(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111582240.3 (22)申请日 2021.12.2 2 (71)申请人 深圳先进技 术研究院 地址 518055 广东省深圳市南 山区西丽大 学城学苑大道1068号 (72)发明人 郭媛君　杨之乐　安钊　刘祥飞　 吴承科　冯伟　李慷　王尧　 (74)专利代理 机构 深圳市科进知识产权代理事 务所(普通 合伙) 44316 专利代理师 刘建伟 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 数控系统多 模态故障预警方法及系统 (57)摘要 本发明涉及机械工程技术领域与计算机信 息处理交叉领域， 具体涉及一种数控系统多模态 故障预警方法及系统。 该方法及系统对数控系统 核心部件的故障数据根据模态不同进行分组处 理， 将每种模态的故障数据打上故障类别标签， 根据不同类别故障数据的标签， 对故障数据增加 引入条件变量， 进而使用额外引入的条件变量， 实现指导数据生成过程， 通过生成对抗网络生成 数控系统核心部件多模态故障数据， 解决了故障 数据不足与不同种类故障数据之间不兼容的问 题， 间接提高了数控系统运行的可靠性和稳定 性。 权利要求书2页 说明书10页 附图2页 CN 114528679 A 2022.05.24 CN 114528679 A 1.一种数控系统多模态故障预警方法， 其特 征在于， 包括以下步骤： 对数控系统核心部件的故障数据根据模态不同进行分组处理， 将每种 模态的故障数据 打上故障类别标签； 根据不同类别故障数据的标签， 对故障数据增加引入条件变量， 进而使用额外引入的 条件变量， 实现指导数据生成过程。 2.根据权利要求1所述的数控系统多模态故障预警方法， 其特征在于， 基于多模态条件 对抗生成网络， 通过对不同模态的故障数据打标签引入条件变量。 3.根据权利要求1所述的数控系统多模态故障预警方法， 其特征在于， 采用基于多模态 条件对抗生成网络， 通过对不同模态的数据进行数据筛选， 进而使用生成器与判断器进行 加条件的生成对抗训练， 生成特定模态条件下的所需的数控系统故障数据。 4.根据权利要求1所述的数控系统多模态故障预警方法， 其特征在于， 根据生成对抗网 络的结构特性， 将少量的不同种类的数控系统多模态故障数据与故障类别标签通过生成对 抗网络的生成对抗训练， 最终得到一个强生成对抗模型， 进而生成与真实的数控系统多模 态故障数据结构分布相似的大量数据。 5.根据权利要求1所述的数控系统多模态故障预警方法， 其特征在于， 所述方法具体包 括以下步骤： 步骤1.1对真实数控系统核心部件故障数据进行 特诊提取， 创建故障数据集； 步骤1.2对不同模态的故障信息进行 数据预处 理， 并打好标签； 步骤1.3整理数控系统核心部件数据集， 对不同种类别的数据加上类别标签， 作为输入 条件， 得到带有条件信息的数据集； 步骤1.4搭建条件生成对抗网络， 确定生成器与判别器的损失函数、 优化器、 步长以及 训练次数； 步骤1.5将先验噪声与条件信息一同输入到生成器得到生成故障数据； 步骤1.6以步骤1.2得到的数据集作为数控系统的真实故障数据， 将带有条件信息的真 实数据与带有条件信息的生成故障数据输入判别器进行判断； 步骤1.7对判别器的网络参数加上随机梯度下降； 步骤1.8对生成器的网络参数减去随机梯度下降； 步骤1.9重复进行步骤1.4到步骤1.7的操作， 每次重 复过程包括重 复k次步骤1.5 ‑步骤 1.6再进行1次步骤1.7； 步骤1.10条件对抗生成网络训练好之后， 将先验噪声与标签信息输入到训练好的网 络， 可以得到不同类别的数控系统核心部件故障数据。 6.根据权利要求5所述的数控系统多模态故障预警方法， 其特征在于， 步骤1.2中不同 模态的故障信息包括图像信号、 振动信号、 声 波信号。 7.根据权利要求1所述的数控系统多模态故障预警方法， 其特征在于， 所述方法具体包 括以下步骤： 步骤1.1′提取数控系统核心部件故障数据， 建立真实数控系统核心部件故障数据集； 步骤1.2′将不同模态的故障数据进行数据封装， 对真实数控系统核心部件故障数据集 进行时频域特 征提取， 将真实的数控系统故障数据进行 数据挖掘形成新的数据集； 步骤1.3′对不同类别的数控系统核心部件故障数据进行分类， 给每一种故障类别打上权　利　要　求　书 1/2 页 2 CN 114528679 A 2类别标签； 步骤1.4′将标签进行条件化处理， 令标签作为条件信 息与故障数据一同组成故障数据 集； 步骤2.1′定义条件对抗网络的生成对抗损失为代价函数， 用来衡量生成候选数控系统 故障数据和标注的真实数控系统核心部件故障数据分布之间的误差； 步骤2.2′通过生成对抗代价函数来惩罚生成的候选数控系统故障数据和标注的真实 数控系统故障数据分布之间的差异； 步骤2.3′该生成对抗损失定义 为： 步骤3.1′确定生成器与判别器的优化器为随机梯度下降； 步骤3.2′生成器中将先验输入噪声和标签信 息联合组成了联合隐层表征， 输出产生生 成的假的故障数据； 步骤3.3′判别器中将生成的假的故障数据与标签信息一同作为判别器的输入， 输出为 判别结果； 步骤3.4′通过加上其随机梯度来更新判别器； 步骤3.5′通过减去其随机梯度来更新 生成器； 步骤4.1 ′重复训练条件对抗生成网络， 判别器判断生成的故障数据与真实数据的差 异， 使网络 输出的生成故障数据与真实 故障数据的分布差异逐渐减小； 步骤4.2 ′引入超参数k， 先训 练k次判别器， 再训 练1次生成器， 即每重复进行k次步骤 3.2′、 步骤3.3 ′、 步骤3.4 ′， 进行一次步骤3.5 ′， 通过加速训练更新判别器， 可以使条件对抗 生成网络收敛 更快； 步骤4.3′条件对抗生成网络训练好之后， 通过对生成器输入相同维度的噪声与不同的 标签信息， 可以生成不同种类别的故障数据； 步骤5.1′将不同模态的数据输入生成对抗网络即可得到不同模态的生成数据， 通过将 不同模态之间故障分类的结果进行融合， 得到最终的故障预警结果， 利用多种模态信息融 合的方法增强 故障系统的预警准确度。 8.一种数控系统多模态故障预警系统， 其特 征在于， 包括： 故障类别标签模块， 用于对数控系统核心部件的故障数据根据模态不同进行分组处 理， 将每种模态的故障数据打上故障类别标签； 指导数据生成模块， 用于根据不同类别故障数据的标签， 对故障数据增加引入条件变 量， 进而使用额外引入的条件变量， 实现指导数据生成过程。 9.一种存储介质， 其特征在于， 所述存储介质存储有能够实现权利要求1至7中任意一 项所述数控系统多模态故障预警方法的程序文件。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述的数控系统多模态故障预警方法。权　利　要　求　书 2/2 页 3 CN 114528679 A 3