基于人工智能的机器人故障检测方法及系统

专利主权项内容

1.基于人工智能的机器人故障检测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理，使用滑动窗口算法进行数据分割；步骤S3：构建机器人故障检测模型，通过编码器-解码器架构提取数据的特征，并进行准确的重建，加入Dropout层，丢弃部分神经元输出，引入箱线图法进行故障判断，结合模型产生的重建误差分布的上下四分位数，判断机器人状态；步骤S4：模型最优参数确定，通过控制因子的调节有效探索个体搜索空间，引入自适应惯性加权因子，根据迭代次数动态调整个体位置更新的权重，基于切换因子控制局部搜索和全局搜索的切换策略，找到最优的模型参数；步骤S5：机器人故障检测；在步骤S4中，所述模型最优参数确定具体包括以下步骤：步骤S41：初始化个体位置，用模型参数代表个体的位置，基于个体搜索空间随机生成的第1个个体的初始位置，初始化第2-N个个体位置所用公式如下：l
；式中，是第a个个体的初始位置，/>是第a-1个个体的初始位置，a是个体索引，N是个体总数量，β是控制因子；l步骤S42：确定全局最优位置，将基于模型参数建立的机器人故障检测模型性能作为个体的适应度值，更新个体的适应度值，选择具有最高适应度值的个体对应位置作为全局最优位置W；best步骤S43：计算自适应惯性加权因子，所用公式如下：
；式中，ε(t)是第t次迭代时的自适应惯性加权因子，t是迭代次数索引，T是最大迭代次数，e是欧拉常数；步骤S44：计算切换因子，所用公式如下：
；
；式中，H(t)是第t次迭代时的第一切换因子，H(t)是第t次迭代时的第二切换因子，q是第一调整因子，q是第二调整因子，t是迭代次数索引，T是最大迭代次数，e是欧拉常数；1212步骤S45：位置搜索；步骤S46：最优参数确定，预先设定适应度值阈值θ，更新位置搜索后的全局最优位置，当全局最优位置对应的适应度值高于适应度值阈值θ时，全局最优位置对应的模型参数为最优参数，基于最优参数构建机器人故障检测模型；否则，若达到最大迭代次数T，则转至步骤S41；否则转至步骤S43；在步骤S45中，若|H(t)|>|H(t)|时，转至步骤S451，进行局部搜索；否则，转至步骤S452，进行全局搜索，所述位置搜索具体包括以下步骤：12步骤S451：局部搜索，所用公式如下：
；式中，是第t+1次迭代时第a个个体进行局部搜索后的位置，W(t)是第t次迭代时第a个个体的位置，W(t)是第t次迭代时的全局最优位置，f、b和γ是互相独立的三个随机数，u是搜索步长，t是迭代次数索引，a是个体索引，N是个体总数量，ε(t)是第t次迭代时的自适应惯性加权因子；abestl步骤S452：全局搜索，更新个体的适应度值，从第t次迭代后的个体中选择前个适应度值高的个体，计算前/>个适应度值高的个体的中心位置W(t)，基于中心位置W(t)进行全局位置搜索，所用公式如下：enen
；
；式中，是第t+1次迭代时第a个个体进行全局搜索后的位置，c是前/>个适应度值高的个体索引，[·]是取整符号，W(t)是第t次迭代时第c个个体的位置，F(W(t))是W(t)的适应度值，r和s是两个随机个体索引，W(t)是第t次迭代时第r个个体的位置，W(t)是第t次迭代时第s个个体的位置，W(t)是第t次迭代时前/>个适应度值高的个体的中心位置，t是迭代次数索引，a是个体索引，N是个体总数量，ε(t)是第t次迭代时的自适应惯性加权因子，W(t)是第t次迭代时第a个个体的位置，f、b和γ是互相独立的三个随机数，u是搜索步长。cccrsenla