基于WTMSE-AMCNN_1D的协作机器人故障诊断

作     者：戴天赐 王华 汪健 董凌浩 李帅康 DAI Tianci;WANG Hua;WANG Jian;DONG Linghao;LI Shuaikang

作者机构：南京工业大学机械与动力工程学院南京211816 江苏省工业装备数字制造及控制技术重点实验室南京211899 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2024年第1期

页      面：118-122页

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

基　　金：江苏省研究生科研与实践创新计划资助项目(KYCX22_1282) 江苏省重点研发计划项目(BE2019007-3) 

主　　题：协作机器人 故障诊断 小波分解 多尺度样本熵 注意力机制 一维卷积神经网络 

摘      要：六轴协作机器人在实际工作中难以采集到振动数据,且其故障诊断精度低,针对这一问题,提出一种基于多尺度小波分解、样本熵与一维注意力卷积神经网络(WTMSE-AMCNN_1D)的六轴协作机器人电流信号故障诊断方法。首先,对采集的原始故障数据进行随机采样;其次,采用多尺度小波分解后计算样本熵的方法来提取原始信号特征,将其作为引入注意力机制(AM)的一维卷积神经网络的输入并进行训练;最后,利用端到端训练后的模型实现故障诊断。通过实验采集某六轴协作机器人的电流数据进行诊断测试,并与其它模型对比,结果表明WTMSE-AMCNN_1D模型诊断精度达到99.21%,可以有效诊断协作机器人的故障。