基于CNN-LSTM的工业机器人轴承故障诊断研究  

作　　者：马传庆 邓三鹏 白永雷 祁宇明 许华杰[2,3] 丁昊然 

机构地区：[1]天津博诺智创机器人技术有限公司,天津300350 [2]天津市智能机器人技术及应用企业重点实验室,天津300350 [3]天津职业技术师范大学机器人及智能装备研究院,天津300222

出　　处：《机器人技术与应用》2024年第3期30-33,共4页Robot Technique and Application

基　　金：天津市教委科研计划自然科学重点项目“基于数字孪生的机器人智能运维系统研究”(2022ZD026)。

摘　　要：针对工业机器人轴承自适应故障特征提取困难的问题,同时考虑到工业机器人轴承故障诊断对稳定性和准确性高要求的特点,本文提出一种基于卷积-长短期记忆网络(CNN-LSTM)的工业机器人轴承故障诊断方法。首先利用卷积神经网络(CNN)对故障数据进行自动特征提取,在CNN的每层激活函数之后引入批归一化,将卷积神经网络的输出作为长短期记忆(LSTM)神经网络的输入,通过LSTM捕捉数据在时间维度上的特征,最后通过Softmax分类器进行工业机器人轴承故障类型的输出。充分利用CNN特征提取和LSTM时序性数据建模的优势,训练工业机器人轴承故障诊断模型,并与传统的CNN、LSTM模型的故障诊断结果进行数据对比,结果表明,本文提出的模型的准确率更高,且稳定性更好。

关 键 词：工业机器人 轴承 故障诊断 长短期记忆神经网络 卷积神经网络 特征提取 

分 类 号：TP242.2[自动化与计算机技术—检测技术与自动化装置] TH133.3[自动化与计算机技术—控制科学与工程] TP183[机械工程—机械制造及自动化] TP277