基于LSTM的风洞设备健康状态评估方法研究

针对风洞设备健康状态评估中特征提取困难、量化算法复杂等问题,提出了一种基于深度学习的健康度评估方法,利用正常状态样本数据训练LSTM编解码器网络并构建特征空间,利用测量数据特征向量与特征空间的欧氏距离衡量健康状态的退化程度,从而高效地实现了系统或设备的健康状态量化评估;经风洞试验室轴流风机转子不平衡故障、长轴轴承裂缝故障等两个数据集进行验证,取得了与设备工作状态一致的健康度评估值,具有很强的工程应用价值。     

基于深度学习的视频异常检测方法综述

近年来,随着视频监控技术的广泛应用,对海量视频进行智能分析并及时发现其中的异常状态或事件的视频异常检测任务受到了广泛关注。对基于深度学习的视频异常检测方法进行了综述。首先,对视频异常检测问题进行概述,包括基本概念、基本类型、建模流程、学习范式及评价方式。其次,提出将现有基于深度学习的视频异常检测方法分为基于重构的方法、基于预测的方法、基于分类的方法及基于回归的方法4类并详细阐述了各类方法的建模思想、代表性工作及其优缺点。然后,在此基础上介绍了常用的单场景视频异常检测公开数据集和评估指标,并对比分析了代表性异常检测方法的性能。最后,总结全文并从数据集、方法及评估指标3方面对视频异常检测研究的未来发展方向进行了展望。     

基于LSTM的设备故障在线检测方法

在工业4.0时代，随着IoT的广泛应用，工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中，由于设备之间的关系复杂多变，难以用统一的模型来表示设备的运行状态。近年来，随着深度学习技术的不断发展与进步，深度学习技术成为故障检测的主流解决方案。提出了一种基于长短记忆神经网络的在线故障检测模型，采用曲线排齐方法对传感器数据进行特征提取，基于长短时记忆神经网络（LSTM）开发故障检测模型，最后借助滑动窗口技术实现了设备故障的在线检测以及模型的在线更新。基于真实的发电厂传感数据进行了实验验证，实验结果表明了该方法的有效性。     

深度学习在航天测控设备健康管理中的应用

深度学习的应用在各个领域得到了快速发展,主要驱动力在于丰富的数据量、算法的突破性以及计算机硬件的发展.航天测控设备长时间运行累积了大量的数据,基于深度学习的航天测控设备健康管理具有实现故障的快速诊断和检测,以及准确的故障预测等优势.研究了目前航天测控设备健康管理的现状及深度学习的基本理论,讨论了不同深度学习模型在测控设备健康管理上的应用,分析了传统算法与深度学习算法的区别,提出了测控设备健康管理的未来发展趋势.     

工业机器人故障诊断与健康预测方法研究

工业机器人被称为“制造业皇冠顶端的明珠”,是智能制造领域最具代表性的装备。工业机器人的故障及精度退化问题突出,严重影响企业的安全生产和经济效益。为此,工业机器人故障诊断与健康预测方法逐渐成为研究热点。本文首先简要介绍了工业机器人的系统构成,并分析了其核心部件的典型失效模式;其次,从知识驱动和数据驱动两个维度出发,综述工业机器人故障诊断方法;然后,在组件级和系统级层面综述了工业机器人性能退化监测及剩余使用寿命估计方法;最后,对工业机器人故障诊断及健康预测方法的未来发展趋势进行了展望,指出大数据环境下的工业机器人智能诊断将是未来的技术发展趋势。     

基于SPC的直升机液压系统健康监测的应用研究

机载设备健康维护对直升机的安全运行至关重要,随着数字信息技术的发展,机载设备数字化健康管理技术日趋进步,尤其是基于数据驱动的设备健康监测方法成为了故障诊断的主流研究方向,通过分析、挖掘数据背后的设备健康信息并构建设备健康评估模型,从而实现设备故障的早期发现和提前预防。本文通过对某型直升机起落架放下过程中液压系统等飞参数据进行深度分析构建了健康表征参数,然后基于SPC理论构建了液压设备的健康监测模型,并利用实际飞参数据对模型进行了评估。     

滚动轴承健康智能监测和故障诊断机制研究综述

轴承作为工业设备机械系统中最关键并且最容易发生故障的零件之一,长期处在高负荷的运行状态。当其发生故障时或者不可逆的磨损时,可能带来事故甚至造成巨大经济损失。因此,对其进行有效的健康监测和故障诊断,对于保障工业设备安全稳定运行有着重要的意义。为进一步促进轴承健康监测和故障诊断技术的发展,对当前现有的模型及方法进行分析与总结,并对现有技术进行划分、对比。从使用的振动信号数据分布出发,首先,对数据分布均匀下的相关方法进行整理,主要按照基于信号分析和基于数据驱动两方面进行研究现状的分类、分析与总结,对该情况下故障检测方法所存在的不足与缺陷进行概述。其次,考虑实际工况下数据采集通常具有不均衡特性的问题,对处理该类情况下的检测方法进行总结,并将现有研究中对该问题的不同处理技术根据其侧重点不同分为数据处理方法、特征提取方法、模型改进方法,并对所存在的问题进行分析。最后,对现有工业设备中轴承故障检测存在的挑战及未来发展方向进行了总结与展望。     

基于声信号的工业设备故障诊断研究综述

为了保证工业生产过程的安全稳定运行，采取合理的故障诊断具有十分重要的意义和价值。因此，工业设备故障诊断一直是工业领域的研究热点。阐述了故障诊断的意义，并指出基于声信号进行故障诊断的可行性和优势。根据有无深度学习的参与，将基于声信号的故障诊断方法分为基于传统和基于深度学习两种类型；分别梳理了两类故障诊断方法的流程与思路，阐述并归纳了两类方法中典型算法的原理、优点、局限性、主要方法及诊断效果。最后，指出了当前工业设备故障诊断领域的研究难点、热点以及未来发展方向。     

基于层次分析法的卷烟烘丝机健康度评估

烘丝工序是卷烟制丝生产的关键环节，其设备状态决定着生产是否能正常进行，如果设备带病运行，将会降低烟丝质量。对烘丝机的健康状态进行评估和故障定位对及时掌握设备状态，降低因延时维修造成的经济损失十分关键。提出了一种基于层次分析法的烘丝机设备健康度评估方法。该方法基于传感器采集的设备实时运行数据和统计的历史数据，构建烘丝机设备健康度指标体系，以百分数的形式表示当前设备健康状态。在烘丝机发生故障时，系统可以进行故障定位和故障等级划分，从而提高设备的维修效率。     

基于长短期记忆的机器人健康监测系统

针对工业机器人运行过程中存在着的非计划停机、维修反应慢等问题,构建了基于深度学习框架长短期记忆(LSTM)网络模型的机器人健康状态监测系统.首先,通过方差分析(ANOVA)确定了反映机器人状态变化的传感器信号;其次,通过主成分分析(PCA)融合多维传感器数据,并与机器人健康运行模式库中的特征数据分布进行相似度计算,获得能够表征机器人运行状态的健康指数;最后,根据LSTM网络的输入和输出节点,自适应确定网络隐藏层结构,最终实现机器人运行状态的健康度预测.理论分析和实际效果表明,基于LSTM模型预测的机器人健康状态的均方根误差为0.92％,说明该系统能够有效对机器人健康状态进行监测,并能对机器人运行状态趋势进行一定的预判,有助于企业在生产过程中对机器人进行维护.     

非接触式机器人直线轨迹测量系统

视觉的、造价低廉实用的非接触式机器人直线轨迹测量系统．该测量系统由结构光视觉传感 器、测量轨道、主控计算机及相关软件组成．视觉传感器可固定于机器人末端．当机器人末 端带动视觉传感器沿测量轨道做直线运动时，通过传感器测量相对测量轨道的连续位姿关系 ，就可间接描述机器人末端的运动轨迹．当重复同一直线运动时，可检测出机器人的轨迹重 复性．本文综述了机器人直线轨迹测量设备的研究现状，介绍了轨迹检测系统的测量原 理，重点讨论了该测量系统的两个关键技术：空间特征点的图象提取技术和三维坐标计算方 法，并描述了该系统的结构、性能指标和测量试验结果．     

Selection, identification and comparison of industrial robots using digraph and matrix methods

In the present work, a methodology based on digraph and matrix methods is developed for evaluation of alternative industrial robots. A robot selection index is proposed that evaluates and ranks robots for a given industrial application. The index is obtained from a robot selection attributes function, obtained from the robot selection attributes digraph. The digraph is developed considering robot selection attributes and their relative importance for the application considered. A step by step procedure for evaluation of robot selection index is suggested. Coefficients of similarity and dissimilarity and the identification sets are also proposed. These are obtained from the robot selection attributes function and are useful for easy storage and retrieval of the data. Two examples are included to illustrate the approach.     

Selection of industrial robots using compromise ranking and outranking methods

Selection of a robot for a specific industrial application is one of the most challenging problems in real time manufacturing environment. It has become more and more complicated due to increase in complexity, advanced features and facilities that are continuously being incorporated into the robots by different manufacturers. At present, different types of industrial robots with diverse capabilities, features, facilities and specifications are available in the market. Manufacturing environment, product design, production system and cost involved are some of the most influencing factors that directly affect the robot selection decision. The decision maker needs to identify and select the best suited robot in order to achieve the desired output with minimum cost and specific application ability. This paper attempts to solve the robot selection problem using two most appropriate multi-criteria decision-making (MCDM) methods and compares their relative performance for a given industrial application. The first MCDM approach is ‘VIsekriterijumsko KOmpromisno Rangiranje’ (VIKOR), a compromise ranking method and the other one is ‘ELimination and Et Choice Translating REality’ (ELECTRE), an outranking method. Two real time examples are cited in order to demonstrate and validate the applicability and potentiality of both these MCDM methods. It is observed that the relative rankings of the alternative robots as obtained using these two MCDM methods match quite well with those as derived by the past researchers.     

Transformative CAD based industrial robot program generation

Industrial robots are widely used in various processes of surface manufacturing, such as spray painting, spray forming, rapid tooling, spray coating, and polishing. Robot programming for these applications is still time consuming and costly. Typical teaching methods are not cost effective and efficient. There are many off-line programming methods developed to reduce the robot programming effort. However, these methods suffer many practical issues, such as cable/hose tangling, robot configuration, collision, and reachability. To solve these problems, this paper discusses a new method to generate robot programs. Since industrial robots have been used in production for decades, there are many robot programs for different parts generated by the robot programmers. These robot programs, which contain not only the robot paths, but also the programmers' knowledge and process parameters, can be transformed to generate new robot programs for similar parts. In this paper, a transformative robot program generation method is developed based on the existing ones in the database. Experiments were performed to validate the developed methodology. The results are very promising in reducing the programming efforts in surface manufacturing.     

Framework for Assessing Robotic Dexterity within Flexible Manufacturing

With growing demand for flexibility in manufacturing processes, interest in dexterous industrial robots is increasing. To facilitate benchmarking, and to assess the suitability of these robots for flexible manufacturing tasks, there is a need to develop new methods of capturing the relevant performance characteristics of industrial robots. This research aims to show that the Boothroyd-Dewhurst (B-D) Design-For-Assembly method, an established method for optimizing manufacturing processes, can be effectively adopted to form the basis of a comprehensive robotic dexterity assessment within flexible manufacturing. A comparative study is conducted which shows that the B-D classification tables offer the most comprehensive solution due to the range of operations and artifacts considered. Building on these tables, a framework is developed for determining the suitability of a robot system within flexible manufacturing operations. In a sample test-case scenario involving a pick-and-place operation, the framework is shown to produce an accurate estimate of robot performance that can be easily compared to human data. The framework establishes a link between manufacturing operations and robot performance metrics, which addresses the current difficulty in robot integration and highlights the framework’s potential for adoption within flexible manufacturing.     

基于位置反解算法的并联机器人坐标变换方法

目的为提高工作效率,提升工业机器人的可靠性、稳定性和运动精度,避免机器人出现速度以及加速度的突变,对机器人的位置进行准确的控制。方法 以RBT-6T03P并联机器人为例,应用坐标变化法和位置反解算法对并联机器人机构的位置坐标进行分析并利用MATLAB进行仿真。结果 结果表明：通过位置反解对并联机器人的坐标进行变换求解是方便可行。结论 所述控制方法相对于并联机器人求正解算法更加简单、方便、快捷。     

移动机器人运动规划中的深度强化学习方法

随着移动机器人作业环境复杂度的提高、随机性的增强、信息量的减少,移动机器人的运动规划能力受到了严峻的挑战.研究移动机器人高效自主的运动规划理论与方法,使其在长期任务中始终保持良好的复杂环境适应能力,对保障工作安全和提升任务效率具有重要意义.对此,从移动机器人运动规划典型应用出发,重点综述了更加适应于机器人动态复杂环境的运动规划方法——深度强化学习方法.分别从基于价值、基于策略和基于行动者-评论家三类强化学习运动规划方法入手,深入分析深度强化学习规划方法的特点和实际应用场景,对比了它们的优势和不足.进而对此类算法的改进和优化方向进行分类归纳,提出了目前深度强化学习运动规划方法所面临的挑战和亟待解决的问题,并展望了未来的发展方向,为机器人智能化的发展提供参考.     

深度学习在智能机器人中的应用研究综述

机器人发展的趋势是人工智能化,深度学习是智能机器人的前沿技术,也是机器学习领域的新课题。深度学习技术被广泛运用于农业、工业、军事、航空等领域,与机器人的有机结合能设计出具有高工作效率、高实时性、高精确度的智能机器人。为了增强智能机器人在各方面的能力,使其更智能化,介绍了深度学习与机器人有关的研究项目与深度学习在机器人中的各种应用,包括室内和室外的场景识别、机器人的工业服务和家庭服务以及多机器人协作等。最后,对深度学习在智能机器人中应用的未来发展、可能面临的机遇和挑战等进行了讨论。     

基于手势识别的工业机器人操作控制方法

针对目前操作工人与工业机器人之间的交互还是采用比较机械化的交互方式,设计使用Kinect传感器作为手势采集设备,并使用人的手势来对工业机器人进行控制的方法。首先,使用深度阈值法与手部骨骼点相结合的方法,从Kinect传感器获取的数据中准确地提取出手部图像。在提取过程中,操作员无需佩戴任何设备,对操作员所站位置没有要求,对背景环境也没要求。然后,用稀疏自编码网络与Softmax分类器结合的方法对手势图像进行识别,手势识别过程包含预训练和微调,预训练是用逐层贪婪训练法依次训练网络的每一层,微调是将整个神经网络看成一个整体微调整个网络的参数,手势识别的准确率达到99.846%。最后,在自主研发的工业机器人仿真平台上进行实验,在单手和双手手势下都取得了不错的效果,实验结果验证了手势控制工业机器人的可行性和可用性。     

协作机器人及其运动规划方法研究综述

协作机器人是一种新型工业机器人,利用物联网感知等新兴技术进行智能人机交互,实现与人类近距离协同工作以提高生产效率。因此,协作机器人近年来备受关注,成为了机器人领域最热门的研究方向之一。介绍了协作机器人的基本情况,包括主要产品、机器人本体设计以及应用案例;介绍了常见的人机协作方法,重点围绕人机协作中的高效、简单、安全三个特点,分别对协作机器人编程、安全协作方法、高效协作方法三个方面的研究成果展开讨论;总结了常见的机器人运动规划方法,分成路径规划方法和轨迹规划方法两部分介绍,并分析了各类方法的优缺点;最后,对目前协作机器人研究的发展方向进行了展望。