基于卷积变分自编码器的滚珠丝杠副异常监测

来源：计算机集成制造系统杂志2025年第8期北京时间：

作者：文娟, 王午炎, 郑磊, 潘柏松

单位：1.浙江工业大学机械工程学院2.恒丰泰精密机械股份有限公司

摘要：为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作为输入,训练得到能够对正常数据进行重构的CNVAE模型。然后,将实时信号输入CNVAE模型中得到重构误差,作为表征滚珠丝杠副退化状态的健康指标。最后,采用一个在时间尺度上滑动的窗口选取不同时间段内的重构误差构成时间序列,输入核密度估计模型中,通过观测滑动窗口内重构误差的概率分布变化自动判定滚珠丝杠副是否出现异常。实验结果表明,提出方法能够区分滚珠丝杠副的不同退化阶段,表征滚珠丝杠副的退化演变过程,相比于传统方法能够更早地检测到滚珠丝杠副的异常。

关键词：异常监测,卷积变分自编码器,核密度估计,滚珠丝杠副,退化阶段识别

基金资助：国家自然科学基金资助项目(51475425);绍兴市“揭榜挂帅”制科技资助项目(2021B41006);浙江省博士后科研项目择优资助项目(273426)。