基于小波包能量谱的工业机器人智能故障诊断

来源：机床与液压杂志2022年第23期北京时间：

作者：李振东，李先祥，周星

单位：佛山科学技术学院机电工程与自动化学院；顺德职业技术学院人文学院；佛山智能装备技术研究院

摘要：实际工业机器人在恶劣工作环境中易出现故障，传统的故障诊断大多都是通过振动信号进行，但是振动数据在实际工厂难以采集，给工业机器人的故障诊断造成了极大困扰。针对这一问题，提出一种基于小波包能量谱（WPES）与卷积神经网络（CNN）的工业机器人电流数据的智能故障诊断模型。该模型通过小波包将原始电流信号分解为多个子频带，计算每个子频带对应的能量特征，当工业机器人出现故障时，能量特征会发生变化，并将能量谱特征转化为二维矩阵用于设计、训练和测试所提出的模型。实验结果表明：采用WPES-CNN模型进行故障诊断，故障识别率达到了99.9％以上。

关键词：工业机器人;小波包分解;卷积神经网络;故障诊断

基金资助：2020 年度粤佛联合基金重点项目（2020B1515120010）