基于时空特征提取的刀具无监督异常检测方法

来源：计算机集成制造系统杂志2025年第3期北京时间：

作者：邵绪凤, 赵志诚, 聂晓音, 张宇

单位：1.太原科技大学电子信息工程学院2.先进控制与装备智能化山西省重点实验室

摘要：刀具异常检测是分析和判断刀具健康状态的基础和关键。针对刀具在异常检测过程中,振动信号状态信息难以辨别、时空特征提取不同步以及潜在空间中潜在变量的分布考虑尚不充分,导致模型检测精度低的问题,提出一种基于时空特征提取的刀具无监督异常检测方法。首先,对各轴向振动信号采用独立式预处理方法,将其映射到同一范围,消除信号波动范围不一致带来的影响。然后,将时间卷积网络(TCN)嵌入变分自编码器(VAE)中,实现数据时空特征的同步提取,提高模型的学习能力;同时,通过非线性映射将原始数据映射到潜在空间,从而学习到各轴向输入的潜在变量,并使其尽可能对齐高斯分布。最后,利用公开刀具磨损数据集PHM 2010验证了所提方法的有效性,结果表明,所提方法具有较高的检测精度,且性能优于其他异常检测方法。

关键词：刀具,异常检测,变分自码器,时间卷积网络,无监督学习

基金资助：山西省科技成果转化引导专项资助项目(202204021301059);山西省基础研究计划(自由探索类)面上资助项目(202203021221142);山西省研究生科研创新资助项目(2023KY650)。