基于深度學(xué)習(xí)的機(jī)器人電氣故障檢測與診斷研究

陳公興

（廣東科貿(mào)職業(yè)學(xué)院 信息與自動化學(xué)院，廣州510430）

隨著機(jī)器人應(yīng)用領(lǐng)域的不斷擴(kuò)大以及電氣控制技術(shù)的發(fā)展，對機(jī)器人電氣設(shè)備的可靠性和穩(wěn)定性提出了更高要求。機(jī)器人電氣設(shè)備長期在極端工況下工作，導(dǎo)致電氣設(shè)備的故障差異性較大，檢測難度較高，因此相關(guān)的機(jī)器人電氣故障診斷方法研究受到人們的極大關(guān)注[1]。

對機(jī)器人電氣故障的檢測與診斷，是建立在對電氣設(shè)備的故障樣本信息分析和特征融合的基礎(chǔ)之上，以此提高機(jī)器人電氣設(shè)備的故障分析和診斷能力[2]。到目前為止，已經(jīng)有很多相關(guān)領(lǐng)域的專家對機(jī)器人電氣故障診斷與檢測方法進(jìn)行了深入研究，也取得了較好的研究成果。例如，文獻(xiàn)[3]中提出基于神經(jīng)網(wǎng)絡(luò)觀測器的機(jī)器人電氣故障檢測及診斷方法，但是采用該方法進(jìn)行機(jī)器人電氣故障檢測的準(zhǔn)確率低；文獻(xiàn)[4]提出基于專家系統(tǒng)的機(jī)器人電氣故障在線檢測方法，但該方法進(jìn)行機(jī)器人故障檢測的時間較長，難以達(dá)到理想的應(yīng)用效果。針對上述問題，在此提出了基于深度學(xué)習(xí)的機(jī)器人電氣故障檢測及診斷方法。

1 機(jī)器人電氣故障樣本數(shù)據(jù)采集和故障特征分析

1.1 樣本數(shù)據(jù)采集

為了實(shí)現(xiàn)基于深度學(xué)習(xí)的機(jī)器人電氣故障檢測與診斷，首先需要分析機(jī)器人電氣設(shè)備的諧振回路，以回流功率和有功功率為約束因素，對機(jī)器人電氣設(shè)備的異常數(shù)據(jù)進(jìn)行采樣[5]。

假設(shè)，機(jī)器人電氣設(shè)備的高頻變壓特征分布序列｛x（n）｝為零均值的k階正態(tài)隨機(jī)序列，構(gòu)建機(jī)器人電氣故障診斷的自適應(yīng)學(xué)習(xí)模型，通過串聯(lián)諧振阻抗分析方法[6]，求得機(jī)器人電氣故障數(shù)據(jù)樣本序列為d（s），通過高頻變壓振蕩控制方法輸出機(jī)器人電氣故障的自相關(guān)函數(shù)為

式中：N為高頻變壓振蕩控制稀疏系數(shù)；C（r）為自適應(yīng)學(xué)習(xí)模型。

在穩(wěn)態(tài)條件下，結(jié)合機(jī)器人電氣故障的自相關(guān)函數(shù)，得到機(jī)器人電氣設(shè)備的諧振回路如圖1 所示。

圖1 機(jī)器人電氣設(shè)備的諧振回路Fig.1 Resonance circuit of robot electrical equipment

在開關(guān)弧度周期內(nèi)，機(jī)器人電氣故障參數(shù)的矢量模型為s（t）＝［s1（t），s2（t），…，sq（t）］T，以及干擾矢量為n（t），采用諧振回路振蕩控制方法，得到機(jī)器人電氣故障的跳變序列[7]，即

式中：uji為諧振回路振蕩系數(shù)；wi為跳變參量；si為開關(guān)弧度周期。

假設(shè)，機(jī)器人電氣設(shè)備雙向諧振類變換特征樣本集為dk，則機(jī)器人電氣設(shè)備的故障節(jié)點(diǎn)的負(fù)載范圍Ψ（ω）為

以回流功率和有功功率為約束因素，在故障節(jié)點(diǎn)的負(fù)載范圍內(nèi)結(jié)合深度學(xué)習(xí)分析方法，得到機(jī)器人電氣故障信息數(shù)據(jù)采集輸出為

根據(jù)上述分析，完成機(jī)器人電氣故障樣本數(shù)據(jù)采集，得到故障樣本信息，以便后續(xù)故障特征分析。

1.2 故障特征分析

根據(jù)上述諧振回路分析和數(shù)據(jù)采樣結(jié)果，將機(jī)器人電氣設(shè)備的諧振電感和諧振電容作為辨識參數(shù)進(jìn)行機(jī)器人電氣故障差異性特征挖掘，提取能夠反映機(jī)器人電氣故障屬性的特征量[8]。

采用自適應(yīng)濾波方法進(jìn)行機(jī)器人電氣故障數(shù)據(jù)分析[9]，在此基礎(chǔ)上，利用比例-重復(fù)控制方法得到的諧振電感為supt（D），諧振電容為numt（D）非線性負(fù)荷工況下的機(jī)器人電氣故障的差異性特征分布為

式中：δ 為電壓和頻率下垂系數(shù)。

對機(jī)器人電氣設(shè)備的輸出電壓和負(fù)載差異性故障特征進(jìn)行融合處理[10]，結(jié)果為

式中：u（t）為電流；ωc為諧振電流極性。

在此基礎(chǔ)上，對一個開關(guān)周期內(nèi)的電壓和電流進(jìn)行分析。假設(shè)，輸出的機(jī)器人電氣故障特征的譜序列為hi（t），機(jī)器人電氣故障畸變序列為zi（t），在穩(wěn)態(tài)條件下電壓和電流的波束振蕩序列為

式中：φi（t），oi（t）分別為機(jī)器人電氣設(shè)備諧振回路所承受的電壓、電流。

采用開關(guān)頻率諧振分析方法再次對機(jī)器人電氣故障數(shù)據(jù)進(jìn)行融合處理后，得到故障樣本的波束震蕩序列的模糊度特征分量為

采用諧振電流極性不變性理論[11]，得到機(jī)器人電氣設(shè)備輸出的振蕩特征分量為

式中：mk為輸出機(jī)器人電氣故障的統(tǒng)計特征量；εk為標(biāo)準(zhǔn)差。當(dāng)Xα（m）＝x（m）時，對開關(guān)周期內(nèi)的電壓進(jìn)行融合處理。

在此基礎(chǔ)上，通過模糊度特征匹配的方法進(jìn)行機(jī)器人電氣設(shè)備統(tǒng)計特征序列的分析結(jié)果，從而提高機(jī)器人電氣設(shè)備的電氣故障檢測及診斷的質(zhì)量。

2 電氣故障檢測與診斷

2.1 故障特征提取

利用PI 調(diào)節(jié)器進(jìn)行機(jī)器人電氣故障信息反饋調(diào)節(jié)，結(jié)合故障信息融合分析方法進(jìn)行機(jī)器人電氣故障特征提取和自適應(yīng)尋優(yōu)控制。

以機(jī)器人電氣設(shè)備的開關(guān)頻率諧振頻率比為基礎(chǔ)，計算故障樣本序列檢測的標(biāo)準(zhǔn)差和均值函數(shù)分別為

式中：xk為開關(guān)頻率諧振頻率比；η 為故障樣本序列變化系數(shù)；f（x）為故障樣本序列檢測函數(shù)；E為故障情況下開關(guān)頻率諧振頻率。

根據(jù)諧振回路所承受電壓的邊界條件進(jìn)行尋優(yōu)控制，得到機(jī)器人電氣故障信息聚類輸出為

式中：Mk為諧振回路所承受電壓的邊界條件；Ei為電氣故障信息聚類模型。

采用傅里葉分析方法進(jìn)行機(jī)器人電氣故障信息融合，輸出為

式中：nj為非線性負(fù)荷變化特征參量；Aj為故障信息特征融合度[12]。

初始化電流和電壓相位[13]，結(jié)合機(jī)器人電氣故障特征數(shù)據(jù)的時滯分布序列提取機(jī)器人電氣故障特征，其中時滯分布序列如圖2 所示。

根據(jù)機(jī)器人電氣故障特征融合與時滯分布序列，構(gòu)建特征提取模型。即

圖2 機(jī)器人電氣故障數(shù)據(jù)的時滯分布序列Fig.2 Time delay distribution sequence of robot electrical fault data

2.2 基于深度學(xué)習(xí)的故障檢測與診斷

在完成以上分析的基礎(chǔ)上，結(jié)合深度學(xué)習(xí)函數(shù)對機(jī)器人電氣故障進(jìn)行檢測與診斷。在時間窗口t內(nèi)進(jìn)行機(jī)器人電氣設(shè)備的魯棒性檢測，結(jié)合故障檢測輸出的有功和無功功率，得到輸出電壓的穩(wěn)定誤差為

式中：Pi為第i個機(jī)器人電氣故障工況下的電壓和頻率下垂系數(shù)；Pti，j為逆變器等效增益。

在功率-頻率有差的調(diào)節(jié)下[14]，根據(jù)穩(wěn)定誤差分析方法，得到機(jī)器人故障檢測函數(shù)為

式中：xj（t）為機(jī)器人電氣故障狀態(tài)下的深度學(xué)習(xí)迭代函數(shù)；lj（t）為在機(jī)器人電壓下垂控制參數(shù)。

在得到機(jī)器人故障檢測函數(shù)的基礎(chǔ)上，用ΔM′mn表示為第m種故障的第n個樣本，得到用于機(jī)器人電氣故障診斷的深度學(xué)習(xí)函數(shù)為

綜上所述，通過對機(jī)器人電氣故障樣本數(shù)據(jù)采集、故障特征分析和提取，從而得到故障檢測模型以及機(jī)器人電氣故障診斷的深度學(xué)習(xí)函數(shù)，實(shí)現(xiàn)機(jī)器人電氣故障檢測及診斷[15]，提升機(jī)器人電氣故障檢測及診斷結(jié)果的可靠性。

3 仿真測試分析

為了驗(yàn)證所提出的基于深度學(xué)習(xí)的機(jī)器人電氣故障檢測及診斷方法在實(shí)現(xiàn)機(jī)器人電氣故障檢測中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)測試。

設(shè)定輸出諧波阻抗為50 Ω，開關(guān)頻率為120 kHz，機(jī)器人電氣故障采集的樣本數(shù)為5000 個，故障特征采樣的訓(xùn)練樣本集為1500 個，測試樣本集為3500個，電氣設(shè)備的回流功率為250 W，根據(jù)上述參數(shù)設(shè)定，進(jìn)行機(jī)器人電氣故障檢測與診斷。

機(jī)器人電氣故障樣本數(shù)據(jù)采集流程如圖3 所示。

由圖5 分析可見，本文方法進(jìn)行機(jī)器人電氣故障檢測及診斷，機(jī)器人電氣輸出的相位和幅值具有相對穩(wěn)定性。

測試本文方法、文獻(xiàn)[3]方法、文獻(xiàn)[4]方法的故障檢測準(zhǔn)確率，得到對比結(jié)果見表1。

圖3 故障樣本數(shù)據(jù)采集流程Fig.3 Flow chart of fault sample data acquisition

表1 故障檢測準(zhǔn)確率的對比Tab.1 Comparison of fault detection accuracy

其中，機(jī)器人電氣設(shè)備的回流功率采樣如圖4所示。

圖4 機(jī)器人電氣設(shè)備的回流功率采樣Fig.4 Return power sampling of robot electrical equipment

分析表1 可知，本文方法進(jìn)行機(jī)器人電氣故障診斷的準(zhǔn)確概率較高。

在上述試驗(yàn)的基礎(chǔ)上，進(jìn)行機(jī)器人電氣故障診斷準(zhǔn)確率對比，結(jié)果見表2。

以圖4 的回流功率為測試序列，通過深度學(xué)習(xí)補(bǔ)償，得到機(jī)器人電氣輸出的相位和幅值分布，如圖5 所示。

圖5 機(jī)器人電氣輸出相位和幅值的分布Fig.5 Phase and amplitude distribution of robot electrical output

表2 故障診斷準(zhǔn)確率的對比Tab.2 Comparison of fault diagnosis accuracy

分析表2 可知，采用本文方法進(jìn)行機(jī)器人電氣故障診斷的準(zhǔn)確率高。

為進(jìn)一步比較3 種方法的綜合性能，進(jìn)行了機(jī)器人電氣故障檢測時間與診斷時間比較，結(jié)果如圖6 所示。

分析圖6 可知，本文方法無論是機(jī)器人電氣故障檢測時間還是診斷時間均低于文獻(xiàn)[3]方法、文獻(xiàn)[4]方法，說明該方法可實(shí)現(xiàn)對于機(jī)器人電氣故障的快速檢測與診斷。

圖6 不同方法的檢測時間、診斷時間比較Fig.6 Comparison of detection time and diagnosis time of different methods

4 結(jié)語

為提升機(jī)器人電氣故障檢測及診斷結(jié)果的可靠性，提出了基于深度學(xué)習(xí)的機(jī)器人電氣故障檢測及診斷方法。構(gòu)建機(jī)器人電氣故障診斷的自適應(yīng)學(xué)習(xí)模型，通過采用傅里葉分析方法進(jìn)行機(jī)器人電氣故障信息融合，提取機(jī)器人電氣故障特征，從而得到故障檢測模型以及機(jī)器人電氣故障診斷的深度學(xué)習(xí)函數(shù)，以此實(shí)現(xiàn)機(jī)器人電氣故障檢測與診斷。分析得知，本文方法進(jìn)行機(jī)器人電氣故障檢測和診斷的準(zhǔn)確性較高，時間較短，可靠性較好，可以在實(shí)際中得到進(jìn)一步推廣與使用。