基于改进一维卷积神经网络的多轴工业机器人故障诊断

摘要

针对工业机器人运行过程中故障诊断精度较低、速度较慢的问题,提出一种基于改进一维卷积神经网络的多轴工业机器人故障诊断模型正交正则化一维卷积神经网络(SRIPCNN-1D).首先,通过随机采样和Mixup对工业机器人故障数据进行增强;其次,采用正交正则化(SRIP)一维卷积神经网络(CNN-1D)将工业机器人原始运行数据进行端到端训练;最后,利用训练后的模型对工业机器人进行快速故障诊断.实验平台采用某国产机器人设备,采集力矩、速度、位置、电流等运行变量数据300万条,对诊断精度指标进行实验测试,并与WDCNN,CNN-1D模型进行实验对比,结果表明SRIPCNN-1 D方法可以有效诊断工业机器人故障.