工业机器人早期微弱故障信号筛选方法技术

本申请提供有一种工业机器人早期微弱故障信号筛选方法，包括如下步骤：基于随机共振系统对初始信号数据添加噪声；利用蚁群优化算法对随机共振系统的参数进行迭代优化，得到优化的随机共振系统；基于优化的随机共振系统对初始信号数据进行强化，得到增强信号数据；对增强信号数据进行加权融合，获得重构信号序列；依据重构信号序列建立多指标数据集，并建立筛选指标对多指标数据集进行筛选，得到满足筛选标准的信号指标数据集。

【技术实现步骤摘要】
工业机器人早期微弱故障信号筛选方法
本公开具体公开一种工业机器人早期微弱故障信号筛选方法。
技术介绍
当前我国大力发展工业机器人，但其可靠性仍有待提升。随着工业机器人自由度的增加和性能的提升，其早期故障也逐渐增多。一般来说，工业机器人的故障强度函数曲线符合“浴盆曲线”规律，在使用早期，其内部往往隐藏着大量的设计制造缺陷和故障隐患，比如：配套元器件的质量差、失误的设计或者制造工艺的不成熟等。因此，工业机器人做好早期故障排除工作变得至关重要。现有技术中，为进行早期故障排除而普遍采取的方法是对加速度传感器收集的振动信号，在时域或频域上选取适合的指标进行分析。很明显，此种技术方案没有考虑故障早期信号特征微弱，在强噪声下的微弱故障特征提取及选取趋势明显的故障指标选取存在一定困难。
技术实现思路
鉴于现有技术中的上述缺陷或不足，本申请旨在提供一种相较于现有技术而言，能够从强噪声中提取早期微弱故障信号，并能够有针对性地剔除掉整体趋势平稳仅在失效前发生明显跃变的指标，从而筛选出故障趋势明显且单调故障指标的工业机器人早本文档来自技高网...

【技术保护点】
1.一种工业机器人早期微弱故障信号筛选方法，其特征在于：包括如下步骤：/n1)基于随机共振系统对初始信号数据添加噪声；/n2)利用蚁群优化算法对随机共振系统的参数进行迭代优化，得到优化的随机共振系统；/n3)基于优化的随机共振系统对初始信号数据进行强化，得到增强信号数据；/n4)对增强信号数据进行加权融合，获得重构信号序列；/n5)依据重构信号序列建立多指标数据集，并建立筛选指标对多指标数据集进行筛选，得到满足筛选标准的信号指标数据集。/n

【技术特征摘要】
1.一种工业机器人早期微弱故障信号筛选方法，其特征在于：包括如下步骤：
1)基于随机共振系统对初始信号数据添加噪声；
2)利用蚁群优化算法对随机共振系统的参数进行迭代优化，得到优化的随机共振系统；
3)基于优化的随机共振系统对初始信号数据进行强化，得到增强信号数据；
4)对增强信号数据进行加权融合，获得重构信号序列；
5)依据重构信号序列建立多指标数据集，并建立筛选指标对多指标数据集进行筛选，得到满足筛选标准的信号指标数据集。


2.根据权利要求1所述的工业机器人早期微弱故障信号筛选方法，其特征在于：
在得到满足筛选标准的信号指标数据集之后，还包括：
6)将满足筛选标准的信号指标数据集的数值与预设阈值进行比较，判断是否发生故障。


3.根据权利要求1或2所述的工业机器人早期微弱故障信号筛选方法，其特征在于：
所述随机共振系统为级联随机共振系统，包括：M级双稳态随机共振系统，(M为自然数且M≥1)；
基于第M级双稳态随机共振系统对第M级输入信号数据添加噪声；
利用蚁群优化算法对第M级双稳态随机共振系统的参数进行迭代优化，得到优化的第M级双稳态随机共振系统；
基于优化的第M级双稳态随机共振系统对第M级输入信号数据进行增强，得到第M级输出信号；
逐级依次进行；
第一级输入信号为初始信号数据；最后一级输出信号为增强信号数据。


4.根据权利要求3所述的工业机器人早期微弱故障信号筛选方法，其特征在于：
所述双稳态随机共振系统的数学模型为：



其中：x为系统的输出信号；a、b为大于0的双稳态系统结构参数；s(t)为系统输入信号；A为信号幅值；fn为信号频率；为信号相位角；n(t)为噪声，且均值为0；D为噪声强度；U(x)为双稳态系统势函数。


5.根据权利要求4所述的工业机器人早期微弱故障信号筛选方法，其特征在于：所述蚁群优化算法的步骤如下：
1)参数初始化。
2)初始化各个蚂蚁的初始领域，每个蚂蚁按概率Pij做领域搜索。



式中，Pij为蚂蚁从位置i移动到位置j的概率；τij为ij两个位置间的信息素浓度；ηij定义为两个位置上的SNR差值；
SNR＝10lg(S(ω0)/N(ω))，
其中S(ω0)和N(ω)分别为待检测信号功率谱和噪声功率谱。
3)更新信息素浓度
τij(t+1)＝(1-ρ)τij(t)+τij



式中，τij为本...

【专利技术属性】
技术研发人员：常佩泽，张露予，王嘉，李佳航，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12