基本信息:
- 专利标题： 一种基于群学习算法的工业机器人关节故障诊断方法
- 申请号：CN202311498597.2 申请日：2023-11-10
- 公开(公告)号：CN117609856A 公开(公告)日：2024-02-27
- 发明人： 孙士龙 , 黄昊东 , 徐文福
- 申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 申请人地址： 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区
- 专利权人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 当前专利权人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 当前专利权人地址： 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区
- 代理机构： 广州三环专利商标代理有限公司
- 代理人： 杨振鹏
- 主分类号： G06F18/241
- IPC分类号： G06F18/241 ; G06F18/214 ; G06N3/0464 ; G06F18/213 ; G06N3/08 ; G06F18/21
摘要：
本发明提供一种基于群学习算法的工业机器人关节故障诊断方法，其包括对采集到的数据进行平方包络谱分析，划分训练数据集和测试数据集；在本地的多个节点分别建立卷积神经网络作为本地训练的模型；将多个模型分别进行本地训练后加入域对抗神经网络；在多个节点中随机选择一个决策者作为临时中央服务器；其他参与者将模型参数传递给决策者，由决策者将模型参数整合后分发给每一个参与者，参与者进行模型更新；判断是否达到训练停止的标准，如是，则利用得到的测试数据集进行模型的验证，输出模型诊断的精度。本发明主要利用群学习框架来进行模型参数的交流和融合，无需中央服务器的交流，各个节点独自交流，从而降低了沟通成本。