零故障样本下小波知识驱动的工业机器人故障检测

针对零故障样本问题,现有方法大多从迁移学习、样本生成等开展研究,然而该类方法依赖相近故障样本,难以保证训练样本与真实故障信号在数据分布上保持对齐,导致模型泛化性不足。针对上述问题,提出了基于连续小波变换知识库和ViT网络的故障检测方法。采用了多种母小波函数构建连续小波变换知识库,从不同时-频角度对机械装备监测数据进行分析;设计了一种基于多模态时-频特征的对比损失函数,实现了ViT的有效训练;开发了基于余弦相似性分析的故障检测算法,检测机械装备各类异常状态。使用工业机器人实验平台对方法进行验证。结果表明,所提方法能够在零故障样本下构建高性能的特征提取网络,并能对各类故障状态进行准确检测。