【技术实现步骤摘要】
本申请涉及故障诊断，特别是涉及一种机器人打磨装备的可解释故障诊断方法。
技术介绍
1、目前，机器人打磨将代替传统的人工打磨，这是必然趋势；但在机器人打磨系统中，机器人打磨装备是否健康直接决定着打磨质量的好坏，因此精准的判断机器人打磨装备的故障时高质量打磨的前提。
2、随着大数据和工业互联网的发展，在机器人打磨装备的故障诊断中，基于深度学习的方法有潜力实现实时的故障诊断。然而，基于深度学习的方法不具备可解释性，其产生的故障诊断结果也难以令工人信服；故如何使得故障诊断模型学习到打磨质量的工艺知识，如何赋予诊断结果可信度是针对机器人打磨装备的故障诊断方法中亟需解决的问题。
技术实现思路
1、基于此，有必要提供一种机器人打磨装备的可解释故障诊断方法。
2、本专利技术提供了一种机器人打磨装备的可解释故障诊断方法，该方法包括：
3、s1：收集每种打磨装备故障状态下的机械臂末端的振动信号以及被打磨工件的表面图像；
4、s2：将所述振动信号进行分割处理，将分...
【技术保护点】
1.一种机器人打磨装备的可解释故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，所述机械臂末端的振动信号通过在机器人打磨装备的机械臂末端安装的加速度传感器测量得到；所述被打磨工件的表面图像通过在机器人打磨装备的机械臂末端安装的显微相机拍摄得到。
3.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，S2中，所述将所述振动信号进行分割处理，将分割处理的所述振动信号映射为振动图像包括：
4.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，S3中...
【技术特征摘要】
1.一种机器人打磨装备的可解释故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，所述机械臂末端的振动信号通过在机器人打磨装备的机械臂末端安装的加速度传感器测量得到；所述被打磨工件的表面图像通过在机器人打磨装备的机械臂末端安装的显微相机拍摄得到。
3.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，s2中，所述将所述振动信号进行分割处理，将分割处理的所述振动信号映射为振动图像包括：
4.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，s3中，采用局部二进制法表征所述表面图像的图像特征，并统计图像特征的像素值分布；局部二进制法的计算公式为：
5.根据权利要求1所述的机器人打磨装备的可解释故障诊断方法，其特征在于，s4中，基于深度学习网络构建故障诊断模块和辅助学习模块...
【专利技术属性】
技术研发人员：毛建旭，贺文斌，王耀南，李哲，谢核，刘彩苹，何佳闻，李卓维，方遒，谭浩然，张辉，朱青，
申请(专利权)人：湖南大学，
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。