多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf

多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf

ID:53022679

大小:465.66 KB

页数:7页

时间:2020-04-12

多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf_第1页
多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf_第2页
多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf_第3页
多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf_第4页
多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf_第5页
资源描述:

《多PCA模型及SVM-DS融合决策的服务机器人故障诊断.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第3期振动、测试与诊断Vo1.35No.32015年6月JournalofVibration.Measurement&DiagnosisJun.2015多PCA模型及SVM-DS融合决策的服务机器人故障诊断袁宪锋,宋沐民,周风余,陈竹敏(1.山东大学控制科学与工程学院济南,250061)(2.山东大学计算机科学与技术学院济南,250101)摘要针对轮式服务机器人驱动系统故障诊断问题,提出一种基于多主成分分析(principalcomponentanalysis,简称PCA)模型及支持向量机和DS证据

2、理论(supportvectormachineanddempster-shafer,简称sVM-DS)融合决策的故障诊断方法,分别利用正常状态和故障状态下的传感器数据建立多个PCA模型。利用正常状态下的PCA模型实现故障的检测。传感器数据经多PCA模型特征提取后作为SVM的输入向量,实现故障的初步分离。基于混淆矩阵定义SVM的全局及局部可信度,并依据可信度值和故障初步分离结果完成基本概率分配函数的赋值,以实现SVM和DS证据理论在故障分离中的有效结合。实验结果表明,本研究方法能灵敏检测到机器人驱动系统故障的

3、发生,故障分离平均正确率达92.6,与传统单PCA模型的方法相比有更高的正确率和稳定性。关键词服务机器人;故障诊断;主成分分析;支持向量机;DS证据理论中图分类号TP206.3;TP242.6;TH17机]、电力系统等多种场合获得应用。学习机或引言分类器的引入在一定程度上提高了故障分离的能力,但这种方法在故障特征向量提取时仅利用了系人口老龄化及劳动力成本大幅度提高等社会问统正常状态下的单一主元模型,无法最优描述不同题促使越来越多的服务机器人走入了人们的日常生故障状态下的数据变化方向,导致对系统感知不全活,对

4、服务机器人的可靠性和安全性提出了越来越面,故障误诊率较高。高的要求,开展服务机器人故障诊断方法的研究势为解决上述问题,笔者提出一种基于多PCA模在必行。在前期的机器人故障诊断研究中,基于模型及SVM—DS融合决策的故障诊断方法。首先,离型的故障诊断方法,如基于粒子滤波器的机器人故线训练阶段,通过对正常状态数据和各类故障状态障诊断口]、基于卡尔曼滤波的机器人故障诊断等,数据分别处理,获得多个PCA模型,利用多PCA模在诊断精度和故障机理阐述方面有着独到的优势,型提取相应的故障特征向量,并对多分类概率型但随着机

5、器人系统复杂程度的提高,获取其精确的SVM进行训练;其次,在线诊断阶段,利用正常状态数学模型十分困难,限制了该类方法的实际应用。下的PCA主元模型实现故障的检测;然后,故障分基于数据驱动的故障诊断方法由于不需要系统的精离时,分别利用正常状态及不同故障状态下的多确模型,仅通过对系统运行数据的挖掘与分析,即可PCA模型进行特征提取,将特征向量输入训练好的实现故障诊断功能,已逐渐成为故障诊断领域的研SVM,利用SVM的混淆矩阵计算其全局和局部可究热点。信度,基于各SVM的可信度值和概率型输出结果基于PCA的故障诊

6、断是数据驱动故障诊断方实现基本概率分配(basicprobabilityassigment,简法的典型代表之一。单独的PCA故障诊断方法已称BPA)赋值;最后,通过DS算法对各BPA进行融经被证实具有较好的故障检测能力[5],但在故障分合,给出最终的故障分离结果。陪护机器人驱动系离能力方面存在不足;因此,PCA方法通常与神经统故障诊断实验表明,该方法能够有效地降低误网络、支持向量机等分类器结合使用,目前已在内燃诊率。*国家自然科学基金资助项目(61375084);山东大学基本科研业务费资助项目(2O14JC

7、O34)收稿日期:2014—05—04;修回日期:2014—06—27第3期袁宪锋,等:多PCA模型及SVM—DS融合决策的服务机器人故障诊断435表1故障类型Tab.1Faultcategories1机器人驱动系统的构成及故障诊断憋驱减动速轮箱J_1.1轮式服务机器人驱动系统构成码陀艋可靠的驱动系统是服务机器人完成高精度自主史码导航定位的重要保证。与腿足式等驱动方式相比,轮式驱动具有运动精度高、反应灵敏、控制简单等优联减轴速描墨=凌=1广舰点;因此,目前的家庭服务机器人大多采用轮式驱驱动轮动。轮式服务机器

8、人驱动系统通常由车轮、电机、码右轮转速,左轮驱动电压U-,右轮驱动电压U,盘、陀螺仪、电机驱动器以及相应的机械结构等组左轮电枢电流I。,右轮电枢电流,左侧H桥温度成,其结构框图如图1所示。变化率T。,右侧H桥温度变化率T,角速度w)。通信接口动器2多PCA模型的SVM-DS融合决策驱动芯片I—lLI驱动芯片故障诊断方法电流电流H桥lllH桥温度温度多PCA模型的SVM—DS融合决策故障诊断方角速度法包括离线建模和

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。