基于整周期数据和卷积神经网络的谐波减速器健康状态评估
针对工业机器人谐波减速器循环往复运动、工作节拍不一和转速瞬变而导致其运行状态难以刻画和健康状态不易评估的问题,提出了基于整周期数据和卷积神经网络的谐波减速器健康状态评估方法.首先,运用相位差频谱校正—互相关法对振动信号分割构造整周期数据样本以准确刻画谐波减速器的运行状态信息;其次,应用连续小波变换对整周期数据进行分解以充分展现谐波减速器运转周期内的瞬变特征;最后,利用卷积神经网络在时间和空间上对输入信号的平移、缩放具有高度不变性的特点,充分学习谐波减速器运转周期内的瞬变特征,从而实现对谐波减速器健康状态评估.实验结果显示,所提方法识别准确率达到了90%以上,证明了该方法能够有效评估谐波减速器健康状态,并具有较好的泛化能力和稳健性.
健康状态评估、谐波减速器、整周期数据、卷积神经网络、连续小波变换
41
TH165+.3;TP1
国家自然科学基金;重庆市教委科学技术研究项目;重庆市技术创新与应用示范项目;交通工程应用机器人重庆市工程实验室开放基金;重庆交通大学硕士研究生科研创新项目
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共8页
245-252