四足机器人液压系统故障诊断方法研究

发布时间：2017-09-28 10:23

  本文关键词：四足机器人液压系统故障诊断方法研究

  更多相关文章： 四足机器人 液压系统 故障诊断 支持向量机 相关向量机 诊断软件

【摘要】：四足机器人具有较强的地形适应能力,因此目前针对四足机器人的研究很广泛。液压驱动系统由于单位功率高、响应快,且负载能力强,在四足机器人中的应用很广。液压系统的性能对四足机器人的性能有决定性作用,液压系统一旦出现故障,四足机器人的运动便会受到影响,本文主要针对四足机器人液压系统的故障诊断进行研究。本文的实际研究平台为实验室自主设计搭建的液压四足机器人。四足机器人的液压系统是复杂非线性系统,且液压元件处于封闭的油路中,故障形式复杂多样。文中首先用AMESim、MATLAB和ADAMS这三个软件来进行联合仿真,模拟四足机器人液压系统的运行。在明确系统的主要故障类型后,分别进行了相应的故障仿真,以采集故障样本。为对四足机器人的液压系统进行故障诊断,本文提出了基于粗糙集理论和布谷鸟算法的优化支持向量机方法。支持向量机可以有效处理许多问题,如小样本、非线性以及高维数等。其中,粗糙集用于去除样本数据中的冗余信息,布谷鸟算法则用于支持向量机参数的优化选取。由实验结果可以看出,在四足机器人液压系统的故障诊断中,所提出的方法在缩短算法运行时间的同时能够提高诊断精度。支持向量机能有效地用于故障诊断,但它也存在一定不足。为此,本文又选用了相关向量机方法,相关向量机保留了支持向量机的优点,同时其参数设置简单、核函数的选取也更加灵活。同样,在用粗糙集对样本数据进行处理后,提出用基于高斯扰动的布谷鸟算法来优化相关向量机模型的核参数。实验结果表明,在四足机器人液压系统的故障诊断中,该方法在缩短算法运行时间的同时也提高了诊断精度。最后,利用Visual Studio 2008设计了一个四足机器人液压系统的故障诊断软件,并观察了文中提出的两种方法在诊断软件中的诊断效果,发现基于相关向量机的方法能够正确诊断出更多的故障样本,且诊断时间更短。
【关键词】：四足机器人 液压系统 故障诊断 支持向量机 相关向量机 诊断软件
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-19
• 1.1 研究背景和意义11-12
• 1.2 液压四足机器人介绍及其研究现状12-13
• 1.2.1 液压四足机器人介绍12
• 1.2.2 液压四足机器人研究现状12-13
• 1.3 液压系统故障诊断的国内外研究现状及发展趋势13-17
• 1.3.1 液压系统故障诊断的国内外研究现状13-15
• 1.3.2 液压系统故障诊断的主要方法15-16
• 1.3.3 液压系统故障诊断的发展趋势16-17
• 1.4 研究内容与章节安排17-19
• 第2章 四足机器人液压系统及其故障仿真19-36
• 2.1 引言19
• 2.2 四足机器人液压系统实际平台介绍19-21
• 2.3 四足机器人液压系统仿真21-25
• 2.3.1 液压系统的建模方法22
• 2.3.2 AMESim仿真平台22-23
• 2.3.3 基于AMESim、MATLAB和ADAMS的四足机器人液压系统联合仿真23-25
• 2.4 四足机器人液压系统故障分析25-29
• 2.4.1 液压系统故障机理分析25-26
• 2.4.2 四足机器人液压系统的故障类型分析26-28
• 2.4.3 四足机器人液压系统故障信号选取28-29
• 2.5 基于AMESim的四足机器人液压系统故障仿真29-34
• 2.5.1 液压缸内泄漏仿真及仿真结果分析29-31
• 2.5.2 伺服阀堵塞仿真及仿真结果分析31-33
• 2.5.3 液压泵内泄漏仿真及仿真结果分析33-34
• 2.6 本章小结34-36
• 第3章 基于RS-CS-SVM的四足机器人液压系统故障诊断36-51
• 3.1 引言36
• 3.2 支持向量机36-42
• 3.2.1 统计学习理论36-39
• 3.2.2 支持向量机理论39-42
• 3.2.3 支持向量机多分类方法42
• 3.3 基于粗糙集和布谷鸟算法的优化支持向量机42-46
• 3.3.1 粗糙集理论43
• 3.3.2 布谷鸟算法43-44
• 3.3.3 布谷鸟算法优化支持向量机参数44-45
• 3.3.4 优化的支持向量机分类方法45-46
• 3.4 优化支持向量机在四足机器人液压系统故障诊断中的应用46-49
• 3.4.1 特征样本选取46
• 3.4.2 故障诊断模型的建立46-47
• 3.4.3 RS-CS-SVM与其他方法在四足机器人液压系统故障诊断中的对比分析47-49
• 3.5 本章小结49-51
• 第4章 基于RS-GCS-RVM的四足机器人液压系统故障诊断51-64
• 4.1 引言51
• 4.2 相关向量机51-54
• 4.2.1 分类模型51-52
• 4.2.2 参数推断52-53
• 4.2.3 相关向量机核函数53
• 4.2.4 相关向量机多分类方法53-54
• 4.3 多分类相关向量机54-57
• 4.3.1 多分类相关向量机模型简介54-56
• 4.3.2 多分类相关向量机模型学习56-57
• 4.4 基于粗糙集和GCS算法的优化相关向量机57-59
• 4.4.1 基于高斯扰动的布谷鸟算法57-58
• 4.4.2 基于高斯扰动的布谷鸟算法优化相关向量机参数58
• 4.4.3 优化的相关向量机分类方法58-59
• 4.5 优化相关向量机在四足机器人液压系统故障诊断中的应用59-62
• 4.5.1 样本类型及其表示方法59-60
• 4.5.2 特征变量的选取60
• 4.5.3 模型输出60
• 4.5.4 故障诊断模型的建立60
• 4.5.5 RS-GCS-RVM与其他方法在四足机器人液压系统故障诊断中的对比分析60-62
• 4.6 本章小结62-64
• 第5章 四足机器人液压系统故障诊断软件设计64-76
• 5.1 引言64
• 5.2 基于Visual Studio 2008的故障诊断软件设计64
• 5.3 故障诊断软件及核心模块介绍64-66
• 5.3.1 数据输入子模块65
• 5.3.2 诊断方法子模块65-66
• 5.3.3 故障诊断结果子模块66
• 5.4 故障诊断实例分析66-75
• 5.4.1 RS-CS-SVM在故障诊断软件中的效果67-71
• 5.4.2 RS-GCS-RVM在故障诊断软件中的效果71-75
• 5.5 本章小结75-76
• 结论76-78
• 参考文献78-83
• 攻读学位期间发表论文与研究成果清单83-84
• 致谢84

【相似文献】

中国期刊全文数据库 前10条

1 ;世界机器人最新统计数据[J];机器人技术与应用;2000年01期

2 ;警卫和保洁两用机器人[J];机器人技术与应用;2000年03期

3 ;案例分析之四 机器人码垛单元[J];机器人技术与应用;2000年04期

4 李成桐;对中国机器人产业的思考(之二) 未来之路[J];机器人技术与应用;2000年05期

5 贾培发,王全福;团结奋斗努力实现中国机器人产业化[J];机器人技术与应用;2000年06期

6 李开生,张慧慧,费仁元,宗光华;国外服务机器人的发展动态和前景[J];制造业自动化;2000年06期

7 淑芳;机器人种菜[J];湖南农业;2000年09期

8 长路;机器人技术在发展[J];世界制造技术与装备市场;2001年01期

9 贾一;机器人外科手术的必要技术条件[J];机器人技术与应用;2002年04期

10 董瑞翔;人间协调共存型机器人[J];机器人技术与应用;2002年05期

中国重要会议论文全文数据库 前10条

1 胡春华;范勇;朱纪洪;孙增圻;;空中机器人的研究现状与发展趋势[A];2005年中国智能自动化会议论文集[C];2005年

2 陈卫东;;服务机器人的技术发展及微特电机在其中的应用[A];第十届中国小电机技术研讨会论文集[C];2005年

3 肖玉林;侍才洪;陈炜;李浩;张西正;;救援机器人的现状及发展趋势(综述)[A];天津市生物医学工程学会第三十四届学术年会论文集[C];2014年

4 郑亚青;吴建坡;;岸边集装箱宏-微起重机器人的机构、结构设计及运动仿真[A];2009海峡两岸机械科技论坛论文集[C];2009年

5 王静;边继东;张大慧;林峰华;张宏;;管道定量采样机器人系统设计[A];2009全国虚拟仪器大会论文集（二）[C];2009年

6 黄海明;杨雷;宋跃;赖思沅;;智能保安巡逻机器人[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 王明辉;马书根;李斌;;独立操作型可重构机器人群体的动态层次体系结构研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年

8 谭金林;刘明英;梁建民;;机器人硬件电路设计[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 许家中;孔祥冰;尤波;李长峰;禹鑫q，

本文编号：935313