声明
摘要
第一章绪论
1．2机器人故障诊断研究现状
1．2．1故障诊断概念及方法简述
1．2．2机器人故障诊断研究现状
1．2．3基于机器学习的故障诊断方法研究现状
1．3本文主要研究内容及章节安排
第二章云端故障诊断系统框架设计
2．1云服务机器人系统构成及常见故障分析
2．1．1云服务机器人系统构成
2．1．2运动控制系统分析与设计
2．1．3机器人运动控制系统故障分析
2．2云端故障诊断系统框架及流程设计
2．2．2云端故障诊断流程设计
2．3本章小结
第三章云端故障诊断系统平台搭建
3．1故障诊断云端数据集构建
3．1．1传感器数据采集
3．1．2传感器数据传输
3．1．3云端故障诊断数据库设计与实现
3．1．4数据集构建流程
3．2故障诊断云服务设计与实现
3．2．1云服务环境配置
3．2．2机器学习环境配置
3．2．3云服务架构设计
3．2．4云服务程序设计
3．3本章小结
第四章基于集成树模型的故障特征选择
4．1．1数据标准化
4．1．2后向差分数据处理
4．2．2随机森林算法
4．2．3随机森林特征选择原理
4．2．4随机森林特征选择实现及效果
4．3基于梯度提升树的故障特征选择
4．3．1梯度提升树算法
4．3．2梯度提升树特征选择原理
4．3．3梯度提升树特征选择实现及效果
4．4基于RF-GBDT故障特征选择
4．4．1 RF-GBDT故障特征选择模型设计
4．4．2故障特征选择实验分析
4．5本章小结
第五章基于GRU神经网络的混合故障诊断模型
5．1基于时间序列的神经网络模型
5．1．1诊断数据的时序特征
5．1．2 RNN神经网络
5．1．3 GRU神经网络
5．2基于GRU神经网络的混合故障诊断模型设计与实现
5．2．1基于滑动窗口的时间序列样本生成
5．2．2基于GRU神经网络的混合故障诊断模型设计
5．3故障诊断实验分析
5．3．1滑动窗口大小对故障诊断精度影响
5．3．2不同故障诊断模型对比实验
5．4系统测试
5．5本章小结
6．1总结
6．2展望
参考文献
致谢
硕士期间的科研成果
硕士期间参加的科研工作
山东大学;
