基于深度学习的机器人电气故障检测与诊断研究

2021-01-11陈公兴

自动化与仪表 2020年12期

陈公兴

（广东科贸职业学院信息与自动化学院，广州510430）

随着机器人应用领域的不断扩大以及电气控制技术的发展，对机器人电气设备的可靠性和稳定性提出了更高要求。机器人电气设备长期在极端工况下工作，导致电气设备的故障差异性较大，检测难度较高，因此相关的机器人电气故障诊断方法研究受到人们的极大关注[1]。

对机器人电气故障的检测与诊断，是建立在对电气设备的故障样本信息分析和特征融合的基础之上，以此提高机器人电气设备的故障分析和诊断能力[2]。到目前为止，已经有很多相关领域的专家对机器人电气故障诊断与检测方法进行了深入研究，也取得了较好的研究成果。例如，文献[3]中提出基于神经网络观测器的机器人电气故障检测及诊断方法，但是采用该方法进行机器人电气故障检测的准确率低；文献[4]提出基于专家系统的机器人电气故障在线检测方法，但该方法进行机器人故障检测的时间较长，难以达到理想的应用效果。针对上述问题，在此提出了基于深度学习的机器人电气故障检测及诊断方法。