技術特征：

1.一種基于魯棒多工況過程模型的主軸加工復合故障檢測方法，其特征在于，所述基于魯棒多工況過程模型的主軸加工復合故障檢測方法，包括：

2.根據權利要求1所述的基于魯棒多工況過程模型的主軸加工復合故障檢測方法，其特征在于，所述小波核注意力卷積層先利用多種小波基函數對預處理后的電流信號進行多尺度的可解釋特征提取，接著采用softmax函數處理可解釋特征得到樣本顯著特征，包括：

3.根據權利要求1所述的基于魯棒多工況過程模型的主軸加工復合故障檢測方法，其特征在于，所述由1-d卷積層構成的卷積自編碼器根據樣本顯著特征得到內含多個小波分解結果的樣本低維表示，包括：

4.根據權利要求1所述的基于魯棒多工況過程模型的主軸加工復合故障檢測方法，其特征在于，所述通過狄利克雷過程獲得最優高斯組件個數，包括：

5.根據權利要求1所述的基于魯棒多工況過程模型的主軸加工復合故障檢測方法，其特征在于，所述利用估計網絡估計高斯混合隱馬爾可夫模型中每個隱狀態對應觀測序列的混合隸屬度和狀態轉移概率，包括：

6.根據權利要求1所述的基于魯棒多工況過程模型的主軸加工復合故障檢測方法，其特征在于，所述構建包括樣本重構誤差、樣本低維表示對應的能量、懲罰項和變分貝葉斯推斷的證據下界的聯合優化框架損失函數，包括：

技術總結
本發明屬于旋轉機械故障檢測技術領域，公開了一種基于魯棒多工況過程模型的主軸加工復合故障檢測方法，包括采集主軸加工設備正常運行狀態下的電流信號并預處理；預處理后的電流信號依次經過小波核注意力卷積層和卷積自編碼器；構建高斯混合隱馬爾可夫模型，通過狄利克雷過程獲得最優高斯組件個數，計算樣本低維表示對應的能量；構建包括樣本重構誤差、樣本低維表示對應的能量、懲罰項和變分貝葉斯推斷的證據下界的聯合優化框架損失函數，更新網絡參數至收斂。本發明提升模型的可解釋性，同時增強故障檢測的有效性。

技術研發人員：吳麒,李志堅,張寶康,劉嘉帥,仇翔,顧曹源,王瑤為,張文安
受保護的技術使用者：浙江工業大學
技術研發日：
技術公布日：2025/4/28