基于深度玻尔兹曼机的工业机器人齿轮箱故障诊断
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.11809/bqzbgcxb2023.04.023

基于深度玻尔兹曼机的工业机器人齿轮箱故障诊断

引用
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.

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

44

TG156(金属学与热处理)

国家自然科学基金;国家自然科学基金

2023-06-06(万方平台首次上网日期,不代表论文的发表时间)

共9页

163-171

相关文献
评论
暂无封面信息
查看本期封面目录

兵器装备工程学报

2096-2304

50-1213/TJ

44

2023,44(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn