[发明专利]电流信号分析的工业机器人故障诊断方法

权利要求书

1.一种电流信号分析的工业机器人故障诊断方法，其特征在于，具体包括如下步骤：

1)根据机器人单个动作的周期时长，设置采样频率对实验机器人正常运行和故障运行的电流信号进行采集，采集信号作为原始数据；

2)信号数据提取：采用随机滑动加窗的方法从原始数据里提取数据，设置的窗口长度n大于机器人单个动作的周期时长对应的采样数据个数；提取相同数量的正常运行数据和故障运行数据形成数据集，

3)数据预处理：将步骤2)数据集中的每个一维数据分成n/2段，每段包含n/2个采样点数据，每个数据变为n/2*n/2的二维数据；数据集中所有数据处理为二维数据作为卷积神经网络的输入；

4)卷积神经网络模型的搭建和训练：

搭建卷积神经网络模型：卷积神经网络依次包括第一层卷积层、第一层池化层处理、第二层卷积层、第二层池化层、第三层卷积层、第三层池化层处理、展开层、第一层全连接层和第二层全连接层；

将步骤3)预处理后的二维灰度图分为训练集和测试集，将训练集数据输入建立的卷积神经网络模型进行训练，设置损失函数为交叉熵损失函数，设置优化器为Adam优化器，训练至训练误差至设定值，并用测试集数据验证卷积神经网络模型的泛化能力，不断迭代直至网络性能至合格，保存卷积神经网络模型参数；

5)机器人故障诊断：

将新采集的机器人电流数据经过步骤2)和步骤3)预处理操作后，输入进步骤4)训练好的卷积神经网络模型，输出机器人的故障状况。

2.根据权利要求1所述电流信号分析的工业机器人故障诊断方法，其特征在于，所述步骤1)所述机器人单个动作的周期时长约2s，设置信号采样频率为2.5khz，则每一个周期约包含5000个采样点。

3.根据权利要求2所述电流信号分析的工业机器人故障诊断方法，其特征在于，所述步骤2)中窗口长度为10000，设置正常运行每天窗口选取20组数据，故障运行每天窗口选取80组数据，选取4天正常运行采集的数据和1天故障运行采集的数据当作数据集。

4.根据权利要求3所述电流信号分析的工业机器人故障诊断方法，其特征在于，所述步骤4)所述第一卷积层输入通道数为1，输出通道数为32，卷积核尺寸为5*5，步长为1，边界用0填充2个像素长度；

所述第一层池化层模式为最大池化，池化核尺寸为2*2，步长为2；

所述第二卷积层输入通道数为32，输出通道数为32，卷积核尺寸为5*5，步长为1，边界用0填充2个像素长度；

所述第二层池化层模式为最大池化，池化核尺寸为2*2，步长为2；

所述第三卷积层输入通道数为32，输出通道数为64，卷积核尺寸为5*5，步长为1，边界用0填充2个像素长度；

所述第三层池化层模式为最大池化，池化核尺寸为2*2，步长为2；

所述展开层将第三层池化层输出的多通道二维数据展开成一维向量；

所述展开层输出一维向量依次经过第一层全连接层、第二层全连接层后输出通道数为2。

5.根据权利要求1至4中任意一项所述电流信号分析的工业机器人故障诊断方法，其特征在于，所述步骤3)的二维数据，将其数值范围映射到0-255，得到可视的n/2*n/2的二维灰度图，作为卷积神经网络的输入。