文献类型：期刊文章

作　　者：潘屹豪[1] 肖红[1] 周玉彬[1] 黎萍[1] 姜文超[1,2] 熊梦[2] 贺忠堂[2]

PAN Yi-hao;XIAO Hong;ZHOU Yu-bin;LI Ping;JIANG Wen-chao;XIONG Meng;HE Zhong-tang(School of Computer Science and Technology,Guangdong University of Technology,Guangzhou 510006,China;Dongguan Cloud Computing Industry Technology Innovation and Incubation Center,Chinese Academy of Sciences,Dongguan Guangdong 523808,China)

机构地区：[1]广东工业大学计算机学院,广州510006 [2]东莞中国科学院云计算产业技术创新与育成中心,广东东莞523808

出　　处：《组合机床与自动化加工技术》

基　　金：2019年佛山市核心技术攻关项目(1920001001367);国家自然科学基金-广东省联合基金项目(U2001201);广东省自然科学基金面上项目(2020A1515010890,2018A030313061);国家重点领域研发计划项目(2018YFB1004202);广东省科技计划项目(2019B010139001);广州市科技计划项目(201902020016);广东省基础与应用基础研究基金项目(2020B1515120010)。

年　　份：2021

期　　号：12

起止页码：10-14

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：针对工业机器人运行过程中故障诊断精度较低、速度较慢的问题,提出一种基于改进一维卷积神经网络的多轴工业机器人故障诊断模型正交正则化一维卷积神经网络(SRIPCNN-1D)。首先,通过随机采样和Mixup对工业机器人故障数据进行增强;其次,采用正交正则化(SRIP)一维卷积神经网络(CNN-1D)将工业机器人原始运行数据进行端到端训练;最后,利用训练后的模型对工业机器人进行快速故障诊断。实验平台采用某国产机器人设备,采集力矩、速度、位置、电流等运行变量数据300万条,对诊断精度指标进行实验测试,并与WDCNN,CNN-1D模型进行实验对比,结果表明SRIPCNN-1D方法可以有效诊断工业机器人故障。

关 键 词：多轴工业机器人  故障诊断 一维卷积神经网络  正交正则化  

分 类 号：TH165] TG659]