-
题名基于EWT-LSTM的工业机器人关节异常检测
- 1
-
-
作者
蒋沁诚
陶建峰
王洋洋
张宇磊
刘成良
-
机构
上海交通大学机械与动力工程学院
-
出处
《浙江大学学报(工学版)》
2025年第5期982-994,共13页
-
基金
上海市人工智能重大专项资助项目(2021SHZDZX0102)。
-
文摘
针对工业机器人制造企业工业机器人出厂检测场景关节伺服参数异常检测问题和不添加传感器、高准确率和实时性的需求,提出基于经验小波变换(EWT)和长短时记忆网络(LSTM)的检测方法.构建工业机器人可编程逻辑控制器-智能终端-云服务器一体化关节实时数据采集平台,无须额外添加传感器即可实现关节电流和速度信号的实时采集、存储和传输,在云端进行状态监测和异常检测.利用EWT分解电流信号以获得特征分量,将光滑的特征分量作为LSTM模型的输入,提高了预测准确性.针对机器人运动周期中实时信号周期不完整的问题,采用卷积神经网络和注意力机制优化的双向LSTM模型预测补全完整的周期信号,与标准信号特征分量进行差异度量,实现实时异常检测.采用1组标准伺服参数和24组异常伺服参数进行故障注入实验,验证了利用该方法能够定位异常关节,与注入异常程度有较好的一致性,检测准确率超过90%.
-
关键词
工业机器人
经验小波变换
长短时记忆网络
异常检测
云边协同
-
Keywords
industrial robot
empirical wavelet transform
long short-term memory network
anomaly detection
cloud-edge collaboration
-
分类号
TP242
[自动化与计算机技术]
-
