基于电压信号深度特征学习的谐波减速器健康状态识别
目前工业机器人谐波减速器健康状态识别多以振动信号为载体,需要外加测试系统,增加了数据获取难度及成本,且其准确性和有效性受传感器安装位置影响.基于此,提出基于电压信号深度特征学习的谐波减速器健康状态识别方法.利用工业机器人电机电压信号对谐波减速器健康状态进行表征,使用连续小波变换将电压信号转换成时频图以获得谐波减速器不同健康状态下电压信号的时频信息,构建出数据样本集.利用卷积神经网络对电压信号时频信息进行自学习,并有监督调整网络参数,在获得谐波减速器不同健康状态下电压信号深度特征的同时实现对其健康状态的识别.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识别谐波减速器健康状态,并具有较好的泛化能力和稳健性.
健康状态识别;谐波减速器;电压信号;卷积神经网络;连续小波变换
42
TH165+.3;TP18
国家自然科学基金;国家重点研发计划;重庆市教委科学技术研究项目;重庆市研究生导师团队项目;重庆市北碚区科学技术局技术创新与应用示范项目
2021-12-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
234-241