沈陽自動化所工業機器人故障診斷研究獲進展

　　近日，中國科學院沈陽自動化研究所研究團隊在工業機器人故障診斷領域取得研究進展，提出了基于生成對抗網絡的工業機器人變工況故障診斷方法，有效提升了傳統數據驅動工業機器人故障診斷算方法的泛化能力。相關研究成果發表在IEEE Transactions on Instrumentation and Measurement上。

　　工業機器人被稱為“制造業皇冠頂端的明珠”，其研發制造應用是衡量一個國家科技創新和高端制造水平的重要標志。目前，工業機器人精度退化和設備故障問題突出，給企業安全生產和經濟效益造成巨大負面影響。當前，隨著工業物聯網和工業大數據技術的進步，以機器學習特別是深度學習為代表的數據驅動方法已經成為工業機器人故障診斷研究的熱點。然而，工業機器人實際運行過程中，轉速和負載處于持續改變過程中，嚴重影響了數據驅動方法的診斷性能。

　　針對上述問題，研究人員提出了基于深度感知對抗域自適應的工業機器人變工況故障診斷方法。該方法借助感知損失最小化技術，有效緩解了工業機器人工況變化帶來的對抗訓練不穩定問題；在模型性能評價過程中，首次引入遷移任務難度這一關鍵維度信息，進一步完善了遷移學習模型性能評價體系。該研究還搭建了工業機器人健康監測平臺，對工業機器人三種典型遷移場景（僅負載改變、僅轉速改變以及負載、轉速同時改變）的遷移難度進行了量化評估，并在三種遷移場景下對比了所提出方法與深度學習網絡和生成對抗網絡的性能，結果表明，所提出方法在遷移難度大的場景下體現出明顯優勢。與此同時，考慮到故障診斷過程中需要同時采集來自機器人本體和控制器的數據，為了提高工業機器人數據預處理效率，研究提出了基于時間戳映射的工業機器人數據篩選策略。研究成果有效提升了數據驅動裝備故障診斷方法的泛化能力，對于提升工業機器人平均故障間隔時間、縮短單臺機器人維修工期、降低裝備全壽命周期運維成本具有現實意義。

　　相關工作得到國家重點研發計劃和國家自然科學基金的支持。

工業機器人實驗平臺設置