基于深度玻尔兹曼机的工业机器人齿轮箱故障诊断

摘要：

在多转速、多载荷的复杂工况下,针对工业机器人齿轮箱的故障信号难以准确识别的问题,提出一种基于深度玻尔兹曼机(deep boltzmann machine,DBM)的故障诊断方法.采用小波包变换(wavelet packet transform,WPT)提取每种故障状态下的原始振动信号的统计特征,将其作为DBM模型的输入,DBM以一种无监督的方式进行预训练,对提取的统计特征进行深度挖掘,得到更抽象的重构故障特征向量,经过Softmax分类器实现故障诊断结果的输出.实验将该方法应用于六自由度工业机器人齿轮箱的故障诊断中,并与目前主流的决策分类方法进行对比分析,结果表明:在单一工况和复杂工况下,采用DBM对工业机器人齿轮箱进行故障诊断分别取得了94％和 92.176％的平均识别率,具有更高的准确性和鲁棒性.

关键词：深度玻尔兹曼机、小波包变换、特征提取、工业机器人齿轮箱、故障诊断

所属期刊栏目：44

分类号：TG156(金属学与热处理)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：163-171