工业机器人早期异常监测模型及方法技术

本发明专利技术公开了一种工业机器人早期异常监测模型，包括编码器模块

【技术实现步骤摘要】
工业机器人早期异常监测模型及方法


[0001]本专利技术属于装备运行监控和管理
，具体的为一种工业机器人早期异常监测模型及方法
。

技术介绍

[0002]随着经济与科技的发展以及人民生活水平的提高，汽车产销量与日俱增，汽车工业也进入了发展的黄金期
。
白车身作为汽车组成的关键部分，是汽车所有零部件的集合体
。
白车身焊接制造质量的好坏基本决定了该车的最终质量能否达到验收要求，而它的制造成本也几乎能够占到整车制造投入的一半，所以白车身的制造工艺水平基本上就决定了该车型产品的最终的生产质量
、
效率和安全性能
。
工业机器人作为白车身焊装生产线上的核心设备，若出现突发性异常故障情况将会导致生产计划延误，影响整个生产线的生产进度，增加生产成本，导致焊接质量下降，从而影响产品的质量和安全性
。
因此，生产企业对白车身工业机器人的安全性
、
可靠性
、
稳定性的要求很高
。
白车身工业机器人具有高效
、...

【技术保护点】

【技术特征摘要】
1.
一种工业机器人早期异常监测模型，其特征在于：包括编码器模块
、
聚合器和条件解码器；所述编码器模块包括生成路径和潜在路径；所述生成路径上设有第一编码器，所述第一编码器以
(x
C
,y
C
,x
t
)
作为输入以学习已知上下文数据
(x
C
,y
C
)
与目标数据点序数
x
t
之间的映射关系，并得到工业机器人运行周期信号在高维空间的表征向量
R
T
；所述潜在路径上设有第二编码器，所述第二编码器以已知上下文数据
(x
C
,y
C
)
作为输入以学习已知上下文数据
(x
C
,y
C
)
内部特征并模拟高斯过程推理，得到工业机器人运行周期信号在高维空间的表征向量
R
C
；所述聚合器用于聚合表征向量
R
T
和表征向量
R
C
，以获得全局表征参数；所述条件解码器接收全局隐变量
z
r
与目标数据点序数
x
t
并对全局隐变量
z
r
进行解码，得到确定函数
f
r
(x),
从而在输入
x
t
后获得对应的目标数据点预测信号值其中：
x
C
表示上下文数据点序数；
y
C
表示上下文数据点信号值；
x
t
表示目标数据点序数；表示目标数据点预测信号值；
z
r
表示全局隐变量，通过对全局表征参数进行采样获取
。2.
根据权利要求1所述的工业机器人早期异常监测模型，其特征在于：所述第一编码器和第二编码器均采用通道交叉注意力模块；所述通道交叉注意力模块包括串联的通道注意力单元和交叉注意力单元
。3.
根据权利要求2所述的工业机器人早期异常监测模型，其特征在于：所述通道注意力单元首先采用全局最大池化操作和全局平均池化操作对输入的上下文信号值
y
C
的特征进行聚合得到聚合特征图，然后采用一维卷积提取聚合特征图中的通道特征以实现局部跨通道交互并捕获通道间的联系，最后利用
sigmoid
激活函数将学习到的注意力系数缩放到
[0,1]
的范围内，得到附加通道权重的信号值
y
channel
。4.
根据权利要求2所述的工业机器人早期异常监测模型，其特征在于：所述交叉注意力单元采用
Query
‑
Key
‑
Value
模式，以所述通道注意力单元输出的信号值
y
channel
与对应的上下文数据点信号值
y
C
拼接获得加权信号矩阵作为
value、
以上下文数据点序数作为
key、
以目标数据点序数作为
query
，并将输入的
value、key
和
query
线性映射到三个不同的空间，得到查询向量
q
i
、
键向量
k
i
和值向量
v
i
：
Q
＝
W
q

【专利技术属性】
技术研发人员：杨波，徐文龙，焦健，王四宝，王时龙，李东，
申请(专利权)人：重庆大学，
类型：发明
国别省市：