37、利用机器学习技术进行故障过程检测与医学影像特征提取

利用机器学习技术进行故障过程检测与医学影像特征提取

1. 工业制造中的故障过程检测

在工业制造生产中，不理想的生产过程会导致机器故障，给企业带来巨大成本。因此，尽早检测出故障过程以防止机器进一步损坏或工具破损至关重要。近年来，机器学习技术成为优化工业生产的核心，因为传统统计方法在某些情况下已显不足。机器学习能够分析来自多个来源的大型复杂数据集，识别非线性和隐藏模式。

1.1 数据描述

• 数据样本 ：收集的数据集包含676个样本，其中624个为正常钻孔过程，52个为故障过程。这些数据于2022年7月13日从GENIOR MODULAR监控系统版本58.10.8.0（Alpha）收集，通过安装在钻孔机上的传感器获取。钻孔过程使用1毫米的普通钻孔工具和铝制部件进行。

• 信号类型 ：数据集包含6种信号，具体如下：

  • S1：无额外滤波器的数字扭矩适配器信号。
  • S2：Z轴无额外滤波器的数字扭矩适配器信号。
  • S3：电力或原始功率。
  • S4：Z轴带50毫秒滤波器的数字扭矩适配器信号。
  • S7：用GEMTP模块（旧硬件）测量的主轴有功功率，无额外滤波器。
  • S8：用GEMTP模块（新硬件）测量的主轴有功功率，无额外滤波器。

  其中，S1和S2是来自数控（NC）的内部信号，通过电流传感器基于内部电机模型计算扭矩，单位为牛顿 - 米；S3来自带有霍尔传感器的功率测量模块；S4来