(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 202211028533.1 (22)申请日 2022.08.25 (71)申请人 温希 （杭州） 科技有限公司 地址 311100 浙江省杭州市拱 墅区湖墅新 村42幢1号613室 (72)发明人 喻晨　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 胡琳丽 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06Q 50/04(2012.01) (54)发明名称 智能制造下的设备状态监测系统及其监测 方法 (57)摘要 本申请涉及智能制造的领域， 其具体地公开 了一种智能制造下的设备状态监测系统及其监 测方法， 其通过时序编码器来提取出智能设备的 刀具的切削力数值在时间维度上的高维关联隐 含特征以获得第一特征向量， 并使用卷积神经网 络模型挖掘出所述刀具的振动信号的波形图和 所述声发射信号的波形图的局部特征在高维空 间中的特征分布以获得第二特征向量和第三特 征向量， 这样通过构造所述特征向量之间的关联 矩阵， 进而以关联插值来产生连续函数近似， 再 进一步通过逻辑激活， 以可导的实数运算来模拟 逻辑运算， 从而从连续逻辑分布的参数来直接得 到离散逻辑 分布， 以实现连续函数和离散函数在 高维特征空间的分布的融合， 进而提高分类的准 确性。 权利要求书4页 说明书14页 附图4页 CN 115410064 A 2022.11.29 CN 115410064 A 1.一种智能制造下的设备状态监测系统， 其特 征在于， 包括： 源数据采集单元， 用于获取智能设备的刀具在预定时间段内多个预定时间点的切削力 数值、 所述刀具在所述预定时间段的振动信号和声发射信号； 时序编码单元， 用于将所述刀具在多个预定时间点的切削力数值通过包含一维卷积层 和全连接层的时序编码器以获得第一特 征向量； 卷积编码单元， 用于将所述刀具的振动信号的波形图和所述声发射信号的波形图分别 通过卷积神经网络以生成对应于所述刀具的振动信号的第二特征向量和对应于所述刀具 的声发射信号的第三特 征向量； 关联单元， 用于计算所述第 一特征向量和所述第 二特征向量之间的第 一关联矩阵以及 所述第一特征向量和所述第三特征向量之间的第二关联矩阵， 其中， 所述第一关联矩阵为 所述第一特征向量的转置乘以所述第二特征向量， 所述第二关联矩阵为所述第一特征向量 的转置乘以所述第三特 征向量； 第一逻辑激活单元， 用于以所述第 一关联矩阵对所述第 二特征向量进行逻辑激活以获 得第四特征向量， 其中， 所述以所述第一关联矩阵对所述第二特征向量进行逻辑激活， 包 括： 计算单位向量与所述第一关联矩阵乘以所述单位向量与所述第二特征向量之 间的差分 向量所生成的特征向量之 间的差分向量以获得第一逻辑激活向量； 将所述第一关联矩阵与 所述第二特征向量进行矩阵相乘以获得第二逻辑激活向量； 以及， 计算所述第一逻辑激活 向量和所述第二逻辑激活向量之间的按位置加权和以获得 所述第四特 征向量； 第二逻辑激活单元， 用于以所述第 二关联矩阵对所述第 三特征向量进行逻辑激活以获 得第五特征向量， 其中， 所述以所述第二关联矩阵对所述第三特征向量进行逻辑激活， 包 括： 计算单位向量与所述第二关联矩阵乘以所述单位向量与所述第三特征向量之 间的差分 向量所生成的特征向量之 间的差分向量以获得第三逻辑激活向量； 将所述第二关联矩阵与 所述第三特征向量进行矩阵相乘以获得第四逻辑激活向量； 以及， 计算所述第三逻辑激活 向量和所述第四逻辑激活向量之间的按位置加权和以获得 所述第五特 征向量； 向量融合单元， 用于融合所述第一特征向量、 所述第 四特征向量和所述第五特征向量 以获得分类特 征向量； 以及 监测结果单元， 用于将所述分类特征向量通过分类器以获得分类结果， 所述分类结果 用于表示所述智能设备的刀具性能是否满足预设要求。 2.根据权利要求1所述的智能制造下的设备状态监测系统， 其中， 所述时序编码单元， 进一步用于： 将所述刀具在多个预定时间点的切削力数值按照时间维度排列为输入向量； 使用所述 时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向 量中各个位置的特征值的高维隐含特征， 其中， 所述公式为： 其中X是输 入向量， Y是输出向量， W是权重矩阵， B是偏置向量， 表示矩阵乘； 使用所述时序编码器的 一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个 位置的特 征值间的高维隐含关联 特征， 其中， 所述公式为： 权　利　要　求　书 1/4 页 2 CN 115410064 A 2其中， a为卷积核在x方向上的宽度、 F为卷积核参数向量、 G为与卷积核函数运算的局部 向量矩阵， w 为卷积核的尺寸。 3.根据权利要求2所述的智能制造下的设备状态监测系统， 其中， 所述卷积编码单元， 进一步用于： 所述卷积神经网络的各层在层的正向传递中分别对输入数据进行基于二维卷积核的 卷积处理、 沿通道维度的池化处理和激活处理以由所述卷积神经网络的最后一层输出对应 于所述刀具 的振动信号的第二特征向量， 其中， 所述卷积神经网络的第一层的输入为所述 刀具的振动信号的波形图； 以及， 所述卷积神经网络的各层在层的正向传递中分别对输入 数据进行基于二 维卷积核的卷积处理、 沿通道维度的池化处理和激活处理以由所述卷积神 经网络的最后一层输出对应于所述刀具 的声发射信号的第三特征向量， 其中， 所述卷积神 经网络的第一层的输入为所述声发射信号的波形图。 4.根据权利要求3所述的智能制造下的设备状态监测系统， 其中， 所述关联单元， 进一 步用于： 以如下公式计算所述第一特征向量和所述第二特征向量之间的第一关联矩阵以及所 述第一特 征向量和所述第三特 征向量之间的第二关联矩阵； 其中， 所述公式为： 其中， v1为所述第一特 征向量， v2为所述第二特 征向量， v3为所述第三特 征向量。 5.根据权利要求4所述的智能制造下的设备状态监测系统， 其中， 所述第 一逻辑激活单 元， 进一步用于： 以所述第一关联矩阵以如下公式对所述第二特征向量进行逻辑激活以获得第四特征 向量； 其中， 所述公式为： 其中 和⊙分别表示向量的按位置加、 减和乘， 表示向量乘。 6.根据权利要求5所述的智能制造下的设备状态监测系统， 其中， 所述第 二逻辑激活单 元， 进一步用于： 以所述第二关联矩阵以如下公式对所述第三特征向量进行逻辑激活以获得第五特征 向量； 其中， 所述公式为： 权　利　要　求　书 2/4 页 3 CN 115410064 A 3