本发明专利技术提供一种工业机器人的RV减速器故障预测方法及装置，所述方法包括：获取第一时间段内RV减速器在预设转速下的振动信号数据，基于所述振动信号数据提取时域特征，基于时频域分析方法确定第一时间段内的匀速段，提取所述匀速段的频域特征，基于所述时域特征和所述频域特征的相关性确定最终特征；将所述最终特征输入至训练好的神经网络模型中，得到所述RV减速器的故障预测结果。该工业机器人的RV减速器故障预测方法及装置可准确的预测RV减速器是否出现故障。是否出现故障。是否出现故障。
【技术实现步骤摘要】
工业机器人的RV减速器故障预测方法及装置
[0001]本专利技术涉及工业机器人
，尤其涉及一种工业机器人的RV减速器故障预测方法及装置。
技术介绍
[0002]工业机器人广泛应用于产业制造、汽车制造、电器、食品行业等，能替代人工进行反复操作，是靠本身动力和控制来实现各种功用的一种机器；它能够承受人类指挥，也能够按照事先编排的程序运转。在工业机器人运行过程中，能够引发工业机器人停机故障原因得到较大关注，这与工业机器人所采用的零部件的可靠性具有较强的相关性。工业机器人主要组成部分包括控制系统和驱动系统，其中在驱动系统中，RV减速器作为决定机器人是否能够灵活操作的重要基础部件，其也是工业机器人的核心部件。
[0003]RV减速器具有体积小、重量轻、传动比范围大、效率高等优点，在工业机器人中，RV减速器由于啮合磨损、润滑不当或材料发生疲劳等原因可能会引起诸如RV减速器内传动齿轮磨损、传动轴断裂或轴承破损等故障；如在一实验过程中发现，RV减速器停机的故障原因集中在其内部位于曲柄轴上的轴承上，而其内部的传动齿轮以及传动轴未出现故障；并且其轴承故障表现形式具体的为轴承挡圈磨损断裂、滚针破碎等问题造成了传动机构卡死。
[0004]RV减速器若出现上述任一故障均会造成工业机器人末端执行器传动误差、机器人停机等问题，因此在工业机器人的运行状态下，能够准确的判断RV减速器是否出现故障是必不可少的。而在现有技术中，虽然存在一些方法可判断工业机器人中平衡缸轴承以及伺服电机是否发生故障，但是还未存在一种专门实现工业机器人RV减速器故障预测的方法或装置。因此，如何准确的预测RV减速器是否出现故障是亟待解决的技术问题。
技术实现思路
[0005]有鉴于此，本专利技术提供了一种工业机器人的RV减速器故障预测方法及装置，以解决现有技术中存在的一个或多个问题。
[0006]根据本专利技术的一个方面，本专利技术公开了一种工业机器人的RV减速器故障预测方法，所述方法包括：获取第一时间段内RV减速器在预设转速下的振动信号数据，基于所述振动信号数据提取时域特征，基于时频域分析方法确定第一时间段内的匀速段，提取所述匀速段的频域特征，基于所述时域特征和所述频域特征的相关性确定最终特征；将所述最终特征输入至训练好的神经网络模型中，得到所述RV减速器的故障预测结果。
[0007]在本专利技术的一些实施例中，基于时频域分析方法确定第一时间段内的匀速段，包括：将所述第一时间段内的振动信号数据转换进行时频域分析；基于时频域分析后的时频域数据生成时频域数据矩阵，将所述时频域数据矩阵进
行矩阵二值化得到二值化矩阵；对所述二值化矩阵中的各行数据进行求和，并确定和的最大值所对应的最大行；在所述最大行中确定起始行坐标和终止行坐标；其中，所述起始行坐标为第一个满足如下条件的位置所对应的坐标：其元素值为第一元素，且其后的连续多个位置中的元素值为第一元素的数量大于元素值为第二元素的数量；所述终止行坐标为所述起始行坐标后的第一个满足如下条件的位置所对应的坐标：其元素值为第一元素，其后的第一个位置的元素值为第二元素，且其后的连续多个位置中的元素值为第二元素的数量大于元素值为第一元素的数量；基于所述起始行坐标和所述终止行坐标确定第一时间段内的匀速段。
[0008]在本专利技术的一些实施例中，将所述第一时间段内的振动信号数据进行时频域分，包括：将所述第一时间段内的振动信号数据通过短时傅里叶变换转换方法进行时频域分析；或，将所述第一时间段内的振动信号数据通过连续小波变换换方法进行时频域分析；或，将所述第一时间段内的振动信号数据通过变模态分解和希尔伯特黄变换方法进行时频域分析。
[0009]在本专利技术的一些实施例中，所述时域特征包括振动信号平均值、振动信号最大值、振动信号最小值、振动信号方差、振动信号标准差、振动信号峰峰值、振动信号均方根、振动信号偏度、振动信号峰度、振动信号波形指标、振动信号脉冲指标、振动信号峰值指标以及振动信号裕度指标；所述频域特征包括频谱均值、频谱均方根、频率重心、均方根频率；所述最终特征包括振动信号峰峰值、振动信号均方根、振动信号偏度、振动信号波形指标、振动信号脉冲指标以及频率重心。
[0010]在本专利技术的一些实施例中，所述方法还包括：构建初始网络模型和损失函数，生成样本数据集；所述样本数据集中的样本数据包括特征样本以及所述特征样本对应的样本标签；基于所述样本数据集和损失函数对所述初始网络模型进行预训练得到训练好的神经网络模型。
[0011]在本专利技术的一些实施例中，所述神经网络模型包括一个输入层、三个隐藏层和一个输出层，所述输入层的神经元个数与所述最终特征的数量相等，所述隐藏层的神经元个数分别为8、8和5；和/或，所述损失函数为ReLU损失函数。
[0012]在本专利技术的一些实施例中，生成样本数据集，包括：分别获取第一转速、第二转速和/或第三转速对应的样本数据；对所述样本数据进行归一化处理，以消除量纲的影响。
[0013]在本专利技术的一些实施例中，对所述样本数据进行归一化处理，包括：通过极差标准法对所述样本数据进行归一化处理，且计算公式为：；其中，为归一化处理后的特征样本数据，为最小特征样本数据，X为特征样本
数据，为最大特征样本数据；和/或所述工业机器人为六轴机器人。
[0014]根据本专利技术的另一方面，还公开了一种工业机器人的RV减速器故障预测系统，该系统包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如上任一实施例所述方法的步骤。
[0015]根据本专利技术的再一方面，还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一实施例所述方法的步骤。
[0016]本专利技术上述实施例所公开的工业机器人的RV减速器故障预测方法及装置，首先提取振动信号数据中的时域特征，然后再提取匀速段的频域特征，并将频域特征和时域特征中较相关的特征作为最终特征，最后通过训练好的神经网络模型基于最终特征预测该RV减速器的故障状态，该方法及装置可准确的预测RV减速器是否出现故障。另外，该方法基于时域特征和频域特征的相关特征进行故障预测，还进一步的减少了故障预测过程中的计算量。
[0017]本专利技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本专利技术的实践而获知。本专利技术的目的和其它优点可以通过在书面说明及其权利要求书以及附图中具体指出的结构实现到并获得。
[0018]本领域技术人员将会理解的是，能够用本专利技术实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本专利技术能够实现的上述和其他目的。
附图说明
[0019]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，并不构成对本专利技术的限定。附图中的部件不是成比例绘制的，而只是为了示出本专利技术的原理。为了便于示出和描述本专利技术的一些部分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工业机器人的RV减速器故障预测方法，其特征在于，所述方法包括：获取第一时间段内RV减速器在预设转速下的振动信号数据，基于所述振动信号数据提取时域特征，基于时频域分析方法确定第一时间段内的匀速段，提取所述匀速段的频域特征，基于所述时域特征和所述频域特征的相关性确定最终特征；将所述最终特征输入至训练好的神经网络模型中，得到所述RV减速器的故障预测结果。2.根据权利要求1所述的工业机器人的RV减速器故障预测方法，其特征在于，基于时频域分析方法确定第一时间段内的匀速段，包括：将所述第一时间段内的振动信号数据进行时频域分析；基于时频域分析后的时频域数据生成时频域数据矩阵，将所述时频域数据矩阵进行矩阵二值化得到二值化矩阵；对所述二值化矩阵中的各行数据进行求和，并确定和的最大值所对应的最大行；在所述最大行中确定起始行坐标和终止行坐标；其中，所述起始行坐标为第一个满足如下条件的位置所对应的坐标：其元素值为第一元素，且其后的连续多个位置中的元素值为第一元素的数量大于元素值为第二元素的数量；所述终止行坐标为所述起始行坐标后的第一个满足如下条件的位置所对应的坐标：其元素值为第一元素，其后的第一个位置的元素值为第二元素，且其后的连续多个位置中的元素值为第二元素的数量大于元素值为第一元素的数量；基于所述起始行坐标和所述终止行坐标确定第一时间段内的匀速段。3.根据权利要求2所述的工业机器人的RV减速器故障预测方法，其特征在于，将所述第一时间段内的振动信号数据进行时频域分析，包括：将所述第一时间段内的振动信号数据通过短时傅里叶变换方法进行时频域分析；或，将所述第一时间段内的振动信号数据通过连续小波变换方法进行时频域分析；或，将所述第一时间段内的振动信号数据通过变模态分解和希尔伯特黄变换方法进行时频域分析。4.根据权利要求1所述的工业机器人的RV减速器故障预测方法，其特征在于，所述时域特征包括振动信号平均值、振动信号最大值、振动信号最小值、振动信号方差、振动信号标准差、振动信号峰峰值、振动信号均方根...
【专利技术属性】
技术研发人员：郭东栋，张妍，彭浩，姜宗睿，马海涛，杜文博，
申请(专利权)人：北京奔驰汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。