1、第 卷第期计算机集成制造系统 年月 ：收稿日期：；修订日期：。；基金项目：安徽省自然科学基金面上资助项目（）；安徽工程大学引进人才科研启动基金资助项目（）；减速器隐性故障诊断应用性能提升技术资助项目（）；安徽工程大学鸠江区产业协同创新专项基金资助项目（）；安徽省智能机器人信息融合与控制工程实验室开放课题资助项目（）。：，（），（），（），（），（）基于 的 减速器故障诊断模型刘永明，叶国文，赵转哲，张振，（安徽工程大学 机械工程学院，安徽芜湖 ；安徽工程大学 人机自然交互和高效协同技术研究中心安徽省新型研发机构，安徽芜湖 ）摘要：为了准确评估旋转矢量（）减速器的工作状态，针对 减速器故障不明显
2、、样本数据少、难诊断的问题，首先从理论上证明 减速器正常运行时扭矩传递时具有周期性，利用旋转机械测试信号周期演变特征和集成经验模态分解（）可以有效反映数据周期性的特点，提出一种基于 的粒子群优化（）算法的极限学习机（）故障诊断模型，同时采用西安交通大学轴承实验数据集验证了模型性能。在此基础上，将 减速机测试平台所测得的数据代入所提模型，最后与其他模型进行对比，结果显示所提模型能够更有效地判断出 减速机的工作状态。,关键词：旋转矢量减速器；集成经验模态分解；粒子群优化算法；极限学习机；故障诊断中图分类号：；文献标识码：，（，；，）：（），（）（）（），：；第期刘永明 等：基于 的 减速器故障诊断
3、模型引言旋转矢量（，）减速器是一种新型的摆线针轮行星传动的二级减速器，目前主要应用在机器人领域和航空领域。随着工业机器人的需求日益增加，作为机器人核心部件，形成鲜明对比的是 减速器的可靠性问题，亟需一种关于 减速器的故障诊断和寿命预测平台来降低由于 减速器故障带来的损失。近年来，学者们对于减速器做了大量研究，潘柏松等在考虑齿轮磨损的情况下对行星齿轮减速器做了传动精度的可靠性分析；等提出一种使用声发射（，）测量的基于隐马尔可夫模型（，）的 减速器故障检测。等提出一种基于非线性 输 出 频 率 响 应 函 数（，）和深度卷积神经网络（，）的 减速器故障诊断新方法。为了识别 减速器在不同工况下的故障
4、，等提出一种噪声深度卷积神经网络（，）模型。等提出一种二维卷积神经网络（）用于安装在工业机器人（，）上的 减速器的故障诊断。等提出使用控制单元（，）的嵌入式电流信号作为检测和诊断机械故障的方法，并将其应用到 减速器上。等提出一种带有基于水平的学习群优化器（，）的极限学习机，用于工业机器人 减速器的故障诊断。等利用 减速器刚度波动机理实现对 减速器缺陷部位的快速诊断，具有很强的工程应用价值。李哲等采用在多个位置放置传感器进行数据提取，并进行预处理，进行初步处理，将解析出的信息引入到深度卷积神经元网络中，改善了现有针对减速器故障诊断的准确性和鲁棒性；王久根等 将振动试验台测得的不同故障模式数据输入
5、残差神经网络进行训练和折交叉验证，并与多个神经网络模型比较，同时采用西储大学数据库验证；毛君等 将减速器常见的几种故障特征作为输入，有无故障作为输出；彭鹏等 明确提出了噪声影响下的卷积神经元网络实体模型，将 减速器的一维振动数据信号二维化后转变成灰度图像，将其作为输入并融合了特征；陈乐瑞等 根据离散系统的输出相位频率特征函数和核主成分分析（，），选择了一种紧密结合频带的方法，并选择了大量可能的优化算法，得到前个频带值在每种情况下，使用 解决方案后，引入支持向量机（，），并与多种诊断方法进行比较。安海博等 分析了 减速器动力学的基本原理，建立了 减速器内部声发射数据信号的传播模型；于宁等 对故障
6、信号进行组合模态函数（，）分解，改进局部均值分解（，），结 合 多 尺 度 排 列 熵 法（，）选取乘积函数（，）分量进行重构和包络分析等综合诊断方法。等 提出一种使用克里金模型的具有多种故障模式的工业机器人 减速器的时变可靠性方法。上述针对 减速器的故障诊断方法精度较高，但方法内容较复杂，复杂计算较多，同时需要大量的数据支撑，往往 减速器在产生初期故障的时候数据特征较少，而且大多数故障诊断的特征均从时域和频域入手，选择旋转周期作为故障特征较少。随着人工智能发展，极限学习机由于其运行速度快，训练数据量少，作为一种模式识别得到了重视，等 采用极限学习机方法对燃油系统的故障进行分类。等 将圆模型和极限学习机（，）相结合，形成一种线性模拟电路的故障诊断方法。等 报告了一种结合核熵分量分析（，）和基于投票的 （，）的冷水机组早期故障的有效诊断方法。等 提出一种基于极限学习机和 的核电站故障诊断框架。等 提出了一种使用有限元法（，）仿真和 的个性化故障诊断方法来检测齿轮中的故障。上述研究通过各种方法与极限学习机结合进行故障诊断，取得了较好的结果，但大多普适性较差，而且由于 的权值和阈值具有随机性
安全达人 