面向外骨骼机器人的安全监控系统设计及实现
发布时间：2021-05-15 13:14
本文针对的下肢外骨骼主要面向康复医疗场景。医疗康复场景下最重要的一点就是保障患者在康复训练时的安全,本文针对该问题,研究了面向外骨骼机器人的安全监控系统。针对安全问题,本文将安全监控的重点工作放在了外骨骼机器人运行过程中可能出现的故障问题上。设计了一种可以自动进行特征提取与数据融合的端到端的故障诊断模型,实现对外骨骼运行过程中的状态监测,判断当前机器的运行状态是否正常,如果出现问题,则可以定位故障发生位置。论文的主要工作如下:（1）论文首先设计了安全监控系统的软件架构。研究了其监控功能,设计了外骨骼训练数据与系统平台的数据交互方法,为后文的研究内容提供了数据采集和计算的平台;在此基础上设计了故障状态监测功能的实现流程,并对外骨骼在实际使用过程中存在的故障问题进行了分析,确定了安全监控系统需要针对的问题:运动控制系统故障分析,最后采集和构造了故障数据集;（2）针对传统故障模型提升诊断精度,需要对传感器进行数据融合与特征提取的问题进行分析。针对外骨骼的多传感器数据融合方法进行了探索,研究并分析了三种传统数据融合方案在外骨骼故障数据上的应用方法,并对其实验结果进行了分析。得出结论:传统故障诊...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 下肢助行外骨骼机器人研究现状
1.2.2 机器人可靠性与安全性研究现状
1.2.3 机器人故障诊断研究现状
1.3 本文研究内容及主要目标
1.4 本论文的结构安排
第二章 安全监控系统框架设计
2.1 引言
2.2 安全监控系统设计方案
2.2.1 安全监控系统工作场景
2.2.2 系统平台概述
2.2.3 安全监控系统功能研究
2.2.4 安全监控系统架构设计
2.3 安全监控功能设计与实现
2.3.1 监控功能概述
2.3.2 监控功能设计方案
2.3.3 监控功能实现方案
2.3.3.1 训练数据传输与采集方法
2.3.3.2 实时监控指标计算流程
2.4 本章小结
第三章 外骨骼机器人故障状态监测功能研究
3.1 引言
3.2 故障状态监测功能设计
3.2.1 故障状态监测功能框架
3.2.2 故障状态监测功能设计
3.3 外骨骼机器人系统简述及常见故障分析
3.3.1 外骨骼机器人系统简述
3.3.2 外骨骼机器人常见故障汇总
3.3.3 外骨骼机器人运动控制系统故障分析
3.4 故障状态数据集采集
3.4.1 传感器数据介绍
3.4.2 外骨骼故障仿真实验数据采集
3.4.2.1 Gazebo仿真环境概述
3.4.2.2 仿真环境下传感器数据的采集
3.5 本章小结
第四章 基于多传感器数据融合的故障状态监测方法研究
4.1 引言
4.2 数据预处理
4.2.1 数据滤波
4.2.2 数据标准化
4.3 外骨骼多传感器数据融合方法研究
4.3.1 多传感器数据融合概述
4.3.2 数据融合方法介绍
4.3.3 外骨骼机器人异构传感器数据融合方法研究
4.4 基于多传感器数据融合的故障诊断模型研究与分析
4.4.1 外骨骼故障数据集介绍
4.4.2 数据融合方法及故障诊断模型的对比与分析
4.4.3 总结与分析
4.5 本章小结
第五章 基于卷积和时序神经网络的故障状态监测方法优化研究
5.1 引言
5.2 基于深度学习的时序数据融合方法研究
5.2.1 传感数据中的时序关联性分析
5.2.2 基于卷积神经网络的数据融合方法
5.2.3 基于时间序列的神经网络
5.2.3.1 循环神经网络
5.2.3.2 长短期记忆网络
5.3 基于卷积和时序神经网络的故障诊断模型研究与分析
5.3.1 基于滑动窗口的时序样本构造方法
5.3.2 故障诊断模型设计方案
5.3.3 基于时序神经网络的故障诊断模型研究及分析
5.3.4 基于卷积和时序神经网络的故障诊断模型研究与分析
5.3.5 总结与分析
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]可穿戴下肢外骨骼康复机器人研究现状与发展趋势[J]. 李龙飞,朱凌云,苟向锋. 医疗卫生装备. 2019(12)
[2]Reformulating natural language queries using sequence-to-sequence models[J]. Xiaoyu LIU,Shunda PAN,Qi ZHANG,Yu-Gang JIANG,Xuanjing HUANG. Science China（Information Sciences）. 2019(12)
[3]康复机器人在脑卒中偏瘫康复中的应用研究进展[J]. 庞晨晨,李瑞玲,冯英璞. 护理研究. 2019(21)
[4]基于一维卷积神经网络深度学习的工业过程故障检测[J]. 李元,冯成成. 测控技术. 2019(09)
[5]中国康复医学科学研究的发展历程[J]. 吴毅,岳寿伟,窦豆. 中国康复医学杂志. 2019(09)
[6]基于RS-LSTM的滚动轴承故障识别[J]. 陈伟,陈锦雄,江永全,宋冬利,张闻东. 中国科技论文. 2018(10)
[7]《机器学习》[J]. 周志华. 中国民商. 2016(03)
[8]可缠绕式混合驱动柔索并联机器人可靠性分析[J]. 韩雪,訾斌,孙辉辉. 机械设计与制造. 2015(04)
[9]基于支持向量机的移动机器人故障诊断[J]. 林吉良,蒋静坪. 电工技术学报. 2008(11)
[10]三轴差动式管内移动机器人的可靠性分析[J]. 张学文,姜生元,贾亚洲,江旭东. 吉林大学学报(工学版). 2008(02)
博士论文
[1]基于数据驱动的服务机器人航迹推算子系统故障诊断方法研究与实现[D]. 袁宪锋.山东大学 2017
[2]下肢助力外骨骼机器人研究[D]. 张超.哈尔滨工业大学 2016
硕士论文
[1]基于机器学习的服务机器人云端故障诊断方法研究[D]. 郭仁和.山东大学 2019
[2]面向外骨骼机器人的智能康复信息系统的研究与实现[D]. 贾晓扬.电子科技大学 2019
[3]基于FMECA和FTA的下肢助行外骨骼机器人可靠性分析[D]. 吴家海.电子科技大学 2019
[4]外骨骼数据云脑平台可视化设计与实现[D]. 郭臻凯.电子科技大学 2019
[5]人与外骨骼系统性能评价体系研究[D]. 郑晓娟.电子科技大学 2018
[6]外骨骼机器人云脑架构及其学习算法研究[D]. 范敏.电子科技大学 2018
[7]机械手性能衰退与失效模型建立方法研究[D]. 董爱.哈尔滨工业大学 2013
[8]基于多传感器数据融合的水质异常检测方法研究[D]. 何慧梅.浙江大学 2013
本文编号：3187701
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 下肢助行外骨骼机器人研究现状
1.2.2 机器人可靠性与安全性研究现状
1.2.3 机器人故障诊断研究现状
1.3 本文研究内容及主要目标
1.4 本论文的结构安排
第二章 安全监控系统框架设计
2.1 引言
2.2 安全监控系统设计方案
2.2.1 安全监控系统工作场景
2.2.2 系统平台概述
2.2.3 安全监控系统功能研究
2.2.4 安全监控系统架构设计
2.3 安全监控功能设计与实现
2.3.1 监控功能概述
2.3.2 监控功能设计方案
2.3.3 监控功能实现方案
2.3.3.1 训练数据传输与采集方法
2.3.3.2 实时监控指标计算流程
2.4 本章小结
第三章 外骨骼机器人故障状态监测功能研究
3.1 引言
3.2 故障状态监测功能设计
3.2.1 故障状态监测功能框架
3.2.2 故障状态监测功能设计
3.3 外骨骼机器人系统简述及常见故障分析
3.3.1 外骨骼机器人系统简述
3.3.2 外骨骼机器人常见故障汇总
3.3.3 外骨骼机器人运动控制系统故障分析
3.4 故障状态数据集采集
3.4.1 传感器数据介绍
3.4.2 外骨骼故障仿真实验数据采集
3.4.2.1 Gazebo仿真环境概述
3.4.2.2 仿真环境下传感器数据的采集
3.5 本章小结
第四章 基于多传感器数据融合的故障状态监测方法研究
4.1 引言
4.2 数据预处理
4.2.1 数据滤波
4.2.2 数据标准化
4.3 外骨骼多传感器数据融合方法研究
4.3.1 多传感器数据融合概述
4.3.2 数据融合方法介绍
4.3.3 外骨骼机器人异构传感器数据融合方法研究
4.4 基于多传感器数据融合的故障诊断模型研究与分析
4.4.1 外骨骼故障数据集介绍
4.4.2 数据融合方法及故障诊断模型的对比与分析
4.4.3 总结与分析
4.5 本章小结
第五章 基于卷积和时序神经网络的故障状态监测方法优化研究
5.1 引言
5.2 基于深度学习的时序数据融合方法研究
5.2.1 传感数据中的时序关联性分析
5.2.2 基于卷积神经网络的数据融合方法
5.2.3 基于时间序列的神经网络
5.2.3.1 循环神经网络
5.2.3.2 长短期记忆网络
5.3 基于卷积和时序神经网络的故障诊断模型研究与分析
5.3.1 基于滑动窗口的时序样本构造方法
5.3.2 故障诊断模型设计方案
5.3.3 基于时序神经网络的故障诊断模型研究及分析
5.3.4 基于卷积和时序神经网络的故障诊断模型研究与分析
5.3.5 总结与分析
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]可穿戴下肢外骨骼康复机器人研究现状与发展趋势[J]. 李龙飞,朱凌云,苟向锋. 医疗卫生装备. 2019(12)
[2]Reformulating natural language queries using sequence-to-sequence models[J]. Xiaoyu LIU,Shunda PAN,Qi ZHANG,Yu-Gang JIANG,Xuanjing HUANG. Science China（Information Sciences）. 2019(12)
[3]康复机器人在脑卒中偏瘫康复中的应用研究进展[J]. 庞晨晨,李瑞玲,冯英璞. 护理研究. 2019(21)
[4]基于一维卷积神经网络深度学习的工业过程故障检测[J]. 李元,冯成成. 测控技术. 2019(09)
[5]中国康复医学科学研究的发展历程[J]. 吴毅,岳寿伟,窦豆. 中国康复医学杂志. 2019(09)
[6]基于RS-LSTM的滚动轴承故障识别[J]. 陈伟,陈锦雄,江永全,宋冬利,张闻东. 中国科技论文. 2018(10)
[7]《机器学习》[J]. 周志华. 中国民商. 2016(03)
[8]可缠绕式混合驱动柔索并联机器人可靠性分析[J]. 韩雪,訾斌,孙辉辉. 机械设计与制造. 2015(04)
[9]基于支持向量机的移动机器人故障诊断[J]. 林吉良,蒋静坪. 电工技术学报. 2008(11)
[10]三轴差动式管内移动机器人的可靠性分析[J]. 张学文,姜生元,贾亚洲,江旭东. 吉林大学学报(工学版). 2008(02)
博士论文
[1]基于数据驱动的服务机器人航迹推算子系统故障诊断方法研究与实现[D]. 袁宪锋.山东大学 2017
[2]下肢助力外骨骼机器人研究[D]. 张超.哈尔滨工业大学 2016
硕士论文
[1]基于机器学习的服务机器人云端故障诊断方法研究[D]. 郭仁和.山东大学 2019
[2]面向外骨骼机器人的智能康复信息系统的研究与实现[D]. 贾晓扬.电子科技大学 2019
[3]基于FMECA和FTA的下肢助行外骨骼机器人可靠性分析[D]. 吴家海.电子科技大学 2019
[4]外骨骼数据云脑平台可视化设计与实现[D]. 郭臻凯.电子科技大学 2019
[5]人与外骨骼系统性能评价体系研究[D]. 郑晓娟.电子科技大学 2018
[6]外骨骼机器人云脑架构及其学习算法研究[D]. 范敏.电子科技大学 2018
[7]机械手性能衰退与失效模型建立方法研究[D]. 董爱.哈尔滨工业大学 2013
[8]基于多传感器数据融合的水质异常检测方法研究[D]. 何慧梅.浙江大学 2013
本文编号：3187701
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3187701.html
