申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

申请日：2023-11-10

公开（公告）日：2024-04-19

公开（公告）号：CN117909801A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06F18/213;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明提供一种工业机器人关节的少标签振动数据的故障诊断方法，其包括将采集到的原始振动数据进行数据预处理；使用预处理后的数据样本，构建图结构数据；将图结构数据依次进行图卷积、BatchNorm、ReLU、另一层图卷积操作，获得编码后的特征矩阵；将特征矩阵执行解码操作，获得重构邻接矩阵；计算得到损失函数；根据损失函数L进行反向传播，进行编码器的训练；获得训练好的编码器；使用训练好的编码器对图数据进行编码，获得提取到的故障特征；使用提取到的故障特征作为新的样本，加上所有的标签，进行有监督训练；获得故障诊断结果。本发明主要用于在图数据的构建以及有监督的故障特征提取上，可用于少标签样本的故障诊断以及无标签样本的故障特征提取。

主权项：1.一种工业机器人关节的少标签振动数据的故障诊断方法，其特征在于，该方法包括以下步骤：步骤S1，采集工业机器人关节的原始振动数据；步骤S2，将采集到的原始振动数据进行数据分析和预处理；步骤S3，使用预处理后的数据样本，基于GNN的有监督学习方法构建图结构数据；步骤S4，将图结构数据依次进行图卷积、BatchNorm、ReLU、另一层图卷积操作，获得编码后的特征矩阵Z；步骤S5，将特征矩阵Z执行解码操作，获得重构邻接矩阵A；步骤S6，根据邻接矩阵A和特征矩阵Z，计算得到损失函数L；步骤S7，根据损失函数L进行反向传播，进行编码器的训练；步骤S8，多次重复步骤S4-S7，获得训练好的编码器；步骤S9，使用训练好的编码器对图数据进行编码，获得提取到的故障特征；步骤S10，使用提取到的故障特征作为新的样本，加上所有的标签，进行有监督训练；步骤S11，获得故障诊断结果。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种工业机器人关节的少标签振动数据的故障诊断方法

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