[發明專利]電流信號分析的工業機器人故障診斷方法

在審

• 申請號: 202111596134.0
• 申請日: 2021-12-24
• 公開（公告）號: CN114282577A
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 李志宏;屈成俊;宋昊飛;張坤;黃慧潔
• 申請（專利權）人: 上海機器人產業技術研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01R19/00
• 代理公司: 上海璀匯知識產權代理事務所(普通合伙) 31367
• 代理人: 王文穎

1.一種電流信號分析的工業機器人故障診斷方法，其特征在于，具體包括如下步驟：

1)根據機器人單個動作的周期時長，設置采樣頻率對實驗機器人正常運行和故障運行的電流信號進行采集，采集信號作為原始數據；

2)信號數據提?。翰捎秒S機滑動加窗的方法從原始數據里提取數據，設置的窗口長度n大于機器人單個動作的周期時長對應的采樣數據個數；提取相同數量的正常運行數據和故障運行數據形成數據集，

3)數據預處理：將步驟2)數據集中的每個一維數據分成n/2段，每段包含n/2個采樣點數據，每個數據變為n/2*n/2的二維數據；數據集中所有數據處理為二維數據作為卷積神經網絡的輸入；

4)卷積神經網絡模型的搭建和訓練：

搭建卷積神經網絡模型：卷積神經網絡依次包括第一層卷積層、第一層池化層處理、第二層卷積層、第二層池化層、第三層卷積層、第三層池化層處理、展開層、第一層全連接層和第二層全連接層；

將步驟3)預處理后的二維灰度圖分為訓練集和測試集，將訓練集數據輸入建立的卷積神經網絡模型進行訓練，設置損失函數為交叉熵損失函數，設置優化器為Adam優化器，訓練至訓練誤差至設定值，并用測試集數據驗證卷積神經網絡模型的泛化能力，不斷迭代直至網絡性能至合格，保存卷積神經網絡模型參數；

5)機器人故障診斷：

將新采集的機器人電流數據經過步驟2)和步驟3)預處理操作后，輸入進步驟4)訓練好的卷積神經網絡模型，輸出機器人的故障狀況。

2.根據權利要求1所述電流信號分析的工業機器人故障診斷方法，其特征在于，所述步驟1)所述機器人單個動作的周期時長約2s，設置信號采樣頻率為2.5khz，則每一個周期約包含5000個采樣點。

3.根據權利要求2所述電流信號分析的工業機器人故障診斷方法，其特征在于，所述步驟2)中窗口長度為10000，設置正常運行每天窗口選取20組數據，故障運行每天窗口選取80組數據，選取4天正常運行采集的數據和1天故障運行采集的數據當作數據集。

4.根據權利要求3所述電流信號分析的工業機器人故障診斷方法，其特征在于，所述步驟4)所述第一卷積層輸入通道數為1，輸出通道數為32，卷積核尺寸為5*5，步長為1，邊界用0填充2個像素長度；

所述第一層池化層模式為最大池化，池化核尺寸為2*2，步長為2；

所述第二卷積層輸入通道數為32，輸出通道數為32，卷積核尺寸為5*5，步長為1，邊界用0填充2個像素長度；

所述第二層池化層模式為最大池化，池化核尺寸為2*2，步長為2；

所述第三卷積層輸入通道數為32，輸出通道數為64，卷積核尺寸為5*5，步長為1，邊界用0填充2個像素長度；

所述第三層池化層模式為最大池化，池化核尺寸為2*2，步長為2；

所述展開層將第三層池化層輸出的多通道二維數據展開成一維向量；

所述展開層輸出一維向量依次經過第一層全連接層、第二層全連接層后輸出通道數為2。

5.根據權利要求1至4中任意一項所述電流信號分析的工業機器人故障診斷方法，其特征在于，所述步驟3)的二維數據，將其數值范圍映射到0-255，得到可視的n/2*n/2的二維灰度圖，作為卷積神經網絡的輸入。