机械臂故障检测方法、装置、设备、存储介质及程序产品

本发明涉及智能制造 ，尤其涉及一种机械臂故障检测方法、装置、设备、存储介质及程序产品。

背景技术：

1、机械臂故障检测是工业自动化领域中的重要内容，特别是在需要高可靠性和安全性的应用场景中。随着技术的发展，机械臂的应用越来越广泛，机械臂在制造业、医疗、航天以及服务业等多个领域发挥着重要作用。然而，机械臂故障不仅会导致生产中断，还可能引发安全事故，因此，开发有效的故障检测方法对于保障机械臂的稳定运行至关重要。

2、目前，大部分的机械臂故障检测方法是在 “被动” 框架下进行的，其主要依赖于机械臂系统的输入数据和输出数据来生成残差信号，根据残差信号判断机械臂是否发生故障。在被动的故障检测过程中，检测单元不对机械臂系统的输入数据进行任何改变，诊断过程不会主动干预或影响机械臂系统的自然演化。

3、但是，在实际的工业环境中，由于机械臂系统的噪声和不确定性可能会掩盖故障信号，使得早期故障难以被检测。特别是在闭环系统中，控制器可能会补偿故障引起的异常，从而进一步降低故障信号的可检测性。因此，当故障特征不明显或与正常情况相似时，现有的机械臂故障检测方法的准确性和可靠性较低。

技术实现思路

1、本发明提供一种机械臂故障检测方法、装置、设备、存储介质及程序产品，用以解决现有技术中机械臂故障检测方法的准确性和可靠性较低的缺陷。

2、本发明提供一种机械臂故障检测方法，包括：获取待检测输入数据；待检测输入数据是基于机械臂的运动轨迹确定的；将待检测输入数据分别输入正常模型和故障模型，获得正常模型输出的第一判别结果和故障模型输出的第二判别结果；基于第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得机械臂的故障检测结果。

3、根据本发明提供的一种机械臂故障检测方法，基于第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得机械臂的故障检测结果，包括：基于第一卡尔曼滤波器对第一判别结果进行校正，获得第三判别结果；基于第二卡尔曼滤波器对第二判别结果进行校正，获得第四判别结果；通过贝叶斯决策方法，对第三判别结果和第四判别结果进行决策，获得机械臂的故障检测结果。

4、根据本发明提供的一种机械臂故障检测方法，获取待检测输入数据，包括：获取机械臂的预设运动轨迹；基于差分进化算法，对预设运动轨迹进行轨迹优化，获得运动轨迹；其中，轨迹优化的过程以最小化优化函数为优化目标，优化函数是基于贝叶斯决策方法的贝叶斯风险上界确定的；对运动轨迹进行跟踪检测，获得待检测输入数据。

5、根据本发明提供的一种机械臂故障检测方法，优化函数的表达式为：

6、；

7、其中，h0为正常模型；h1为故障模型；p(h0)为正常模型的先验概率；p(h1)为故障模型的先验概率；μ0为正常模型不确定的高斯分布均值；μ1为故障模型不确定的高斯分布均值；σ0为正常模型不确定的高斯分布方差；σ1为故障模型不确定的高斯分布方差。

8、根据本发明提供的一种机械臂故障检测方法，获取待检测输入数据之前，还包括：构建机械臂模型；机械臂模型为用于描述机械臂的动力学特性的数学模型；基于机械臂模型，构建正常模型；正常模型为用于描述机械臂未发生故障时的动力学特性的数学模型；确定机械臂的故障系数；基于故障系数和机械臂模型，构建故障模型；故障模型为用于描述机械臂发生故障时的动力学特性的数学模型。

9、根据本发明提供的一种机械臂故障检测方法，正常模型的表达式为：

10、；

11、；

12、其中，x(k)表示k时刻机械臂的系统状态量；x(k-1)表示k-1时刻机械臂的系统状态量；u(k)表示k时刻机械臂的电机输入；y(k)表示k时刻机械臂的系统输出量；w(k)表示过程噪声；v(k)表示测量噪声；a为第一系数矩阵；b为第二系数矩阵；c为第三系数矩阵；d为第四系数矩阵；e为第五系数矩阵；故障模型的表达式为：

13、；

14、；

15、其中，x(k)表示k时刻机械臂的系统状态量；x(k-1)表示k-1时刻机械臂的系统状态量；u(k)表示k时刻机械臂的电机输入；y(k)表示k时刻机械臂的系统输出量；w(k)表示过程噪声；v(k)表示测量噪声；a为第一系数矩阵；b为第二系数矩阵；c为第三系数矩阵；d为第四系数矩阵；e为第五系数矩阵；z为故障系数。

16、本发明还提供一种机械臂故障检测装置，包括：获取模块，用于获取待检测输入数据；待检测输入数据是基于机械臂的运动轨迹确定的；判别模块，用于将待检测输入数据分别输入正常模型和故障模型，获得正常模型输出的第一判别结果和故障模型输出的第二判别结果；检测模块，用于基于第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得机械臂的故障检测结果。

17、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一种机械臂故障检测方法。

18、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种机械臂故障检测方法。

19、本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种机械臂故障检测方法。

20、本发明提供的机械臂故障检测方法、装置、设备、存储介质及程序产品，获取待检测输入数据；待检测输入数据是基于机械臂的运动轨迹确定的；将待检测输入数据分别输入正常模型和故障模型，获得正常模型输出的第一判别结果和故障模型输出的第二判别结果；基于第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得机械臂的故障检测结果。通过上述方式，先通过正常模型和故障模型分别进行判别，获得两个判别结果，再通过贝叶斯决策方法对两个判别结果进行进一步决策，获得最终的故障检测结果，在机械臂故障检测的过程中引入贝叶斯决策方法对正常模型和故障模型的判别结果进行优化判断，可提高机械臂故障检测的准确性和可靠性。

技术特征：

1.一种机械臂故障检测方法，其特征在于，包括：

2.根据权利要求1所述的机械臂故障检测方法，其特征在于，所述基于所述第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得所述机械臂的故障检测结果，包括：

3.根据权利要求1所述的机械臂故障检测方法，其特征在于，所述获取待检测输入数据，包括：

4.根据权利要求3所述的机械臂故障检测方法，其特征在于，所述优化函数的表达式为：

5.根据权利要求1所述的机械臂故障检测方法，其特征在于，所述获取待检测输入数据之前，还包括：

6.根据权利要求5所述的机械臂故障检测方法，其特征在于，所述正常模型的表达式为：

7.一种机械臂故障检测装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述机械臂故障检测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述机械臂故障检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述机械臂故障检测方法。

技术总结本发明提供一种机械臂故障检测方法、装置、设备、存储介质及程序产品，涉及智能制造技术领域，方法包括：获取待检测输入数据；将待检测输入数据分别输入正常模型和故障模型，获得正常模型输出的第一判别结果和故障模型输出的第二判别结果；基于第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得机械臂的故障检测结果。通过上述方式，先通过正常模型和故障模型分别进行判别，获得两个判别结果，再通过贝叶斯决策方法对两个判别结果进行进一步决策，获得最终的故障检测结果，在机械臂故障检测的过程中引入贝叶斯决策方法对正常模型和故障模型的判别结果进行优化判断，可提高机械臂故障检测的准确性和可靠性。技术研发人员：曹芳菲,朱怀石,彭泉婧受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/9/26