一种多机器人系统故障诊断方法技术方案

本发明专利技术涉及一种多机器人系统故障诊断方法，包括如下步骤：1)获取实时的机器人运动数据；2)采用小波包变换对所述运动数据进行特征提取；3)将经过特征提取后的待诊断数据输入训练好的故障诊断模型，求取当前机器人运动数据对应的实时似然概率；4)根据所述实时似然概率与状态阈值间的关系，获取多机器人系统当前所处的隐性状态，获取故障诊断结果。与现有技术相比，本发明专利技术具有鲁棒性强、诊断结果精确、适用范围广等优点。

【技术实现步骤摘要】

本专利技术涉及故障诊断领域，尤其是涉及，通过对 多机器人系统的信号进行分析，继而实现机器人的故障诊断。
技术介绍
机器人是人类20世纪最伟大的专利技术之一，在短短的半个世纪内发生了翻天覆地 的变化，机器人技术使传统的工业生产面貌发生了根本性变化，对人类的社会产生了深远 的影响，发展机器人技术已经成为高
中最具有代表性的战略目标之一。机器人作 业分单机器人及多机器人，单机器人对于信息的获取、处理及控制能力等方面都是有限的， 人们考虑由多机器人组成的系统通过协调操作来共同完成单机器人所难以完成的工作。 在多机器人系统中，故障诊断也是一门非常重要的技术。首先，多机器人系统是一 个复杂系统，系统的运行状态是多样化的，故障诊断的对象也就变得比较复杂。其次，多机 器人系统通常是配合工作的，故障的影响是对整个系统的，一种良好的故障诊断方法可以 提高多机器人系统的可靠性。 故障诊断（FD)全名是状态监测与故障诊断（CMFD)。基于解析冗余的故障诊断技 术被公认为是这一技术的起源。所谓解析冗余，是指被诊断对象的可测变量之间（如输入 与输出间、输出与输出间、输入与输入间）存在的冗余的函数关系。故障诊断在过去的十 几年里得到了迅速的发展，一些新的理论和方法，如遗传算法、神经网络、小波分析、模糊理 论、自适应理论、数据融合等均在这里得到了成功的应用。 1.基于小波分析的故障诊断方法 小波分析是20世纪80年代中期发展起来的新的数学理论和方法，它被认为是傅 立叶分析方法的突破性进展。小波分析最初由法国学者Daubeches和Callet引入信号处理 领域，它具有许多优良的特性。小波变换的基本思想类似于Fourier变换，就是用信号在一 簇基函数张成空间上的投影表征该信号。小波分析优于博立叶之处在于：小波分析在时域 和频域同时具有良好的局部化性质。小波分析方法是一种窗口大小（即窗口面积）固定但 其形状、时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率 分辨率和较低的时间分辨率。因此，小波变换被誉为分析信号的显微镜，小波分析在信号处 理、图像处理、话音分析、模式识别、量子物理、生物医学工程、计算机视觉、故障诊断及众多 非线性科学领域都有广泛的应用。动态系统的故障通常会导致系统的观测信号发生变化。 所以我们可以利用连续小波变换检测观测信号的奇异点来检测出系统的故障，其基本原理 是利用信号在奇异点附近的Lipschitz指数，可以利用小波变换区分噪声和信号边沿，有 效地检测出强噪声背景下的信号边沿（援变或突变）。 2.专家系统故障诊断方法 专家系统故障诊断方法，是指计算机在采集被诊断对象的信息后，综合运用各种 规则（专家经验），进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中 向用户索取必要的信息后，就可快速地找到最终故障或最有可能的故障，再由用户来证实。 此种方法国内外已有不少应用。专家系统的故障诊断系统由数据库、知识库、人机接口、推 理机等组成，其各部分的功能为： 数据库：对于在线监视或诊断系统，数据库的内容是实时检测到的工作数据；对 于离线诊断，数据库可以是故障时检测数据的保存，也可是人为检测的一些特征数据，即存 放推理过程中所需要和产生的各种信息。 知识库：存放的知识可以是系统的工作环境，系统知识（反映系统的工作机理及 结构知识）；规则库则存放一组组规则，反映系统的因果关系，用来故障推理。知识库是专 家领域知识的集合。 人机接口：人与专家系统打交道的桥梁和窗口，是人机信息的交接点。 推理机：根据获取的信息综合运用各种规则进行故障诊断，输出诊断结果，是专家 系统的组织控制结构。 3.基于数据融合的故障诊断方法 数据融合是针对一个系统中使用多个传感器这一问题而展开的一种信息处理的 新的研究方向。数据融合将各种途径、任意时间和任意空间上获取的信息作为一个整体进 行综合分析处理，为决策及控制奠定基础，产生比单一信息源、单一处理机制更精确、更完 全的估计和判决。数据融合模型一般可表为三级结构。数据融合模型的每一级内部又可有 相应子结构，其中，第一级为原始信息融合层，其输入是由信息源提供的各种原始数据，其 输出是特征提取的结果或某种局部决策。第二级为特征融合层，它以原始信息融合层的输 出作为输入，其输出为目标的局部标识。第三级是决策融合层，其输入为特征融合层的输 出，并以全局决策作为本层的输出。全局决策一般既要有硬决策，如故障类别、部位、程度， 也要给出软决策，如可信度。 由于正交小波变换只对信号的低频部分做进一步分解，而对高频部分也即信号的 细节部分不再继续分解，所以小波变换能够很好地表征一大类以低频信息为主要成分的信 号，但它不能很好地分解和表示包含大量细节信息（细小边缘或纹理）的信号，如非平稳机 械振动信号、遥感图像、地震信号和生物医学信号等。虽然小波变换的变种算法一一小波包 变换可以对高频部分提供更精细的分解，但是小波分析方法其实是一种偏向于信号处理的 方法，不是一种全面的故障诊断和故障预测的方法。小波分析方法缺乏对故障等级的判定 方法，也没有对机器性能退化进行建模。 专家系统故障诊断方法的原理是基于规则的推理。专家通常会使用这样的表达来 解释解决问题的过程："在什么一什么情况下，我如何一如何做。"这样的表达可以被很自然 地表达为IF、THEN产生式规则。专家系统的优点是结构统一、知识与处理相分离，适合处理 不完整、不确定的知识。但专家系统有3个主要的缺点： ⑴规则之间的关系不透明。尽管单条规则都比较简单，也是自释性的，大量规则 间的逻辑关系却可能不透明。在基于规则的系统中，难以观察单条规则如何对整个策略起 作用，原因在于基于规则的专家系统缺乏分层的知识表达。 (2)低效的搜索策略。推理引擎在每个周期中搜索所有的规则。当规则很多时（多 于100条规则），系统速度会很慢。基于规则的大型系统可能就不适用于实时应用。 (3)没有学习能力。一般的基于规则的专家系统都不具备从经验中学习的能力。人 类专家知道何时打破规则，而专家系统并不能自动修改知识库，例如调整规则、添加规则。 修改和维护系统的任务仍然由知识工程师来做。 相对前两种方法，基于数据融合的方法更加综合一些，在该方法下，数据在多个层 次相互作用，是一种更加严谨有效的方法。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种鲁棒性强、诊断 结果精确、适用范围广的多机器人系统故障诊断方法。 本专利技术的目的可以通过以下技术方案来实现： ，包括如下步骤： 1)获取实时的机器人运动数据； 2)采用小波包变换对所述运动数据进行特征提取； 3)将经过特征提取后的待诊断数据输入训练好的故障诊断模型，求取当前机器人 运动数据对应的实时似然概率； 4)根据所述实时似然概率与状态阈值间的关系，获取多机器人系统当前所处的隐 性状态，获取故障诊断结果。 所述小波包变换具体为：对获取的机器人运动数据进行多层小波包分解，输出各 小波分量的能量值。 所述故障诊断模型的训练过程具体为： 301)建立隐马尔科夫模型； 302)随机初始化隐马尔科夫模型的参数，所述参数包括状态转移矩阵、混淆矩阵 和概率向量； 303)获取正常状态下机器人运本文档来自技高网...

【技术保护点】
一种多机器人系统故障诊断方法，其特征在于，包括如下步骤：1)获取实时的机器人运动数据；2)采用小波包变换对所述运动数据进行特征提取；3)将经过特征提取后的待诊断数据输入训练好的故障诊断模型，求取当前机器人运动数据对应的实时似然概率；4)根据所述实时似然概率与状态阈值间的关系，获取多机器人系统当前所处的隐性状态，获取故障诊断结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘树伟，付庄，吴优，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31