典型文献
基于小波包能量谱的工业机器人智能故障诊断
文献摘要：
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.
文献关键词：
工业机器人;小波包分解;卷积神经网络;故障诊断
中图分类号：
作者姓名：
李振东;李先祥;周星
作者机构：
佛山科学技术学院机电工程与自动化学院,广东佛山528000;顺德职业技术学院人文学院,广东佛山528000;佛山智能装备技术研究院,广东佛山528000
文献出处：
引用格式：
[1]李振东;李先祥;周星-.基于小波包能量谱的工业机器人智能故障诊断)[J].机床与液压,2022(23):194-198
A类：
WPES
B类：
于小波,小波包能量谱,工业机器人,人智,智能故障诊断,中易,振动信号,流数据,故障诊断模型,电流信号,信号分解,频带,能量特征,谱特征,二维矩阵,故障识别率,小波包分解
AB值：
0.219885
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
