首页 | 本学科首页   官方微博 | 高级检索  
     

基于长短期记忆的机器人健康监测系统
引用本文:兑幸福,李鑫群,楼阳冰,董云成.基于长短期记忆的机器人健康监测系统[J].计算机应用,2021,41(z1):293-297.
作者姓名:兑幸福  李鑫群  楼阳冰  董云成
作者单位:河南中烟工业有限责任公司黄金叶生产制造中心,郑州450000;杭州安脉盛智能技术有限公司,杭州310000
摘    要:针对工业机器人运行过程中存在着的非计划停机、维修反应慢等问题,构建了基于深度学习框架长短期记忆(LSTM)网络模型的机器人健康状态监测系统.首先,通过方差分析(ANOVA)确定了反映机器人状态变化的传感器信号;其次,通过主成分分析(PCA)融合多维传感器数据,并与机器人健康运行模式库中的特征数据分布进行相似度计算,获得能够表征机器人运行状态的健康指数;最后,根据LSTM网络的输入和输出节点,自适应确定网络隐藏层结构,最终实现机器人运行状态的健康度预测.理论分析和实际效果表明,基于LSTM模型预测的机器人健康状态的均方根误差为0.92%,说明该系统能够有效对机器人健康状态进行监测,并能对机器人运行状态趋势进行一定的预判,有助于企业在生产过程中对机器人进行维护.

关 键 词:工业机器人  状态监测  数据驱动  长短期记忆网络模型  健康指数

Robot health monitoring system based on long short-term memory
DUI Xingfu,LI Xinqun,LOU Yangbing,DONG Yuncheng.Robot health monitoring system based on long short-term memory[J].journal of Computer Applications,2021,41(z1):293-297.
Authors:DUI Xingfu  LI Xinqun  LOU Yangbing  DONG Yuncheng
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号