机械臂及其故障诊断模型的训练方法技术

本发明专利技术公开一种机械臂故障诊断模型的训练方法，包括：构建机械臂的数字孪生模型；对数字孪生模型进行故障仿真以得到仿真数据；将仿真数据输入初始诊断模型以得到初始分类结果；根据仿真数据的预设分类和初始分类结果计算损失值；根据损失值优化初始诊断模型以得到目标诊断模型

【技术实现步骤摘要】
机械臂及其故障诊断模型的训练方法、故障诊断方法


[0001]本专利技术涉及机械臂
，特别涉及一种机械臂及其故障诊断模型的训练方法
、
故障诊断方法及计算机设备
。

技术介绍

[0002]工业机械臂作为应用范围极广的复杂系统，一旦发生故障，将会对整个工程进度造成重大影响
。
若故障问题较大，还可能损毁工作设备，甚至威胁用户的使用安全
。
[0003]目前，通常采用设置观测器的方式对机械臂进行观测
、
诊断，或者根据机械臂的振动频率人为对机械臂进行故障诊断，这些诊断方法不仅无法实时得到诊断结果，也无法将诊断结果进行可视化
。
[0004]因此，如何实时可视化地对机械臂系统的故障进行诊断是亟需解决的问题
。

技术实现思路

[0005]本专利技术的主要目的是提出一种机械臂及其故障诊断模型的训练方法
、
故障诊断方法及计算机设备，旨在解决机械臂故障诊断无法实时得到可视化诊断结果的问题
。
[0006]为实现上述目的，本专利技术提出一种机械臂故障诊断模型的训练方法，所述机械臂故障诊断模型的训练方法包括：
[0007]构建机械臂的数字孪生模型；
[0008]对所述数字孪生模型进行故障仿真以得到仿真数据；
[0009]将所述仿真数据输入初始诊断模型以得到初始分类结果；
[0010]根据所述仿真数据的预设分类和所述初始分类结果计算损失值；
[0011]根据所述损失值优化所述初始诊断模型以得到目标诊断模型
。
[0012]优选地，将所述仿真数据输入初始诊断模型以得到初始分类结果包括：
[0013]将所述仿真数据分别输入第一特征提取模块和第二特征提取模块以得到第一特征向量和第二特征向量；
[0014]将所述第一特征向量和所述第二特征向量输入特征融合模块以得到融合特征向量；
[0015]将所述融合特征向量输入故障分类模块以得到所述初始分类结果
。
[0016]优选地，将所述第一特征向量和所述第二特征向量输入特征融合模块以得到融合特征向量包括：
[0017]根据预设的权重值对同一所述仿真数据对应的第一特征向量和第二特征向量进行融合以得到相应的融合特征向量
。
[0018]优选地，根据所述损失值优化所述初始诊断模型以得到目标诊断模型包括：
[0019]根据所述损失值调整所述第一特征提取模块
、
所述第二特征提取模块
、
所述特征融合模块和所述故障分类模块的参数；
[0020]将调整参数后的第一特征提取模块和故障分类模块作为所述目标诊断模型，或
者，将调整参数后的第二特征提取模块和故障分类模块作为所述目标诊断模型
。
[0021]优选地，构建机械臂的数字孪生模型包括：
[0022]根据所述机械臂的物理参数构建物理模型；
[0023]构建所述机械臂的运动学模型；
[0024]根据所述运动学模型计算所述机械臂的动力学模型；
[0025]根据所述物理模型和所述动力学模型构建所述数字孪生模型
。
[0026]优选地，对所述数字孪生模型进行故障仿真以得到仿真数据包括：
[0027]将模拟信号输入所述数字孪生模型以得到所述仿真数据，所述模拟信号用于模拟所述数字孪生模型中与所述机械臂对应的关节发生故障的情形
。
[0028]本专利技术进一步提出一种机械臂故障诊断方法，所述机械臂故障诊断方法包括：
[0029]将机械臂的故障数据输入目标诊断模型以得到诊断结果，所述目标诊断模型由如上所述的机械臂故障诊断模型的训练方法训练得到
。
[0030]优选地，将机械臂的故障数据输入目标诊断模型以得到诊断结果包括：
[0031]将所述故障数据输入所述目标诊断模型的第一特征提取模块或者第二特征提取模块以得到故障特征向量；
[0032]将所述故障特征向量输入所述目标诊断模型的故障分类模块以得到所述诊断结果
。
[0033]本专利技术更进一步提出一种计算机设备，所述计算机设备包括：
[0034]存储器，用于存储程序指令；以及
[0035]处理器，用于执行所述程序指令以实现如上所述的机械臂故障诊断模型的训练方法
。
[0036]本专利技术还进一步提出一种机械臂，所述机械臂包括：
[0037]传感器，用于获取所述机械臂的运动数据；
[0038]主控设备，用于获取所述运动数据中的故障数据，并将所述故障数据输入目标诊断模型以得到诊断结果，所述目标诊断模型由如上所述的机械臂故障诊断模型的训练方法训练得到
。
[0039]本专利技术技术方案的有益效果在于：对机械臂的数字孪生模型进行故障仿真，由于数字孪生模型能够全面
、
准确
、
动态地反映机械臂的状态变化，因此可以得到与机械臂实体相似的故障样本，即仿真数据
。
基于仿真数据对初始诊断模型进行训练得到目标诊断模型，训练得到的目标诊断模型可以在机械臂实际运作过程中，实时分析诊断机械臂发生的故障
。
通过数字孪生模型模拟故障，有效解决了机械臂实际工业生产中由于工况变化导致的故障样本不足的问题
。
同时，基于训练好的目标诊断模型，能够解决传统机械臂诊断过于依赖人工经验，提取特征不够完善，导致模型的鲁棒性和适用性比较低等问题
。
附图说明
[0040]图1为本专利技术实施例提供的机械臂故障诊断模型的训练方法的流程图
。
[0041]图2为本专利技术实施例提供的机械臂故障诊断模型的训练方法的第一子流程图
。
[0042]图3为本专利技术实施例提供的机械臂故障诊断模型的训练方法的第二子流程图
。
[0043]图4为本专利技术实施例提供的机械臂故障诊断模型的训练方法的第三子流程图
。
[0044]图5为图1所示的初始诊断模型的模型结构图
。
[0045]图6为图2所示的机械臂的连杆坐标系图
。
[0046]图7为图2所示的机械臂的
D
‑
H
参数表
。
[0047]图8为本申请实施例提供的机械臂故障诊断方法的流程图
。
[0048]图9为本申请实施例提供的机械臂故障诊断方法的应用场景示意图
。
[0049]图
10
为本申请实施例提供的计算机设备的内部结构示意图
。
[0050]图
11
为本申请实施例提供的机械臂的内部结构示意图
。
[0051]本专利技术目的的实现
、
功能特点及优点将结合实施例，参照附图做进一步说明
。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.
一种机械臂故障诊断模型的训练方法，其特征在于，所述机械臂故障诊断模型的训练方法包括：构建机械臂的数字孪生模型；对所述数字孪生模型进行故障仿真以得到仿真数据；将所述仿真数据输入初始诊断模型以得到初始分类结果；根据所述仿真数据的预设分类和所述初始分类结果计算损失值；根据所述损失值优化所述初始诊断模型以得到目标诊断模型
。2.
根据权利要求1所述的机械臂故障诊断模型的训练方法，其特征在于，将所述仿真数据输入初始诊断模型以得到初始分类结果包括：将所述仿真数据分别输入第一特征提取模块和第二特征提取模块以得到第一特征向量和第二特征向量；将所述第一特征向量和所述第二特征向量输入特征融合模块以得到融合特征向量；将所述融合特征向量输入故障分类模块以得到所述初始分类结果
。3.
根据权利要求2所述的机械臂故障诊断模型的训练方法，其特征在于，将所述第一特征向量和所述第二特征向量输入特征融合模块以得到融合特征向量包括：根据预设的权重值对同一所述仿真数据对应的第一特征向量和第二特征向量进行融合以得到相应的融合特征向量
。4.
根据权利要求2所述的机械臂故障诊断模型的训练方法，其特征在于，根据所述损失值优化所述初始诊断模型以得到目标诊断模型包括：根据所述损失值调整所述第一特征提取模块
、
所述第二特征提取模块
、
所述特征融合模块和所述故障分类模块的参数；将调整参数后的第一特征提取模块和故障分类模块作为所述目标诊断模型，或者，将调整参数后的第二特征提取模块和故障分类模块作为所述目标诊断模型
。5.
根据权利要求1所述的机械臂故障诊断模型的训练方法，其特征在于，构建机械臂...

【专利技术属性】
技术研发人员：肖冬明，邹文锐，王阳荣，郭帅平，陈峰，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：