上海工程技术大学机械与汽车工程学院
纸质出版:2025
移动端阅览
王刚, 张婷. 基于IEPE传感器的工业机械臂智能诊断方法研究[J]. 传感器与微系统, 2025,(9):29-32+36.
王刚, 张婷. 基于IEPE传感器的工业机械臂智能诊断方法研究[J]. 传感器与微系统, 2025,(9):29-32+36. DOI: 10.13873/J.1000-9787(2025)09-0029-04.
DOI:
首先,为了解决六轴机械臂关节在工作中的故障监测和诊断问题,提出了一种基于压电集成电路(IEPE)加速度传感器的智能诊断方法。其次,为了应对深度学习参数量爆炸的挑战,对深度神经网络进行改进,并寻求一种参数较少的分类算法,来替代网络全连接(FC)层以降低模型参数量,从而提高模型实用性。通过采集机械臂各关节故障时的加速度信号并使用多种模型进行训练验证实验,在所有方案中,视觉几何组(VGG)+支持向量机(SVM)模型取得了97.0%最高故障诊断正确率,并且该模型相较于标准模型具有显著降低的参数量和时间复杂度。结果表明,在故障信号识别领域中含有FC层的卷积网络结构过于冗余复杂,而改良算法更适用于故障信号识别任务。
段琢华.基于自适应粒子滤波器的移动机器人故障诊断理论与方法研究[D].中南大学,2007(01).
陈先昌.基于卷积神经网络的深度学习算法与应用研究[D].浙江工商大学,2014(09).
覃耀鑫.基于多尺度CNN和胶囊网络的工业机器人故障诊断研究[D].广东工业大学,2022(01).
孔英会,景美丽.基于混淆矩阵和集成学习的分类方法研究[J].计算机工程与科学,2012(06).
吕国豪,罗四维,黄雅平,蒋欣兰.基于卷积神经网络的正则化方法[J].计算机研究与发展,2014(09).
徐宝峰.一种新型高性能IEPE加速度传感器[J].电子测试,2021(16).
陈龙瑾,邢菁,吴达雷,戚斌,陈育培.基于支持向量机的多回路关口电能表在线监测方法研究[J].电测与仪表,2023(10).
郭涛,毛国栋,梁颖,张程杰,石帅.压电晶片有源传感器疲劳裂纹声发射检测[J].传感器与微系统,2023(07).
毛宁,许江宁,何泓洋,吴苗.基于集成学习模型的光纤陀螺温度漂移补偿[J].传感器与微系统,2023(06).
刘超敏,胡玉平.基于VGG—19和卡尔曼预处理的WSNs测距方法[J].传感器与微系统,2023(10).
夏良华,贾希胜,徐英.机械系统故障诊断与状态监测的发展趋势[J].火炮发射与控制学报,2005(02).
吴成茂,范九伦.一种新的数据分类效果评价方法[J].计算机工程与应用,2004(25).
0
浏览量
36
下载量
CSCD
关联资源
相关文章
相关作者
相关机构