← 返回列表
一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法
申请人信息
- 申请人:昆明理工大学
- 申请人地址:650031 云南省昆明市一二一大街文昌路68号
- 发明人: 昆明理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311593621.0 |
| 申请日 | 2023/11/27 |
| 公告号 | CN117668638A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06F18/241 |
| 权利人 | 昆明理工大学 |
| 发明人 | 王之海; 仁国爱; 柳小勤; 刘韬; 刘畅; 宋峰 |
| 地址 | 云南省昆明市五华区学府路296号 |
摘要文本
昆明理工大学获取“一种透气窗帘布”专利技术，本发明提供一种基于DBN‑SVDD‑TCN的工业机器人关节寿命预测方法，该方法包括以下步骤：S1、采集工业机器人的RV减速器全寿命周期振动信号，进行降噪处理，并提取单一样本的幅值谱；S2、搭建DBN特征提取模块，将降噪后的RV减速器健康阶段的单一样本幅值谱作为训练样本。本发明包括三部分，在第一部分中，搭建DBN特征提取模型，并进行预训练，通过已完成训练的DBN模型提取RV减速器退化特征；在第二部分中，搭建了多核SVDD模型，通过多核函数优化SVDD，对RV减速器FPT节点进行准确定位；在第三部分中，搭建了TCN预测模型，将FPT节点后的工业机器人关节退化特征作为TCN模型的输入，对RV减速器的RUL进行预测，与其他方法相比较，本发明具有更高的RUL预测精度。
专利主权项内容
1.一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法，其特征在于：该方法包括以下步骤：S1、采集工业机器人的RV减速器全寿命周期振动信号，进行降噪处理，并提取单一样本的幅值谱；S2、搭建DBN特征提取模块，将降噪后的RV减速器健康阶段的单一样本幅值谱作为训练样本，通过贪婪学习对DBN模型进行预训练；S3、基于S2，将RV减速器全寿命周期的单一样本幅值谱作为DBN模型的输入，以DBN网络隐藏层节点的激活概率构建关节退化特征；S4、搭建多核SVDD模型，将S3中的退化特征作为多核SVDD模型的输入，定位RV减速器FPT节点；S5、将S4中FPT节点后的退化特征赋予退化标签，并作为TCN模型的输入，对RV减速器RUL进行预测。。 （来自 马克数据网）