【技术实现步骤摘要】
本专利技术涉及减速器故障诊断，具体涉及一种基于信息融合的不同工况下谐波减速器故障诊断方法及系统。
技术介绍
1、工业机器人作为工业自动化领域的重要组成部分，其需求量正逐年增多，应用领域也越来越广泛[1]。谐波减速器是一种结构紧凑、质量轻而减速比大、传动精确的高性能减速器，作为工业机器人的“关节”，其正常运行对于工业机器人安全、精准、可靠地工作具有至关重要的作用[2]。在实际的使用场景中，谐波减速器一般处于大负载和高扭矩的工作条件，易发生失效或者性能退化等问题，若其发生故障，将使工业机器人处于无法预知的运动状态，造成企业生产停滞，严重时甚至危及生产线工人的生命安全[3]。同时，谐波减速器现实运行工况复杂多变，仅依靠单一传感器获取的运行信息往往有限且不同工况振动数据的分布存在较大差异，给谐波减速器的故障诊断带来困难。因此，避免单一传感器难以获取全面运行信息易造成“误诊”问题以及实现不同工况下谐波减速器的有效诊断，对于保证工业机器人的精准、健康运行，具有重要的现实意义[4-5]。
2、近年来，随着人工智能的不断发展，深度学习方法凭...
【技术保护点】
1.一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述预处理包括对采集的一维加速度信号做小波变换，将原始的一维信号转换为二维时频图像。
3.根据权利要求1所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述预设的融合规则为以高频分量取极大值、低频分量取均值的融合规则进行图像融合。
4.根据权利要求1所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述基于迁移学习的谐波减...
【技术特征摘要】
1.一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述预处理包括对采集的一维加速度信号做小波变换，将原始的一维信号转换为二维时频图像。
3.根据权利要求1所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述预设的融合规则为以高频分量取极大值、低频分量取均值的融合规则进行图像融合。
4.根据权利要求1所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述基于迁移学习的谐波减速器故障诊断模型中引入多表示特征提取结构，并对残差网络进行改进；利用多表示特征计算源域和目标域的局部最大均值差异，将源域分类损失与子域适应损失共同作为网络训练损失，经过一定轮次迭代训练获得不同工况下谐波减速器的故障诊断模型。
5.根据权利要求4所述的一种基于信息融合的不同工况下谐波减速器故障诊断方法，其特征在于，所述多表示特征提取结构包括多个互不相同的子结构，利用多表示特征提取结构替换残差网络中全局平均池化层以对残差网络进行改进。
6.根据...
【专利技术属性】
技术研发人员：康守强，孙宇林，章炜东，刘连胜，王玉静，谢金宝，
申请(专利权)人：哈尔滨理工大学，
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。