Neural résiduel profond

May 26, 2023

Rapports scientifiques volume 12, Numéro d'article : 17158 (2022) Citer cet article

1249 Accès

1 Citation

1 Altmétrique

Détails des métriques

Une méthode de diagnostic de défauts d'articulation de robot basée sur une méthode basée sur des données utilisant un réseau neuronal résiduel profond (DRNN) est proposée, où une méthode de diagnostic de défauts basée sur Resnet est introduite. La méthode proposée traite principalement des types de défauts, tels que l'erreur de gain, l'erreur de décalage et le dysfonctionnement des capteurs et des actionneurs, respectivement. Premièrement, un modèle de diagnostic de pannes de réseau résiduelles approfondies est dérivé en empilant de petits cœurs de convolution et en augmentant la taille du cœur. pendant ce temps, le bruit blanc gaussien est injecté dans l'ensemble de données de défauts pour vérifier l'immunité au bruit du réseau résiduel profond proposé. En outre, une simulation est effectuée, où différentes méthodes de diagnostic de pannes, notamment la machine à vecteurs de support (SVM), le réseau neuronal artificiel (ANN), le réseau neuronal convolutif (CNN), le réseau de mémoire à long terme (LTMN) et le réseau neuronal résiduel profond (DRNN) sont comparés et les résultats de la simulation montrent que la précision du diagnostic des défauts pour le système robot utilisant DRNN est plus élevée, tandis que DRNN a besoin de moins de temps de formation du modèle. L'analyse de visualisation a prouvé la faisabilité et l'efficacité de la méthode proposée pour le diagnostic des défauts des capteurs et des actionneurs d'articulation de robot à l'aide de la méthode DRNN.

Récemment, les robots industriels ont été largement utilisés dans de nombreuses applications, telles que les chaînes de production automobile, l'aérospatiale, les communications et l'électronique grand public1,2,3. En tant que représentant exceptionnel de la technologie mécatronique, le module commun de robot intègre un grand nombre de composants, notamment un moteur creux, un servomoteur, un réducteur d'harmoniques, un frein, un encodeur, dans un espace limité4. Compte tenu de l’environnement de travail complexe et changeant des articulations des robots, il est inévitable que des types de défauts se produisent. S'il n'existe aucun mécanisme de diagnostic des pannes avant qu'une panne ne se produise, cela affectera l'efficacité de la production, la qualité du produit et mettra même la vie humaine en danger. Par conséquent, la chose la plus urgente est de savoir comment détecter et localiser les défauts rapidement et avec précision5.

Les chercheurs se concentrent depuis de nombreuses années sur la détection des pannes et le contrôle tolérant aux pannes des articulations de robots, et ils ont proposé de nombreuses méthodes pratiques de diagnostic des pannes, notamment la redondance matérielle et les méthodes de diagnostic des pannes basées sur l'analyse théorique.

Parmi les méthodes théoriques de diagnostic des défauts des articulations de robots basées sur l’analyse, l’observateur est largement utilisé6,7. En raison de la caractéristique de convergence rapide de la méthode du mode glissant, l'erreur pourrait s'atténuer comme prévu. Elle garantit donc la rapidité de l'observateur et est donc utilisée à tous les endroits dans le diagnostic des défauts d'articulation du robot8,9. De plus, l'algorithme de backstepping, la méthode Takagi – Sugeno ainsi que l'observateur de Luenberger sont également appliqués pour le diagnostic des défauts10,11,12. Cependant, la plupart des robots industriels sont affectés par des perturbations ou du bruit. Il est donc nécessaire de prendre en compte l'effet des perturbations dans le diagnostic des pannes du robot. Pour un système robotique, la première chose qui vient à l’esprit est de concevoir un observateur de perturbations. Il existe de nombreuses méthodes de conception d’observateurs de perturbations, telles que la méthode de rétroaction de sortie13, l’observateur de perturbations non linéaires14 et la méthode de conception d’observateurs de perturbations par linéarisation par rétroaction8.

Cependant, le problème le plus délicat de la méthode de diagnostic des défauts des articulations d'un robot basée sur un observateur est que le gain de l'observateur est très difficile à concevoir. À l'heure actuelle, dans la conception du gain de l'observateur, la fonction de coût doit être déterminée en premier et le gain de l'observateur est sélectionné pour minimiser la fonction de coût. Le processus de conception ci-dessus étend la plage de valeurs du gain, ce qui a un impact important sur les performances de l'observateur. La stabilité de l’observateur est également une considération importante, et elle est principalement garantie par la fonction de Lyapunov, très difficile à trouver15.

La difficulté de conception du gain dans un système de diagnostic de pannes de robot basé sur un observateur favorise la recherche d'un diagnostic de pannes de robot basé sur des capteurs redondants. Grâce au développement des capteurs, les capteurs intégrés à l'élément de détection, aux actionneurs et à l'alimentation électrique ont fait une grande percée, comme la puce de détection magnétique, les éléments de mesure de vitesse et de mesure de gravité16, et ils sont devenus des composants de rétroaction très importants dans le système de diagnostic des défauts des articulations des robots. .