陈乐瑞,曹建福,王晓琪

(西安交通大学机械制造系统工程国家重点实验室,710049,西安)

在众多工业机器人故障中,驱动系统故障占比较大。由于驱动系统是动力来源,同时又十分隐蔽,因此驱动系统故障成为影响机器人安全运行的最大隐患。如何准确、高效地诊断出驱动系统的故障,是机器人故障诊断研究的关键。

目前,许多学者在机器人故障诊断方面做了大量研究工作。现有的故障诊断方法大致分为:基于数学模型方法、基于信号处理的方法和基于知识的方法。基于数学模型故障诊断方法是建立对象精确模型、分析模型输出与测量之间的残差来实现故障诊断的,适合于数学模型比较精确的系统,如果模型不精确、测量信息中含有噪声,诊断准确率将会受到影响[1-4];基于信号处理的方法是利用系统输出信号或者状态的某些特征量,例如幅频特性量、相关函数或频谱等进行故障诊断的,当测量信号出现如奇异数据、频率变化等现象,就认定系统发生了故障,虽然避免了数学建模,但是当信号故障特征不明显时,该方法会出现漏诊和误诊问题[5-8];基于知识故障诊断是一种基于知识或学习的新型智能故障诊断方法,具有自学习、自组织和自推理能力,通过利用领域专家知识提高故障诊断正确率,常用的方法有基于专家系统故障诊断方法、基于神经网络故障诊断方法和基于支持向量机故障诊断方法[9-12]。基于非线性频谱特征……