[发明专利]一种基于电流检测的工业机器人故障诊断方法

权利要求书

1.一种基于电流检测的工业机器人故障诊断方法，其特征在于：包括如下步骤：

S01、电流信号采集；采集工业机器人在不同状态和不同动作下运行时的反馈电流，并保存到工业机器人的控制器中；

S02、信号特征提取；对采集到的反馈电流信号进行小波包能量特征分解，并将分解后得到的能量特征成分按从低频到高频的顺序依次排列形成一维能量特征数据，将一维的能量特征数据转化为二维的能量特征矩阵；

S03、CNN诊断网络构建；将步骤S02中得到的二维能量特征数据输入到CNN网络中进行训练，以此建立CNN模型；

其中，建立CNN模型具体包括如下步骤：

1）定义卷积层的卷积核的大小和数目，以及卷积核进行卷积的步长；

2）定义最大池化层的大小，并利用RULE作为激活函数对卷积层进行处理得到最大池化层；

3）继续利用RULE作为激活函数对最大池化层进行处理得到全连接层；

4）利用Softmax函数将全连接层的数据进行映射得到概率分布，经过多次迭代实验至分类结果趋于稳定后，即可保存CNN模型，从而完成CNN模型的建立；其中，将多次迭代实验得到的Softmax函数输出的结果形成变化曲线，根据曲线的形状确定Softmax函数输出的结果是否趋于稳定，并以此确定迭代的次数；

S04、从待测工业机器人中采集电流反馈数据，并将采集到的数据按照步骤S02进行特征提取，然后输入到步骤S03中保存的CNN模型中，即得到待测工业机器人的状态分类结果。

2.根据权利要求1所述的一种基于电流检测的工业机器人故障诊断方法，其特征在于：所述步骤S02中对采集到的反馈电流信号进行小波包能量特征分解时，具体进行4层小波包能量特征分解，分解后得到的能量特征成分为分解后的第4层16个频率的能量特征成分。

3.根据权利要求2所述的一种基于电流检测的工业机器人故障诊断方法，其特征在于：所述卷积层的卷积核大小定义为2*2，卷积核的数目定义为500个，卷积核进行的卷积步长为1；最大池化层的大小定义为2*2。