[发明专利]基于WLCTD与CNN-LSTM的工业机器人谐波减速器早期故障检测方法

说明书

本发明公开了一种基于WLCTD与CNN‑LSTM的工业机器人谐波减速器早期故障检测方法。步骤1：获得谐波减速器振动状态的数据集；步骤2：对步骤1的数据集使用WLCTD算法去除其中的噪声；步骤3：对去除噪声的数据集使用CNN‑LSTM网络进行数据处理；步骤4：对步骤3进行CNN‑LSTM网络数据处理后的数据集进行约束优化；步骤5：对步骤4的约束优化后的数据集进行分类与故障检测。本发明用以解决谐波减速器发生故障带来的停机损失。

技术领域

本发明属于工业机器人领域，具体涉及一种基于WLCTD与CNN-LSTM的工业机器人谐波减速器早期故障检测方法。

背景技术

减速器是工业机器人的核心部件之一。减速器通过内部机械结构达到增大输出端扭矩、降低输入端转速的效果。由于工业机器人的任务特性和安装环境特性，对减速器的精度、耐磨损度和体积有较高要求。工业机器人减速器长期工作在高负载、大扭矩和高温的环境，其故障率居高不下。工业机器人常用减速器有谐波减速器、RV减速器与行星减速器。其中，谐波减速器的应用最为广泛，其独特的内部结构导致了复杂的故障模式，对谐波减速器进行早期故障检测可以在严重故障之前采取相应措施，有效避免因为停机带来的损失。

通过对谐波减速器振动试验信号的分析可以获取谐波减速器的状态信息。但是目前各代表性企业更多关注谐波减速器的基本性能指标，缺少对其早期故障检测方法的研究。

发明内容

本发明提供一种基于WLCTD与CNN-LSTM的工业机器人谐波减速器早期故障检测方法，用以解决谐波减速器发生故障带来的停机损失。

本发明通过以下技术方案实现：

一种基于WLCTD与CNN-LSTM的工业机器人谐波减速器早期故障检测方法，所述早期故障检测方法包括以下步骤：

步骤1：获得谐波减速器振动状态的数据集；

步骤2：对步骤1的数据集使用WLCTD算法去除其中的噪声；

步骤3：对去除噪声的数据集使用CNN-LSTM网络进行数据处理；

步骤4：对步骤3进行CNN-LSTM网络数据处理后的数据集进行约束优化；

步骤5：对步骤4的约束优化后的数据集进行分类与故障检测。

进一步的，所述步骤1具体为，通过谐波减速器试验平台中的感知单元以获得谐波减速器在多种现实工况下的振动状态数据集；所述振动状态数据集包括谐波减速器在不同故障类型、转速和负载下的振动信号；

所述感知单元为不同位置的振动传感器。

进一步的，所述步骤2WLCTD算法去除的噪声具体为，对待处理信号进行某一尺度下的小波分解，得到分量i中第j点的局部小波系数为：

其中，w_i,l是分量i的小波分解系数，m是第j点的区域相关点数量；第j点的局部相关系数为：

第j点的归一化局部相关系数表示为：

其中，

最终的局部相关阈值准λ则表示为：

其中，M是经验系数，根据去噪程度的需求进行调整；σi是小波系数的标准差；在进行WLCTD时，小波分解系数与λ进行比较，如果大于λ则认为是真实信号的分解系数，反之则是噪声信号的分解系数并予以消除。