[发明专利]一种机器人剩余寿命预测方法及系统

权利要求书

1.一种机器人剩余寿命预测方法，其特征在于，包括：

获取待测机器人的历史运行状态数据，利用DTW算法对所述待测机器人与匹配库的机器人进行相似性度量，从所述匹配库中选出与所述待测机器人特征最相近的一个模板机器人作为预测器，所述匹配库包括典型工况下不同机器人的全生命周期运行数据；

所述利用DTW算法对所述待测机器人与匹配库进行相似性度量，从所述匹配库中选出与所述待测机器人特征最相近的一个模板机器人作为预测器包括：

分别取所述待测机器人与所述匹配库机器人的时间序列构造n×m维矩阵，计算从矩阵起点(1,1)到矩阵终点(n,m)的规整路径W，计算所述规整路径W经过的所有元素之和，取元素之和最小的路径记为DTW距离，选择最小DTW距离对应的模板机器人作为预测器；

所述DTW距离的计算为取两段时间序列Q和C如下式表示

Q序列表示待测机器人，C序列表示匹配库机器人，q_n表示待测机器人在时间点n上的特征值，c_m表示匹配库机器人在时间点m上的特征值；

定义n×m维矩阵的元素值为d(i,j)＝(q_i-c_j)²，设规整路径W为待测机器人与匹配库机器人的映射集，则DTW距离的计算为W(k)为规整路径W的第k个元素，d(W(k))表示规整路径W第k个元素的值，1≤K≤m+n-1；

对所述预测器的所有运行数据进行特征提取，筛选出退化特征变量；

预测从t_s时刻起下个时间点所述待测机器人的所述退化特征变量的值，当各退化相关特征变量值达到其对应的故障阈值时停止预测，计算所述待测机器人的剩余寿命，t_s为所述待测机器人在时间序列上最后一个数据对应的时间点，所述故障阈值为所述预测器在时间序列上最终时间点的退化特征变量值。

2.根据权利要求1所述的机器人剩余寿命预测方法，其特征在于，所述待测机器人与所述匹配库机器人的时间序列长度一致，n＝m。

3.根据权利要求1所述的机器人剩余寿命预测方法，其特征在于，所述对所述预测器的所有运行数据进行特征提取，筛选出退化特征变量包括：

使用k-means算法把所述预测器的所有运行数据聚为两类，在时间轴上以T₀和T₁为分界点，T₀以前的数据为第一类数据，T₁以后的数据为第二类数据，利用Relief算法筛选出退化特征变量。

4.根据权利要求3所述的机器人剩余寿命预测方法，其特征在于，所述利用Relief算法筛选出退化特征变量包括：

初始化各特征变量的权重w，w＝(0,0,...,0)；

利用所述第一类数据建立第一子集Q₀，Q₀＝{正例}，利用所述第二类数据建立第二子集Q₁，Q₁＝{负例}；

随机选择一个样例x∈Q₀∪Q₁，随机选择一个x的最近邻正例Z⁺∈Q₀和一个x的最近邻负例Z^-∈Q₁，当x是一个正例时Near-hit＝Z⁺且Near-miss＝Z^-，当x是一个负例时则Near-hit＝Z^-且Near-miss＝Z⁺，Near-hit表示样例x的最近邻正例的选取值，Near-miss表示样例x的最近邻负例选取值；

根据抽样次数更新各特征变量权重w_j并对w_j归一化，当w_j≥τ时对应的特征变量为退化特征变量，τ为退化特征权重阈值。