基于有序分类和代价敏感学习的RV减速器健康状态评估方法研究

发布时间：2020-09-25 18:08

　　 RV减速器是高扭矩的传动设备,被广泛应用于工业机器人当中,它已成为工业机器人关节部位最为核心的零件。RV减速器工作的可靠性至关重要。如果在实际生产中不能准确地判断其运行状态,会对RV减速器的保养和维修带来极大的不利,更会对生产环境造成恶劣的影响。因此,研究RV减速器的健康状态评估是具有非常重要的实际意义。目前,国内外对RV减速器的性能状态识别和可靠性监测的研究相对缺乏,主要的研究是通过故障树来分析RV减速器的故障机制以及基于声发射对故障类型进行判别。基于振动信号的数据驱动方法是利用机器学习进行建模,更容易实现在线状态评估。本文通过来自实际工程的RV减速器的振动数据,在RV减速器的性能退化试验上,对RV减速器的健康状态进行了分析。而且相对于基于该平台的RV减速器的性能测试,基于振动信号的数据驱动方法更加方便有效。本文的主要工作分为两部分:首先,通过RV减速器振动试验平台,对其振动信号进行数据采集,形成不同转速下的数据集,而后对采集到的数据进行小波阈值去噪处理。为了获得和利用更加全面的信号信息,提取了多域的特征参数,包括时域、频域、时频域和熵等特征。得到的特征集含有无关的冗余特征,需要使用ReliefF算法进行特征选择。之后,比较常用的几种降维算法,包括主成分分析(Principle component analysis,PCA)、线性判决分析(Linear discriminate analysis,LDA)、等距离映射(Isometric mapping,ISOMAP)和局部线性嵌入(Local linear embedding,LLE),对它们进行三维可视化,并在标准的支持向量机上比较它们的效果,作为特征降维方法的选择依据。其次,建立考虑有序分类和代价敏感的分类模型。本文中使用的RV减速器振动数据划分为四种具有性能趋势的状态,即“健康”、“良好”、“一般”和“较差”。传统分类算法不会考虑响应变量的排序,但这个顺序信息可以对分类做出贡献。同时,需要考虑不同类别的误分代价是不同的。因此,针对问题的实际背景知识,深入研究了有序分类和代价敏感学习,分别使用不同的算法进行实验对比。结果表明,有序分类可以利用内在的顺序信息,而代价敏感学习可以在保持模型准确率的前提下提高“较差”类的召回率。最后,提出基于代价敏感支持向量机的有序分类方法,多种算法的比较实验表明其性能是最优的。
【学位单位】：厦门大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TH132.46
【部分图文】：

减速器,振动试验,试验平台,振动信号

对实验的结果进行了详细的对比和分析，总结了相关的结论。逡逑第六章总结本文主要的研宄内容和工作意义，并对下一步工作进行展望。逡逑本论文整体研宄内容的组织框架如图１．２所示。逡逑：逦第一章绪ｉ仑逦］逡逑（逦Ｔ逦ｒ￣逦Ｊ：逦￣；逡逑｛￣第二章ＲＶ减速器振动试验平台￣Ｗ试验平台和数据采集！逡逑Ｖ逦逦逦／逦，邋＼逦逦逦逡逑Ｉ逦Ｉ逡逑逦］邋［逦Ｉ逦Ｉ邋［逦Ｉ逡逑［第三章ＲＶ减速器振动信号的特征工程特征工程逦］Ｉ逡逑＇逦１逡逑〔■章健N估〕丨逡逑＼逦／逦Ｌ逦Ｊ逡逑逦邋逦５逦逡逑［逦第五章总结与展望逦＇逡逑图１．２研究内容的组织框架逡逑８逡逑

减速器结构

之为摆线针轮行星齿轮传动。这就是ＲＶ减速器最开始的原理。逡逑ＲＶ减速器是基于摆线针轮行星传动而发展起来的一种传动，它是二级曲柄逡逑式封闭差动轮系１７４］，其机械结构如图２．１所示。ＲＶ减速器主要由以下两级机构逡逑组成：输入轴与渐开线行星齿轮啮合构成一级减速，摆线轮和针齿销哺合传动构逡逑成二级减速。ＲＶ减速器主要由中心轮、行星轮、曲柄轴、针齿、摆线轮和输出逡逑轴等部件组成。逡逑针齿逡逑＾——Ｉ—逦曲柄轮逡逑摆线轮■一－逦行星轮逡逑Ｊ逦邋丁邋一１＾逡逑输出轴＿Ｌ逦—逡逑＾邋－ＬＦＦ１邋｜＝—邋＼中心轮逡逑针齿壳丁邋－－逡逑逦邋Ｉ逡逑图２．１邋ＲＶ减速器结构图逡逑在ＲＶ减速器传动的过程中，驱动电机带动输入轴高速转动，输入轴上的太逡逑９逡逑

机械系统,数据采集系统,加速度传感器

２．２．２邋数据采集系统逡逑数据采集系统的硬件部分主要由加速度传感器、信号调理器、数据采集器和逡逑上位机组成，如图２．３所示。逡逑２逦信数上逡逑ｇ邋号据位逡逑ｇ邋—？调一？采一？机逡逑＾邋理集软逡逑｜逦器器件逡逑图２．３数据采集系统逡逑（１）加速度传感器逡逑本数据采集系统采用朗斯公司的ＬＣ０１５６Ａ压电式加速度传感器。该传感器逡逑

【参考文献】