基于声发射传感器的工业机器人RV减速器故障诊断问题研究
文献类型：学位论文
| 作者 | 安海博1,2
|
| 答辩日期 | 2020-05-29 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 谈金东 ; 梁炜 |
| 关键词 | 工业机器人 RV减速器 故障诊断 声发射 健康状态评估 |
| 学位名称 | 博士 |
| 学位专业 | 控制理论与控制工程 |
| 其他题名 | Research on Fault Diagnosis Problems of Industrial Robot RV Reducer Based AE Sensors |
| 英文摘要 | 本文从机理和诊断方法两个方面，开展基于声发射信号的机器人RV减速器故障诊断问题的探索性研究，取得如下创新成果：（1）本文希望通过声发射信号在减速器内部的传播机理的分析和研究，实现对减速器磨损故障的准确监测与评估。针对RV减速器结构复杂、耦合度高等导致的机理分析困难问题，基于前人关于“声发射信号的主分量为曲轴处产生的声发射信号”的结论，以及减速器内部声发射信号的传播随减速器旋转呈现规律性变化的实验发现，首先从RV减速器的运动学机理出发，分析了声发射信号的传播路径及其长度与曲轴随齿盘旋转角度之间的关系，进而得到在减速器内部传播过程中的衰减规律及其趋势演化模型。通过RV减速器的加速退化实验，得到了四种不同故障状态下的声发射信号演化趋势，验证了本文所得声发射信号在RV减速器内部的传播及衰减机理分析的正确性。（2）RV减速器退化趋势分析。碰磨是RV减速器的主要故障来源，也是影响声发射信号传播特性的关键因素。本文在分析减速器运动学原理及声发射信号在减速器内部衰减机理的基础上，进一步对减速器内部零部件碰磨过程和故障状态进行了分析，同时分析了不同碰磨过程以及碰磨过程对声发射信号的影响。在此基础上，针对RV减速器在不同转速、不同负载及不同故障状态下的声发射信号，基于峭度算法对采集到的声发射实验数据进行分析，得到了减速器不同故障状态下的声发射信号变化趋势，验证了碰磨过程以及信号变化趋势分析的正确性。（3）基于隐马尔科夫模型的减速器故障状态估计。针对工业场景下声发射信号存在大量噪声和突发型干扰等问题，提出一种改进式的HMM状态估计模型。首先利用小波变换的高频分量时间分辨率特性和低频分量频率分辨率特性，来自适应的滤除声发射信号的噪声；进而根据RV减速器的摆线针轮运动学模型，建立HMM模型来辨识声发射信号的初始相位；最后，采用改进式的HMM模型，考虑到未来故障状态与当前故障状态的隐马尔科夫关系，将未来时间序列的观测信息引入到HMM估计模型中，通过多数投票策略来估计当前时刻的隐藏故障状态是否存在突发干扰，以此来抑制突发干扰对RV减速器状态估计的影响。实验验证了所提算法的有效性。（4）基于色度的RV减速器健康状态评估。针对RV减速器结构复杂、噪声大所导致的评估不准确且评估时间长等问题，特征差异大，本文提出了一种基于色度的RV减速器健康状态在线评估算法。首先针对RV减速器声发射信号频率范围广、信号特征差异大等特点，使用小波包分解提取不同频段的信号特征并进行标准化变换，解决了现有算法在高频段或信号幅值较低的特征频率处的特征提取难题，缩短了特征提取时间；其次提出基于特征值的色度表征方法，解决了现有算法在对RV减速器声发射信号进行色度变换时灵敏度较低的问题；在此基础上，采用SOM算法辨识减速器状态变化的程度，实现了RV减速器健康状态的评估和可视化表达。（5）基于声发射传感器的RV减速器故障诊断实验平台。本文开发由旋转实验平台、数据采集设备以及数据软件几部分构成的实验平台。该平台采用Huffman编码方法，实现了高速数据采集、数据预处理、数据快速压缩与解压缩等功能，解决了声发射信号采样率高、信号数据量大等数据采集和处理问题；平台集成了多种数据处理算法，能够支撑研究所需的实验测试和算法比对，为RV减速器故障诊断积累了大量的实验数据。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 129页 |
| 源URL | [http://ir.sia.cn/handle/173321/27173]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所; |
| 推荐引用方式 GB/T 7714 | 安海博. 基于声发射传感器的工业机器人RV减速器故障诊断问题研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。