文章详情
| 稿件标题： | 基于深度玻尔兹曼机的工业机器人齿轮箱故障诊断 |
| 稿件作者： | 喻其炳1，孔丽杰2，白云2，喻恺驰3 |
| DOI： | 10.11809/bqzbgcxb2023.04.023 |
| 科学编辑： | 杨继森 博士（重庆理工大学教授） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 深度玻尔兹曼机；小波包变换；特征提取；工业机器人齿轮箱；故障诊断 |
| 文章摘要： | 在多转速、多载荷的复杂工况下，针对工业机器人齿轮箱的故障信号难以准确识别的问题，提出一种基于深度玻尔兹曼机（deep boltzmann machine,DBM)的故障诊断方法。采用小波包变换(wavelet packet transform,WPT)提取每种故障状态下的原始振动信号的统计特征，将其作为DBM模型的输入，DBM以一种无监督的方式进行预训练，对提取的统计特征进行深度挖掘，得到更抽象的重构故障特征向量，经过Softmax分类器实现故障诊断结果的输出。实验将该方法应用于六自由度工业机器人齿轮箱的故障诊断中，并与目前主流的决策分类方法进行对比分析，结果表明：在单一工况和复杂工况下，采用DBM对工业机器人齿轮箱进行故障诊断分别取得了94%和92.176%的平均识别率，具有更高的准确性和鲁棒性。 |
| 稿件基金： | 国家自然科学基金项目(72271036,71801044) |
| 引用本文格式： | 喻其炳，孔丽杰，白云，等.基于深度玻尔兹曼机的工业机器人齿轮箱故障诊断［J］.兵器装备工程学报，2023，44(4)：163-171. YU Qibing, KONG Lijie, BAI Yun, et al.Fault diagnosis of industrial robot gearboxes based on a deep Boltzmann machine［J］.Journal of Ordnance Equipment Engineering，2023，44(4)：163-171. |
| 刊期名称： | 2023年04期 |
| 出版时间： | 2023年4月 |
| 上线时间： | 2023年4月28日 |
| 浏览次数： | 2661 |
| 下载次数： | 52 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |