用于工业机器人的增强图注意力网络故障诊断算法

An enhanced graph attention network fault diagnosis algorithm for industrial robots

工业机器人的平稳运行是智能制造的核心需求。针对工业机器人运行数据中特征隐含和易受噪声干扰导致故障诊断准确率不足以及低效的问题,提出一种用于工业机器人的金字塔注意力增强的图注意力网络故障诊断方法;通过将数据转化为图结构,利用图注意提取的多尺度特征与金字塔注意力结合,提升单一故障和复合故障诊断的准确率与缩短其训练时间。实验平台采用某国产机器人设备,通过采集不同故障类型的反馈电流数据对诊断精度进行实验测试,与改进图注意网络(GATv2)、图卷积网络(GCN)、图切比雪夫网络(ChebyNet)等主流模型进行对比,结果表明,提出的模型可有效提升工业机器人故障诊断准确率和效率。