一种面向时变工况的机床电主轴健康监测方法与系统

本申请属于机械设备生产加工过程状态监测领域，特别涉及一种面向时变工况的机床电主轴健康监测方法与系统，利用Weibull分布对判别器模型D输出的与健康状态关联的均值特征的概率分布进行拟合，而后根据最佳的分布参数确定Weibull分布中区分正常与异常数据的临界值，并将该临界值作为判别器模型D评估输出数据时的决策阈值，得到训练完成的特征提取器模型CVAE，实现加工状态在线监测；充分考虑到复杂结构件加工过程面临的复杂工况问题，提出的条件变分编码器能够适应不同工况下的数据变化，通过特征解耦和生成对抗学习提高健康监测的准确性和鲁棒性。通过生成器和判别器循环交替训练出的判别器模型D可以自主判别设备健康状态。