买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明提供一种基于DBN‑SVDD‑TCN的工业机器人关节寿命预测方法，该方法包括以下步骤：S1、采集工业机器人的RV减速器全寿命周期振动信号，进行降噪处理，并提取单一样本的幅值谱；S2、搭建DBN特征提取模块，将降噪后的RV减速器健康阶段的单一样本幅值谱作为训练样本。本发明包括三部分，在第一部分中，搭建DBN特征提取模型，并进行预训练，通过已完成训练的DBN模型提取RV减速器退化特征；在第二部分中，搭建了多核SVDD模型，通过多核函数优化SVDD，对RV减速器FPT节点进行准确定位；在第三部分中，搭建了TCN预测模型，将FPT节点后的工业机器人关节退化特征作为TCN模型的输入，对RV减速器的RUL进行预测，与其他方法相比较，本发明具有更高的RUL预测精度。

主权项：1.一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法，其特征在于：该方法包括以下步骤：S1、采集工业机器人的RV减速器全寿命周期振动信号，进行降噪处理，并提取单一样本的幅值谱；S2、搭建DBN特征提取模块，将降噪后的RV减速器健康阶段的单一样本幅值谱作为训练样本，通过贪婪学习对DBN模型进行预训练；S3、基于S2，将RV减速器全寿命周期的单一样本幅值谱作为DBN模型的输入，以DBN网络隐藏层节点的激活概率构建关节退化特征；所述S3具体包括：以DBN隐藏层节点的激活概率构建退化指标，其输出是隐藏层节点的激活概率为1，判定是属于训练数据分布的测试数据的概率P表达式为： ；其中，表示隐藏层节点为1的激活概率，表示激活函数，表示当输入样本为时的第神经元的连接权重，表示可见层和隐藏层的偏置项；S4、搭建多核SVDD模型，将S3中的退化特征作为多核SVDD模型的输入，定位RV减速器FPT节点；所述S4具体包括，通过多核SVDD对RV减速器的FPT节点进行定位，SVDD模型使用超球体的超球面作为其决策面，将健康样本和非健康样本区分开，且健康样本位于球内，非健康样本位于球外，经由超球面半径确定RV减速器的FPT节点，超球面的半径的计算公式为： ；其中，为拉格朗日乘子，为已标记样本，表示核函数；所述S4具体还包括，将RV减速器的整周期的关节退化特征输入已训练完成SVDD模型中，并根据计算公式计算测试样本与超球体球心的距离，其中测试样本到超球体球心的距离的计算公式为： ；当时，测试样本位于超球体内，表明关节处于健康阶段；当时，说明RV减速器出现；所述S4具体还包括，通过引入多核函数，提高SVDD模型的局部学习能力与泛化能力，以保证RV减速器FPT的定位精度；为增强SVDD模型的局部学习能力与泛化能力，本文引入混合核函数，将局部核函数与全局核函数结合，赋予两个核函数不同的权重形成新的核函数，提高模型的学习能力与泛化能力；RBF核函数为经典局部核函数，能够模型的局部学习能力，计算公式如下： ；其中，为RBF核函数中的径向基半径；高斯差分DOG核函数作为全局核函数，能够提高模型的泛化能力，计算公式如下： ；式中，为DOG核函数中的尺度因子； ；其中，为组合函数权重参数；S5、将S4中FPT节点后的退化特征赋予退化标签，并作为TCN模型的输入，对RV减速器RUL进行预测；所述S5具体包括：将RV减速器退化数据所提取的FPT节点后的退化特征赋予退化标签，标签表示当前RV减速器的RUL，采用剩余寿命使用百分比作为预测标签，且计算准则为： ；其中，表示RV减速器的剩余寿命使用百分比，表示退化数据的总长度，表示当退化起始点到当前时刻的退化样本长度；之后搭建预测模型，引入TCN搭建寿命预测模型，实现对RV减速器的RUL的精准预测；所述S5具体还包括：扩展因果卷积，为TCN模型的核心模块，能够捕捉长距离的信息，用于解决网络过深导致梯度消失、爆炸、模型预测精度低的问题，扩展因果卷积的感受野计算公式如下： ；其中，为卷积核的大小，为卷积层数，为扩展系数的底数。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法