步，设计BSRblock信号特征提取模块BSRblock信号特征提取模块包括多层级贝叶斯变分网络、挤压激励块和残差结构，多层级贝叶斯变分网络包括变分自注意机制、归一化层和前馈层；贝叶斯变分网络将单通道信号划分为多个信号段m为一个样本分割得到的信号段数，dm为每个信号段的长度；变分自注意机制计算各信号段对全信号的注意力权值，归一化层和前馈层将注意力权值进一步处理，引导BSRblock信号特征提取模块关注与颤振检测相关性强的局部信号时段；构建多层级的贝叶斯变分网络，第l层贝叶斯变分网络计算的注意力权值结果为： 其中，l为层级索引，1≤l≤L，L为贝叶斯变分网络的总层数；VSA为多层级变分自注意机制，LayerNorm为层归一化处理，FeedForward为前馈层；hl-1是上一层级的贝叶斯变分网络输出，是输入经变分自注意机制、层归一化和残差结构的中间输出结果，pl和hl是中间输出经前馈层、层归一化和残差结构的第l层贝叶斯变分网络输出结果；单通道信号经多层级贝叶斯变分网络得到pL；将多通道信号逐通道输入多个多层级贝叶斯变分网络中，经变分注意增强后得到多通道特征后，输入挤压激励块再次评估通道特征； 其中，PL是多通道信号经多个多层级贝叶斯变分网络的结果，是多个单通道pL的整合，PL-1是多通道信号经上个层级贝叶斯变分网络的结果；B为式6的运算，是BSRblock信号特征提取的中间结果；SE是挤压激励块、运算和通道注意机制模块近似；是中间结果经全局平均池化层的压缩结果，单通道运算同公式1，是中间结果经全局最大池化层的压缩结果，单通道运算同公式2，是中间结果经挤压激励块的结果；最后，将多层级贝叶斯变分网络和挤压激励块嵌入到残差结构中，实现BSRblock的构建，PBSR是BSRblock信号特征提取的最终输出结果，包括挤压激励块的结果与残差结构加入通道注意机制模块输出 第三步，结合通道注意机制和BSRblock信号特征提取模块，构建注意力表征增强网络模型；注意力表征增强网络模型包括特征提取部分和分类部分，特征提取部分包括通道注意机制模块、BSRblock信号特征提取模块和池化层，分类部分包括展平层、全连接层和Softmax激活层；开展工件铣削实验，采集铣削产生的多源振动信号，包括工件三个方向的加速度信号、支撑头三个方向的支撑力和噪声信号；综合考虑加工后工件表面质量和信号时频图，区分加工状态处于稳定状态或颤振状态，并为信号设置标签；将铣削多源信号和状态标签组成训练集，对构建的注意力表征增强网络模型进行训练；第四步，将实时铣削加工多源信号输入到训练完成的注意力表征增强网络模型中，实现对颤振信息的注意表征增强和颤振实时检测。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于注意力表征增强网络的铣削信号颤振检测方法