[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

本發明涉及一種電流信號分析的工業機器人故障診斷方法，擴展了卷積神經網絡在機器人故障分析領域的應用范圍；數據來源為機器人運行過程中真實出現的故障，分析結果更加真實；對原始數據進行一維卷積這一結構設置改變為二維卷積結構，增加了不同段信號之間的關聯，增大了網絡的彈性，并且加快運算速度，減小卷積核和步長參數的設置。根據實際的實驗測試結果，比較引入前后的網絡性能，不需要引入丟棄層和激活層就能夠實現較好的故障預測效果，進一步可簡化卷積神經網絡的結構，達到更好的診斷效果。該方法可以有效解決工業機器人故障診斷問題，為后續的工業機器人健康管理研究提供新的思路。

技術領域

本發明涉及一種工業機器人故障診斷技術，特別涉及一種電流信號分析的工業機器人故障診斷方法。

背景技術

在工業機器人故障診斷領域，通過信號特征值提取與分析能夠分辨出機器人的故障狀況。然而，大部分的故障分析算法都需要運用信號分析領域的專家知識，來人工提取合適的特征值，即特征值的選取帶有一定的主觀性。在實際應用中，無法保證選取的故障診斷方法最適合其所應用的場景。神經網絡能夠自動提取信號中的特征值，并且能夠基于提取到的特征值進行多分類。

中國申請專利CN 112651491A公開了一種基于CNN卷積模型的工業機器人故障預測方法(以下簡稱專利A)，專利A對機器人的振動信號進行了一維卷積，很好的實現了對機器人的故障預測，但存在一些改進的空間。

發明內容

為了進一步提高卷積神經網絡運用于機器人故障診斷的精度，提出了一種電流信號分析的工業機器人故障診斷方法。

本發明的技術方案為：一種電流信號分析的工業機器人故障診斷方法，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)信號數據提取：采用隨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。

進一步，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。

進一步，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。

進一步，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；