基于深度玻尔兹曼机的工业机器人齿轮箱故障诊断

在多转速、多载荷的复杂工况下,针对工业机器人齿轮箱的故障信号难以准确识别的问题,提出一种基于深度玻尔兹曼机(deep boltzmann machine,DBM)的故障诊断方法。采用小波包变换(wavelet packet transform,WPT)提取每种故障状态下的原始振动信号的统计特征,将其作为DBM模型的输入,DBM以一种无监督的方式进行预训练,对提取的统计特征进行深度挖掘,得到更抽象的重构故障特征向量,经过Softmax分类器实现故障诊断结果的输出。实验将该方法应用于六自由度工业机器人齿轮箱的故障诊断中,并与目前主流的决策分类方法进行对比分析,结果表明:在单一工况和复杂工况下,采用DBM对工业机器人齿轮箱进行故障诊断分别取得了94%和92.176%的平均识别率,具有更高的准确性和鲁棒性。