[发明专利]一种工业机器人故障检测方法

权利要求书

1.一种工业机器人故障检测方法，其特征在于，包括以下步骤：

A、获取工业机器人在正常运行过程中的多种不同采样率的数据，并组成多采样率训练样本集，对多采样率训练样本集进行预处理得到多采样率的参照训练样本集；

B、根据参照训练样本集构建包含双隐变量的动态潜在参照模型，所述动态潜在参照模型为：

q_t＝Fq_t-1+f_q

h_t＝Wh_t-1+f_h

为模型的两类隐变量，其中q_t用来描述质量变量和过程变量之间的数学关系，h_t用来保留与质量变量无关的过程变量剩余信息，l,s为隐变量的维度，l,s的和远小于M，M用来表示观测维度；和为模型的载荷矩阵，为不同采样率数据对应的发射矩阵，M_n，N_n分别表示不同采样率n下变量集的维数；f_q,f_h,f_x⁽ⁿ⁾为模型误差项；模型误差项以及双隐变量初始值h₁,q₁满足f_q～N(0,∑_q),f_h～N(0,∑_h),其中，～N表示服从高斯分布，Σ_q为特征隐变量q的协方差矩阵，Σ_h为特征隐变量h的协方差矩阵，为第n个采样率下观测变量集，为特征隐变量q的初始协方差矩阵，为特征隐变量h的初始协方差矩阵，为隐变量的初始化均值；通过上述动态潜在参照模型明确所需计算的模型参数为：

通过估计上述模型参数和双隐变量分布实现对动态潜在参照模型的训练，根据训练完成的动态潜在参照模型的双隐变量分布和模型参数构建相应的统计量T²和SPE，用卡方分布计算得到统计量T²和SPE的统计阈值和SPE_lim；

C、在统计阈值和SPE_lim建立后，采集工业机器人运行过程中的数据，使用训练完成的动态潜在参照模型计算工业机器人运行过程中的检测统计量和SPE_test，将得到的检测统计量和SPE_test分别与对应的统计阈值和SPE_lim相比，判断当前工业机器人是否存在故障。

2.根据权利要求1所述的工业机器人故障检测方法，其特征在于，在所述的步骤A中，获取工业机器人在正常运行过程中三种不同采样率的数据并进行预处理，得到参照训练样本集记作为G，参照训练样本集满足0均值单位协方差，参照训练样本集表示为：

表示采样率较高的两类过程变量，表示采样率最低的质量相关变量；g_t表示观测样本集；M₁、M₂、M₃为不同采样率数据所包含的变量个数，T₁、T₂、T₃为样本个数,且满足M＝M₁+M₂+M₃；T＝T₁T₂T₃。

3.根据权利要求2所述的工业机器人故障检测方法，其特征在于，在步骤B中，建立动态潜在参照模型的概率框架，所述的概率框架是动态潜在参照模型通过概率转换关系得到，表示为：

4.根据权利要求3所述的工业机器人故障检测方法，其特征在于，对动态潜在参照模型开始进行训练,建立所述概率框架的对数似然函数，采用EM算法和卡尔曼滤波数据融合算法得到对数似然函数收敛时的双隐变量的分布和动态潜在参照模型的模型参数值。