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

doi:10.19650/j.cnki.cjsi.J1905944

	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
	陈仁祥 1; 张勇 1; 杨黎霞 2; 陈才 3; 徐向阳 1
	2020-02-15
发表期刊	仪器仪表学报
ISSN	0254-3087
卷号	41 期号:02 页码:245-252
摘要	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。
关键词	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
DOI	10.19650/j.cnki.cjsi.J1905944
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	国家自然科学基金(51975079,51975078);重庆市教委科学技术研究项目(KJQN201900721);重庆市技术创新与应用示范项目(cstc2018jscx-msybX0012);交通工程应用机器人重庆市工程实验室开放基金(CELTEAR-KFKT-201803);重庆交通大学硕士研究生科研创新项目(2019S0109)资助
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/53505
专题	国家开放大学重庆分部
通讯作者	陈仁祥
作者单位	1.重庆交通大学交通工程应用机器人重庆市工程实验室; 2.重庆广播电视大学; 3.重庆华数机器人有限公司
推荐引用方式 GB/T 7714	陈仁祥,张勇,杨黎霞,等. 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[J]. 仪器仪表学报,2020,41(02):245-252.
APA	陈仁祥,张勇,杨黎霞,陈才,&徐向阳.(2020).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.仪器仪表学报,41(02),245-252.
MLA	陈仁祥,et al."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".仪器仪表学报 41.02(2020):245-252.