【技术实现步骤摘要】
本专利技术涉及机械设备诊断，尤其涉及一种智能诊断rv减速器故障的方法及系统。
技术介绍
1、国内制造业发展势头迅猛。工业机器人作为智能制造系统中最具有代表性的重要生产装备，其可靠性成为至关重要的问题。而rv减速器作为工业机器人中最为关键的部位，是工业机器人发生故障的主要构件。因此，对rv减速器的工作状态进行实时监测，以便早期发现异常故障是十分有价值和现实意义的。
2、随着人工智能的发展，基于机器学习的智能诊断方法得到了飞速的发展。近年来，涌现了许多优秀算法，例如神经网络、支持向量机、极限学习机等。然而，基于机器学习的智能诊断方法需要充足的故障样本，也就是说故障样本数据的完备程度直接决定了智能故障诊断的可靠程度。因此，样本库的缺失从根本上制约了智能诊断的方法。另外，在过去通常采用实验的方式获取故障样本数据。例如，通过加速度振动测试仪、红外热成像仪、声发射器和电涡流传感器等工具，可以获取故障数据样本。然后，对于精密的机械设备，采用实验的方式获取故障样本数据需要消耗大量的人力物力财力，想要获取充沛的各种类型和各种程度的故障样本数据更是不可能。因此，人工智能在机械故障诊断领域迫切需要解决的问题之一就是如何获取充足的故障样本数据。
3、因此，为了解决故障样本数据不足而导致诊断结果不可靠的问题，有必要提出一种智能诊断rv减速器故障的方法，通过完备rv减速器故障样本数据，提高智能诊断的可靠性。
技术实现思路
1、本专利技术实施例所要解决的技术问题在于，提供一种智能诊断rv
2、为了解决上述技术问题，本专利技术实施例提供了一种智能诊断rv减速器故障的方法，所述方法包括以下步骤：
3、获取未知故障的实测信号；
4、将所述实测信号导入已训练好的rv减速器故障诊断模型中，得到所述实测信号的故障类型及其对应的故障程度；其中，所述rv减速器故障诊断模型为卷积神经网路模型并通过已知的故障样本进行训练及测试得到的，且所述故障样本为通过将各种已知故障信息导入rv减速器动力学模型中仿真所得的各种故障类型和各种故障程度的数据。
5、其中，所述rv减速器动力学模型为利用拉格朗格方程构建的，并通过欧几里德距离函数进行模型修正。
6、其中，所述rv减速器动力学模型修正之前的数学表达式如下式(1)所示：
7、
8、式中，q＝*xs，ys，…，yo，θo+和f＝*0，0，ts，…，0，0，to+分别表示系统的广义坐标向量和广义力向量；和分别表示系统的质量矩阵、阻尼矩阵和刚度矩阵。
9、其中，所述rv减速器动力学模型修正的参数为边界条件参数，包括接触刚度和阻尼。
10、其中，所述各种已知故障信息包括各种齿轮发生磨损故障时各自与多个齿面磨损程度相对应的啮合刚度、各种齿轮发生断齿故障时各自与多个啮合阶段相对应的多个啮合刚度、各种齿轮发生多个程度的裂纹故障时各自对应每一个裂纹程度所对应的啮合刚度、各种输出盘发生多个程度的偏心故障时各自模拟所得对应每一个偏心程度的故障信号、各种输出盘发生多个程度的不对中故障时各自模拟所得对应每一个不对中程度的故障信号以及各种轴承故障时各自模拟所得的对应故障信号；
11、所述各种故障类型包括齿轮磨损故障、齿轮断齿故障、齿轮裂纹故障、输出盘偏心故障、输出盘不对中故障和轴承故障；
12、所述各种故障程度包括用于表征齿轮每一个齿面磨损程度的第一故障程度组合、用于表征齿轮每一个啮合阶段的第二故障程度组合、用于表征齿轮每一个裂纹程度的第三故障程度组合、用于表征输出盘每一个偏心程度的第四故障程度组合以及用于表征输出盘每一个不对中程度的第五故障程度组合。
13、其中，所述各种齿轮发生磨损故障时各自对应多个齿面磨损程度的啮合刚度均通过以下公式(4)～(11)所示：
14、
15、
16、
17、
18、
19、
20、
21、sx＝(2nx-hcosα)l(11)；
22、式中，ksp表示齿轮啮合刚度；e表示弹性模量；g表示剪切模量；f表示齿轮受到的正压力；α表示齿轮的压力角；ix表示齿轮惯性矩；sx表示截面的面积；nx表示从啮合点内齿廓上任意一点到轮齿中心线的距离；l表示齿宽。
23、其中，所述各种输出盘发生多个程度的偏心和/或不对中故障时模拟所得的故障信号是通过仿真一个激励信号来模拟得到；其中，
24、所述激励信号的函数表达式如下式(12)所示：
25、
26、式中，δ表示偏心半径；α表示角度偏转；δl表示半联轴器长度。
27、本专利技术实施例还提供了一种智能诊断rv减速器故障的系统，包括：
28、获取单元，用于获取未知故障的实测信号；
29、智能诊断单元，用于将所述实测信号导入已训练好的rv减速器故障诊断模型中，得到所述实测信号的故障类型及其对应的故障程度；其中，所述rv减速器故障诊断模型为卷积神经网路模型并通过已知的故障样本进行训练及测试得到的，且所述故障样本为通过将各种已知故障信息导入rv减速器动力学模型中仿真所得的各种故障类型和各种故障程度的数据。
30、其中，所述各种已知故障信息包括各种齿轮发生磨损故障时各自与多个齿面磨损程度相对应的啮合刚度、各种齿轮发生断齿故障时各自与多个啮合阶段相对应的多个啮合刚度、各种齿轮发生多个程度的裂纹故障时各自对应每一个裂纹程度所对应的啮合刚度、各种输出盘发生多个程度的偏心故障时各自模拟所得对应每一个偏心程度的故障信号、各种输出盘发生多个程度的不对中故障时各自模拟所得对应每一个不对中程度的故障信号以及各种轴承故障时各自模拟所得的对应故障信号；
31、所述各种故障类型包括齿轮磨损故障、齿轮断齿故障、齿轮裂纹故障、输出盘偏心故障、输出盘不对中故障和轴承故障；
32、所述各种故障程度包括用于表征齿轮每一个齿面磨损程度的第一故障程度组合、用于表征齿轮每一个啮合阶段的第二故障程度组合、用于表征齿轮每一个裂纹程度的第三故障程度组合、用于表征输出盘每一个偏心程度的第四故障程度组合以及用于表征输出盘每一个不对中程度的第五故障程度组合。
33、实施本专利技术实施例，具有如下有益效果：
34、本专利技术通过将各种已知故障信息导入rv减速器动力学模型中仿真所得的各种故障类型和各种故障程度的故障样本进行训练及测试rv减速器故障诊断模型，能够快速得到未知故障的实测信号的故障类型及其对应的故障程度，从而通过完备rv减速器故障样本数据，实现提高智能诊断的可靠性，不仅更为方便简洁，可以生成无限数量的不同故障种类和不同故障程度的数据样本，还大量的节省了人力物力财力。
本文档来自技高网...【技术保护点】
1.一种智能诊断RV减速器故障的方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的智能诊断RV减速器故障的方法，其特征在于，所述RV减速器动力学模型为利用拉格朗格方程构建的，并通过欧几里德距离函数进行模型修正。
3.如权利要求2所述的智能诊断RV减速器故障的方法，其特征在于，所述RV减速器动力学模型修正之前的数学表达式如下式(1)所示：
4.如权利要求3所述的智能诊断RV减速器故障的方法，其特征在于，对所述RV减速器动力学模型修正的参数为边界条件参数，包括接触刚度和阻尼。
5.如权利要求1所述的智能诊断RV减速器故障的方法，其特征在于，所述各种已知故障信息包括各种齿轮发生磨损故障时各自与多个齿面磨损程度相对应的啮合刚度、各种齿轮发生断齿故障时各自与多个啮合阶段相对应的多个啮合刚度、各种齿轮发生多个程度的裂纹故障时各自对应每一个裂纹程度所对应的啮合刚度、各种输出盘发生多个程度的偏心故障时各自模拟所得对应每一个偏心程度的故障信号、各种输出盘发生多个程度的不对中故障时各自模拟所得对应每一个不对中程度的故障信号以及各种轴承故障
6.如权利要求5所述的智能诊断RV减速器故障的方法，其特征在于，所述各种齿轮发生磨损故障时各自对应多个齿面磨损程度的啮合刚度均通过以下公式(4)～(11)所示：
7.如权利要求5所述的智能诊断RV减速器故障的方法，其特征在于，所述各种输出盘发生多个程度的偏心和/或不对中故障时模拟所得的故障信号是通过仿真一个激励信号来模拟得到；其中，
8.一种智能诊断RV减速器故障的系统，其特征在于，包括：
9.如权利要求8所述的智能诊断RV减速器故障的系统，其特征在于，所述各种已知故障信息包括各种齿轮发生磨损故障时各自与多个齿面磨损程度相对应的啮合刚度、各种齿轮发生断齿故障时各自与多个啮合阶段相对应的多个啮合刚度、各种齿轮发生多个程度的裂纹故障时各自对应每一个裂纹程度所对应的啮合刚度、各种输出盘发生多个程度的偏心故障时各自模拟所得对应每一个偏心程度的故障信号、各种输出盘发生多个程度的不对中故障时各自模拟所得对应每一个不对中程度的故障信号以及各种轴承故障时各自模拟所得的对应故障信号；
...【技术特征摘要】
1.一种智能诊断rv减速器故障的方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的智能诊断rv减速器故障的方法，其特征在于，所述rv减速器动力学模型为利用拉格朗格方程构建的，并通过欧几里德距离函数进行模型修正。
3.如权利要求2所述的智能诊断rv减速器故障的方法，其特征在于，所述rv减速器动力学模型修正之前的数学表达式如下式(1)所示：
4.如权利要求3所述的智能诊断rv减速器故障的方法，其特征在于，对所述rv减速器动力学模型修正的参数为边界条件参数，包括接触刚度和阻尼。
5.如权利要求1所述的智能诊断rv减速器故障的方法，其特征在于，所述各种已知故障信息包括各种齿轮发生磨损故障时各自与多个齿面磨损程度相对应的啮合刚度、各种齿轮发生断齿故障时各自与多个啮合阶段相对应的多个啮合刚度、各种齿轮发生多个程度的裂纹故障时各自对应每一个裂纹程度所对应的啮合刚度、各种输出盘发生多个程度的偏心故障时各自模拟所得对应每一个偏心程度的故障信号、各种输出盘发生多个程度的不对中故障时各自模拟所得对应每一个不对中程度的故障信...
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。