深度级联CNN下机械手故障残差阈值超范围判定

作     者：师晓利 张楠 SHI Xiao-li;ZHANG Nan

作者机构：郑州西亚斯学院电子信息工程学院河南郑州451150 山西大同大学机电工程学院山西大同037003 

基　　金：河南省科技厅科技攻关项目—基于深度级联卷积神经网络的农作物虫害检测方法研究(212102210406) 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2023年第394卷第12期

页      码：245-248,253页

摘      要：全驱动机械手的结构采用PC机为上位机,大量的串联结构导致精准传动难度较大,适应负载能力较差。相比之下,欠驱动机械手结构更简单,可实现多于控制输入的自由度,但是,当连杆式欠驱动机械手出现故障时会产生自振,故障特征难以获取,信号残差阈值超出范围时无法精准判定。为此,研究一种连杆式欠驱动机械手故障残差阈值超范围判定方法。构建深度级联卷积神经网络,提取每组故障信号深层意义特征,计算故障信号残差值。利用连接层降维转换,使信号归一化处理。通过插值层提取机械手形状和点级别,输出故障信号预测标签。设计深度级联卷积神经网络信号观测器,跟随机械手运行实时更新数据,设置特征点残差阈值,以此为依据判定该特征点是否为故障点。实验测试结果证明:研究方法能够精准根据故障残差信号的输出判断连杆式驱动机械手的故障位置,且收敛速度较快、误差较小。

主 题 词：深度级联卷积神经网络 机械手 故障诊断 残差阈值 观测器 特征点 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 080202[080202] 0804[工学-材料学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1001-3997.2023.12.052

馆 藏 号：203125208...