传动技术 ›› 2024, Vol. 38 ›› Issue (1): 37-43.

• • 上一篇    下一篇

基于深度学习的齿轮箱故障预测方法

史天一, 时轮, 何其昌   

  1. 上海交通大学机械与动力工程学院;
  • 出版日期:2025-04-11 发布日期:2024-03-30

  • Online:2025-04-11 Published:2024-03-30

摘要: 机器人已广泛应用于汽车涂胶生产线,其突发故障会对生产节拍与成本造成很大的影响。目前,机器人本体的齿轮箱故障一般采用事后维修,因此迫切需要实施预防性维护措施。针对当前齿轮箱故障预测困难的问题,通过传感器采集齿轮箱的状态信息,建立故障预测深度学习模型,识别出可能导致故障的异常模式,从而实现故障的预测。首先建立基于生成对抗网络(GAN)的多变量时间序列信息异常检测框架,通过改进损失函数增强生成器的收敛性;然后引入基于时间扭曲编辑距离(TWED)的重构误差计算方法,精确计算时间序列信号的差异;其次采用基于局部异常概率(LoOP)的异常评价方法,对每个数据点进行异常评分,提高检测的准确率;最后以某白车身涂装单元对方法的有效性进行了应用验证。

关键词: 齿轮箱, 故障预测, 多变量时间序列, 生成对抗网络, 重构误差

中图分类号: