[发明专利]一种基于AR和随机森林模型的故障诊断系统及方法

权利要求书

1.一种基于AR和随机森林模型的故障诊断系统，其特征在于，包括：

数据采集模块，用以采集工业机器人的实时加速度值；

数据存储模块，用以存储所述数据采集模块采集的工业机器人的加速度值；

数据分析模块包括离线数据建模单元和实时数据评估单元，其中，离线数据建模单元利用所述数据存储模块中存储的工业机器人的历史加速度值数据提取AR模型的特征值，建立并训练随机森林模型；实时数据评估单元根据所述数据采集模块采集的工业机器人的实时加速度值数据提取AR模型的特征值；

故障诊断模块，根据所述数据分析模块已训练好的所述随机森林模型，通过对数据采集模块采集的实时加速度值数据提取的AR模型的特征值进行判断，预测工业机器人的运行故障，诊断出当前工业机器人的运行状态是运行正常还是有故障；

还包括人机交互平台，用以将所述故障诊断模块的诊断结果发送给工作人员；

所述数据采集模块包括振动传感器，所述振动传感器安装于工业机器人机械手的机垛上，用以采集工业机器人的实时加速度值数据；

所述数据采集模块每次采集的包含一个运行周期的总的数量值，其中，采集频率1点/ms，每次计算量为1000个点，每次的计算量包含机械手的一个运动周期，包括采集80组正常状态下振动传感器获取的加速度值，采集80组有故障情况下的振动传感器获取的加速度值；

其中，所述提取AR模型的特征值包括：

确定AR模型参数的阶数：对采集的正常加速度值数据80组1000个数和故障加速度值数据80组1000个数分别进行拟合，并使用最小二乘法得到N个参数值，当每组之间对应的参数值N达到7时变化范围不超过5％，确定AR模型参数的阶数为7；

获得AR模型参数：使用7阶AR模型获得80组正常加速度值数据、80组故障加速度值数据，每组数据7个参数；

参数寻优：针对上述7个参数，通过对每组数据求方差共获得160组方差，对160组方差差值进行排序，得到差值排名前两个的特征，对上述特征进行特征标准化，数据降维，最后得到具有可分行两个特征值。

2.根据权利要求1所述的故障诊断系统的一种基于AR和随机森林模型的故障诊断方法，其特征在于，包括以下步骤：

数据采集模块采集工业机器人的实时加速度值数据，并将所采集到的数据值存储至数据存储模块；

数据分析模块一方面利用所述数据存储模块中存储的工业机器人的历史加速组值数据提取AR模型的特征值，建立并训练随机森林模型；另一方面根据所述数据采集模块采集的工业机器人的实时加速度值数据提取AR模型的特征值；

故障诊断模块根据所述数据分析模块已训练好的所述随机森林模型，通过对数据采集模块采集的实时加速度值数据提取的AR模型的特征值进行判断，预测工业机器人的运行故障，诊断出当前工业机器人的运行状态是运行正常还是有故障，并将诊断结果发送给工作人员。

3.根据权利要求2所述的一种基于AR和随机森林模型的故障诊断方法，其特征在于，建立并训练所述随机森林模型包括以下步骤：

确定可选参数值；

确定随机森林模型的训练方式；

得到最优结果与模型参数集；

保存训练好的随机森林模型。