一种基于力矩奇异性分析的丝杆类零件合格性检验方法技术

本发明专利技术公开了一种基于力矩奇异性分析的丝杆类零件合格性检验方法，包括步骤：S1、通过机器人末端获得丝杆旋转力矩；S2、对力矩信号进行降噪；S3、提取出力矩信号的奇异性特征以及统计学特征；S4、进行特征压缩处理；S5、将处理后的特征向量组成的训练样本输入到支持向量机分类模型进行训练，得到能检测产品合格性的分类模型。本发明专利技术与小波理论算法相比，在兼顾快速响应的同时鲁棒性能更好，且不需要大量的训练样本和训练时间。的训练样本和训练时间。的训练样本和训练时间。

【技术实现步骤摘要】
一种基于力矩奇异性分析的丝杆类零件合格性检验方法


[0001]本专利技术属于产品合格性检验领域，具体涉及基于力矩奇异性分析的丝杆类零件合格性检验分析方法。

技术介绍

[0002]随着企业对自动化需求的日益增长，机器人越来越广泛的应用在各类工业场景。传统的产品合格性检测大都依赖人工进行检测，机器人得以应用使得检测效率和准确率大大提升。在丝杆类零件的合格性检验中，利用机器人对丝杆类零件进行旋拧检测，基于机器人末端采集的力矩信号判断零件的合格性与否。
[0003]对于信号奇异性特征的提取常用的方法有小波变换和智能检测。小波变换因具有反应信号局部特征的特点，被认为是检测信号变化最重要的工具。Mallat首次将小波变换应用于信号的奇异性检测，为检测信号的奇异性分析奠定了理论基础。由于小波变换存在着频谱混叠、计算量大、偏移缺陷以及小波基的选择困难等一系列问题，学者们相继从小波理论本身出发进行小波变换的改进。有学者通过交换偶数位置节点—小波包分解后两节点顺序来消除频带错位现象，引入两个算子分别除去高、低频子带理想通带范围外的频率成分以消除频带重叠现象本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于力矩奇异性分析的丝杆类零件合格性检验方法，其特征在于，包括下述步骤：S1、通过机器人末端获得丝杆旋转力矩信号；S2、对S1所述采集到的力矩信号进行预处理，然后对预处理后的力矩信号进行实时降噪处理；S3、计算提取S2中降噪后的力矩信号的奇异性特征以及统计学特征；S4、对S3中所述计算得到的特征进行特征压缩处理，得到与丝杆类零件好坏与否相关性高的特征组成最终的特征向量；S5、将S4所述处理后的特征向量组成的训练样本输入到支持向量机分类模型进行训练，得到能检测产品合格性的支持向量机分类模型，利用该模型即可实现对丝杆类零件合格性的检验。2.根据权利要求1所述的基于力矩奇异性分析的丝杆类零件合格性检验方法，其特征在于，所述步骤S2具体包括：S21、对采集到的力矩信号进行进行滑窗迭代预处理，每时间间隔
△
t滑动窗口加入新时间间隔
△
t的数据并剔除最早时间间隔
△
t加入的数据；S22、利用基于bayes的小波阈值降噪方法对滑窗迭代后的力矩信号进行实时降噪处理。3.根据全力要求2所述的基于力矩奇异性分析的丝杆类零件合格性检验方法，其特征在于，所述步骤S22具体包括：S221、对所述滑动窗口作对称延拓处理得到处理后的滑动窗口W
τ
(i)；S222、对所述处理后的滑动窗口W
τ
(i)进行小波变换得到小波系数
j,k
W
τ
(i)，进一步得到含噪信号的方差：其中，j是尺度，k是时间，i是某一时刻，N是总数据长度；S223、采集到的力矩信号由原始信号和噪声组成，则噪声的方差估计为：其中，median(|
j,k
W
τ
(i)|)是小波分解节点中的小波系数的绝对值的中值,则原始信号的方差σ
s
(j,k,i)为：S224、计算得到Bayes阈值：4.根据权利要求1所述的基于力矩奇异性分析的丝杆类零件合格性检验方法，其特征在于，所述步骤S3具体包括：
S31、计算步骤S2中所述降噪后的力矩信号的Lipschitz指数，该指数值为力矩信号的奇异性特征值；S32、提取力矩信号和Lipschitz指数的统计学特征组成特征向量TZ。5.根据权利要求1所述的基于力矩奇异性分析的丝杆类零件合格性检验方法，其特征在于，所述统计学特征包括最大值、最小值、平均值、偏斜度、峰度、标准差。6.根据权利要求1所述的基于力矩奇异性分析的丝杆类零件合...

【专利技术属性】
技术研发人员：张铁，杨明达，邹焱飚，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：