公开(公告)号：CN117140510A

公开(公告)日：2023-12-01

申请号：CN202311138452.1

申请日：2023-09-05

申请人： 华南理工大学

发明人： 贺毅 ,  李巍华 ,  陈祝云 ,  陈浚彬 ,  万海洋 ,  许维冬

IPC分类号： B25J9/16

摘要： 本发明提供的一种机器人运动特征实时识别方法，包括以下步骤：实时采集工业机器人运动过程中各轴的运动数据，所述各轴的运动数据为各轴的轴速度；对采集得到的机器人各个轴的运动数据进行预处理和存储；采用神经网络算法学习机器人各个轴的运动历史数据，识别当前机器人的多种运动特征并存储特征参数矩阵。实时采集机器人运动特征数据，通过状态数据的特征分析进行机器人实时特征识别。避免了通过第三方系统识别过程中的识别不准、无法确定机器人当前运动特征的情况。

公开(公告)号：CN117113252A

公开(公告)日：2023-11-24

申请号：CN202311060547.6

申请日：2023-08-22

申请人： 华南理工大学

发明人： 李巍华 ,  万海洋 ,  陈祝云 ,  许维冬 ,  贺毅

IPC分类号： G06F18/2433 ,  G01M13/028 ,  G01M13/045 ,  G06F18/2131 ,  G06F18/22 ,  G06N3/0475 ,  G06N3/094

摘要： 本发明公布了基于特征对齐残差GAN的机械旋转设备变工况异常检测方法，所述方法包括：将旋转机械数据构建时频图，利用一种编码器GE(x)与解码器GD(x)分别结合残差模块ResNet的自编码网络进行时频图的重构，利用判别器D判别重构数据和源数据的真假从而判断出异常数据，网络的损失函数含有对抗损失Ladv、生成器重建数据误差的上下文损失Lcon、编码器损失Lenc，以及构造排位奇偶数据分类进行特征值对齐的Wasserstein distance的损失Lw‑gan。本发明对变工况状态下的旋转机械的异常检测有很好的效果，能够提前检测旋转机械设备故障异常，保证工业系统长周期稳定运行、避严重事故的发生具有重要的社会意义。