【摘 要】
：
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
【机 构】
：
重庆交通大学交通工程应用机器人重庆市工程实验室 重庆400074;重庆工业大数据创新中心有限公司 重庆400056;重庆华数机器人有限公司 重庆400714
论文部分内容阅读
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.
其他文献
针对现阶段检测退役动力电池健康状态存在的耗时长、精度低和能耗大等问题,提出了一种基于电化学阻抗谱(EIS)的电池荷电状态(SOC)和健康状态(SOH)的快速预测方法.通过对退役磷酸铁锂动力电池在不同SOH、不同SOC和不同温度下的EIS测试和分析,建立了EIS等效电路模型.然后,利用常相位元件参数与退役动力电池SOC和SOH-之间的关系,建立数学模型,实现对退役动力电池SOC和SOH的快速估计.验证实验表明,利用这种方法,可以大大减少测试时间至20ain以内、节约能源以及实现对未知荷电状态和健康状态的电池
针对散料港口无人化取料机往复取料效率低,毫米波雷达感知数据集噪声多、波动频繁、数据不平衡导致现有机器学习分类模型效果欠佳等问题,提出了一种基于改进模糊孪生支持向量机结合1-近邻算法的孪生重叠敏感边距分类器的料堆边界感知方法.首先,利用毫米波雷达获取料堆边界扫描数据并进行预处理,依据空间分布以及作业特点设计提取点云的10维特征,组成料堆点云样本数据集;其次,引入改进模糊隶属度函数的模糊孪生支持向量机,将料堆点云样本数据集划分为重叠与非重叠区域;然后,采用模糊孪生支持向量机决策边界、1-近邻算法分别对非重叠与
传统的多表面波长调谐移相干涉法只能实现透明被测件处于固定位置下的测量,当移相值或者腔长改变时算法的有效性和求解精度没有被深入讨论和分析.为了在任意腔长下实现透明被测件各表面的同时测量,本文提出了一种可实现自适应移相匹配的加权多步采样算法.首先,基于特征多项式,介绍了一种具有移相误差和耦合误差抑制能力的加权多步相位解调技术,可以同时对被测件的3个表面进行测量;进而,基于Zernike多项式,对移相参考系数和腔长系数的任意组合下的算法求解误差进行了迭代计算和分析,为最优参数的匹配提供参考.仿真结果表明所提出的
惯性姿态测量单元(IMU)中存在各种系统误差,需要进行校正以提高姿态解算精度,而校正矩阵是由本身包含各种系统误差的特殊位置测量值及其理论值决定的.对校正矩阵产生的校正误差进行理论推导,研究其对解算姿态参数误差的影响特征,并用测试数据进行验证.根据均衡校正点的设计,详细研究均衡校正及其结构拓扑对姿态精度的影响模型和特征,并对测试数据进行均衡校正验证,典型姿态解算结果及对比表明,均衡校正普遍降低了姿态的绝对误差,均衡平均校正最少可降低解算姿态绝对误差的平均值和峰峰值至30.8％,且在小倾斜角区域也达到大中倾斜
利用镓基液态金属作为柔性导电材料,制备基于NFC的可穿戴柔性标签天线.通过理论、仿真和实验分析,设计的NFC标签天线具有良好的柔性特点和较高的带宽,其在较大拉伸和弯曲变形下的电感变化和谐振偏移程度不大,具有较好的工作稳定性.与传统的NFC天线不同,设计的天线具有较好的柔性和可拉伸性,可以柔和地贴合在人体皮肤表面,利用该天线制备的NFC标签能够在13.56 MHz工作频率下进行无线通信,最大通信距离约为3.36 cm,与人体手腕处皮肤接触后的最大通信距离约为3.12 cm.制备的柔性NFC标签天线以其独特的
基于地磁信号的定位技术无需架设信号发送设备,成本低且可覆盖室内定位范围广.针对室内地磁定位方法采集工作繁琐复杂需反复测量才能精准映射二维平面坐标点的现状,提出一种基于移动终端图像可视化映射和自动插入采集数据的方法,快速采集室内地磁指纹,动态建立匹配室内二维地图的指纹数据库.在此基础上,定位阶段使用改进的动态时间规整(DTW)算法进行地磁序列匹配,提高大型数据库的动态定位效率.后续采用粒子滤波算法融合地磁序列定位和行人航位推算(PDR)的结果,在智能移动终端载体上实现快速精准定位.实验结果表明该动态定位方法
为给出简单、准确的碲化镉(CdTe)光伏组件输出特性曲线显式模型,提出利用两条2阶Bezier函数轨迹分别拟合组件输出特性最大功率点左、右两侧曲线的思路,分析了控制点对Bezier函数的影响规律,明确了最优控制点的存在性,计算了7种不同厂家和型号CdTe组件最优控制点下的Bezier建模结果,利用相似三角形理论,找出了Bezier函数最优控制点位置与组件填充因子之间的拟合规律,建立了描述CdTe光伏组件输出特性的显式模型;最后,利用4种新CdTe组件对所提规律进行验证,并以迭代结果为基准和已有模型进行了对
表面肌电信号可以反映用户的动作意图,因而成为人机交互的主要控制信号.然而,个体差异性使得用户模型不通用,不利于发展普适性的肌电设备.本文从神经协同控制角度出发,通过非负矩阵分解算法提取肌肉协同,并利用少量新用户预实验数据和最小二乘法,得到与预实验协同相近的新协同作为特征量.为了在低频可穿戴场景的应用考虑,分别在支持向量机、误差反向传播网络、K近邻算法这3个简单易移植的分类器上训练与测试.在Ninapro数据库的DB1(100 Hz)和DB5(200 Hz)中分别开展了4组手势识别实验,平均识别正确率分别为
行程误差是评价行星滚柱丝杠副精度的重要参数,但关于行程误差影响因素及建模的研究较少.因此,首先对行星滚柱丝杠副行程误差影响因素进行分析,包括加工误差、安装误差及变形误差;然后,基于各项误差转换建立行程误差模型并对各项误差进行测量;最后,使用行程误差试验台测量了4根行星滚柱丝杠副的丝杠行程误差和6种不同负载工况下的丝杠副行程误差.试验结果表明,加工工艺水平和安装精度对行程误差指标的影响较大,丝杠副行程误差随负载的增加而增加,表明负载增加产生的变形误差对行程误差的影响较大,丝杠行程误差试验值与模型计算值的相对
温度是人体的重要机能,血液温度变化监测对人体健康评估尤为重要.本文提出拓展的浓厚分散系HANAI理论,结合生物电阻抗谱,量化表征温度对血液生物电阻抗特性的影响规律,为监测血液温度及相关血液疾病的演变过程提供基础.试验结果表明,随着温度T不断上升,血液的生物电阻抗参数Z*持续下降;奈奎斯特峰值电阻参数Rc和峰值电抗参数Xc与温度T有良好的线性关系,可描述为Rc=-0.3T+24.14和Xc=0.08T,-5.78.将传统HANAI方程进行拓展,并进行多物理场数值模拟,其数值分析、模拟结果与试验结果较好吻合,