-
公开(公告)号:CN116512312A
公开(公告)日:2023-08-01
申请号:CN202310268586.9
申请日:2023-03-17
Applicant: 上海交通大学
IPC: B25J19/00
Abstract: 本发明公开了一种机器手臂故障检测的诊断方法,涉及机器手臂领域,包括以下步骤:收集机器手臂的振动信号;清洗收集到的振动信号数据;利用经验模态分解算法处理清洗完的数据,得到N个本征模函数,并提取时域特征与频域特征,进行归一化处理;构建训练样本集、现场工况样本集;构建基于深度卷积神经网络的异常检测模型;将现场工况样本集输入到异常检测模型中,返回健康状态值;将健康状态值返回到开发的机器手臂故障诊断系统软件中,实现机器手臂的健康状态实时检测。本发明利用基于深度卷积神经网络的异常检测模型,实现对机器手臂故障诊断系统的开发,提高对机器手臂故障检测的效率,通过及时反馈机器手臂的运行状态,确保生产线的正常运作。
-
公开(公告)号:CN116244654A
公开(公告)日:2023-06-09
申请号:CN202310245296.2
申请日:2023-03-14
Applicant: 上海交通大学
IPC: G06F18/2433 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/241
Abstract: 本发明公开了一种基于多类型信号干式真空泵工作状态的智能诊断方法及系统,包括:利用健康数据构建训练样本集;构建多维状态空间异常检测模型;根据训练样本集训练多维状态空间异常检测模型,得到健康状态空间,以备故障检测;利用现场工况数据构建现场工况样本集;根据现场工况样本集生成测试状态空间;以及将测试状态空间输入训练后的多维状态空间异常检测模型,并用其进行故障检测。利用新开发的机器学习算法,实现对干式真空泵的故障诊断系统的开发,大幅减少了对干式真空泵的故障状态检测成本,提高了对干式真空泵故障诊断的效率,能有效预测其工作状态。进而,降低工厂的维护运营成本,提高工厂的自动化水平与效率,实现产业智能化升级。
-