一种基于持续优化Mamba网络的机床进给轴精度退化预测性维护方法

本发明属于工业设备健康监测与预测性维护技术领域，公开一种基于持续优化Mamba网络的机床进给轴精度退化预测性维护方法。本发明通过三向振动传感器采集机床进给轴振动信号，经基线矫正、滤波降噪及自编码器特征提取后，构建低维特征向量。利用试验平台轴承全生命周期数据预训练Mamba网络模型，结合动态参数生成机制捕捉状态演化规律，并通过零阶保持规则离散化状态空间方程实现高效时序建模。实际监测中，模型基于部分输入数据预测未来特征序列，计算健康指标并与多级阈值比对，实现健康/亚健康/初期退化/严重退化的四阶段状态判别。进一步引入持续学习机制，通过经验回放与小学习率微调动态更新模型参数，适应工况变化及新型故障模式。