多传感器信息深度融合的谐波减速器健康状态评估

作     者：陈仁祥 张勇 胡小林 杨黎霞 陈才 谢文举 CHEN Renxiang;ZHANG Yong;HU Xiaolin;YANG Lixia;CHEN Cai;XIE Wenju

作者机构：重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆工业大数据创新中心有限公司重庆400056 重庆华数机器人有限公司重庆400714 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2022年第41卷第7期

页      面：139-144,152页

核心收录：

学科分类：0710[理学-生物学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 0802[工学-机械工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51975079) 国家重点研发项目(2018YFB1306601) 重庆市研究生联合培养基地建设项目(JDLHPYJD2021007) 

主　　题：健康状态评估 谐波减速器 信息融合 卷积神经网络(CNN) 连续小波变换 

摘      要：工业机器人谐波减速器工况循环往复,仅依靠单一传感器难以刻画其运行状态全貌且会导致健康状态评估结果不确定性高。为此,提出了多传感器信息深度融合的谐波减速器健康状态评估方法。首先对谐波减速器振动信号进行连续小波变换,构造出时频图以描述其运行状态特征;再运用基于小波变换的图像融合方法将多个传感器的时频信息进行融合以全面刻画谐波减速器运行状态。最后利用卷积神经网络对融合后的时频图像进行自动学习获得能准确表征谐波减速器健康状态的深度特征,并通过在卷积神经网络最后添加全连接层实现健康状态评估。通过对不同健康状态以及不同工作节拍下谐波减速器进行健康状态评估试验,证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。