申请/专利权人：苏州大学

申请日：2023-11-15

公开（公告）日：2024-01-09

公开（公告）号：CN117367777A

主分类号：G01M13/00

分类号：G01M13/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明涉及一种SCARA机器人滚珠丝杠故障诊断方法，包括：获取源域数据集和目标域数据集；对源域数据集和目标域数据集采样；对采样得到的数据样本进行分组得到多组数据对；利用特征提取器提取每组数据对的映射特征向量，将每组数据对的映射特征向量输入至判别器中构建判别器损失函数；将多组数据对的映射特征向量分别输入判别器中进行对抗性学习以构建特征提取器损失函数；重新对源域数据集和目标域数据集中的数据样本进行采样，以对判别器和特征提取器进行迭代训练，得到SCARA机器人滚珠丝杠故障诊断模型。本申请使用不同机器人对应的数据构建了两个数据集对模型进行训练，使得训练好的故障诊断模型能够更好地完成跨机器的故障诊断。

主权项：1.一种SCARA机器人滚珠丝杠故障诊断方法，其特征在于，包括：获取源域数据集和目标域数据集；其中，所述源域数据集和所述目标域数据集分别对应不同SCARA机器人的滚珠丝杠驱动电机在C个故障类别下的电流数据样本；对所述源域数据集和所述目标域数据集进行采样，得到源域数据子集和目标域数据子集其中，表示源域数子集中故障类别为C的数据样本，表示目标域数据子集中故障类别为C的数据样本；对所述源域数据子集和所述目标域数据子集中的数据样本进行分组，得到第一类数据对第二类数据对第三类数据对第四类数据对其中，1＜i＜C；将所有数据对分别输入至特征提取器中，输出每组数据对的映射特征向量，将每组数据对的映射特征向量输入至判别器中，基于所述判别器的输出构建判别器损失函数；将第一类数据对中每组数据对的映射特征向量和第二类数据对中每组数据对的映射特征向量输入至判别器中进行对抗性学习，将第三类数据对中每组数据对的映射特征向量和第四类数据对中每组数据对的映射特征向量输入至判别器中进行对抗性学习，基于所述判别器的输出构建第一损失函数；将任意两组第一个数据的故障类别和第二个数据的故障类别均不同的数据对的映射特征向量输入至判别器中进行对抗性学习，基于所述判别器的输出构建第二损失函数；基于所述目标域数据集与所述目标域数据子集的最大均值差异平方、所述目标域数据集与所述源域数据集的最大均值差异平方构建第三损失函数；基于所述第一损失函数、所述第二损失函数和所述第三损失函数构建特征提取器损失函数；重新对所述源域数据集和所述目标域数据集中的数据样本进行采样，得到新的源域数据子集和新的目标域数据子集，以对所述判别器和所述特征提取器进行迭代训练，直到所述判别器损失函数和所述特征提取器损失函数的值最小，基于训练好的特征提取器和训练好的判别器得到SCARA机器人滚珠丝杠故障诊断模型。

全文数据：

权利要求：

百度查询： 苏州大学 一种SCARA机器人滚珠丝杠故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD