申请/专利权人：昆明理工大学

申请日：2023-11-27

公开（公告）日：2024-03-08

公开（公告）号：CN117668638A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06F18/213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：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。

主权项：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。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法

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