买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种工业机械臂关节故障检测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116160478B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310232921.X，技术领域涉及：B25J19/00；该发明授权一种工业机械臂关节故障检测方法和系统是由郑怀亮;谭俊波;邵志磊;王学谦;梁斌设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种工业机械臂关节故障检测方法和系统在说明书摘要公布了：一种工业机械臂关节故障检测方法和系统，该方法包括：进行工业机械臂的建模与仿真；设置其关节故障模式，进行故障仿真并构造故障模式数据集；通过故障检测网络进行关节故障检测；故障检测网络包括针对各个关节建立的故障检测器，故障检测器包括特征提取器和异常检测器；特征提取器包括基于全连接层的多层感知机，使用多维尺度放缩损失函数，对对应于关节状态的原始数据进行降维，提取深度特征；异常检测器使用自编码器对原始数据降维后的特征进行特征数据重构，利用特征提取器所提取到的特征与重构的特征数据之间的误差来判断关节状态数据正常与否。本发明可有效降低信号中的噪声干扰，提高故障检测精度，保障机械臂故障检测时的泛化性。

本发明授权一种工业机械臂关节故障检测方法和系统在权利要求书中公布了：1.一种工业机械臂关节故障检测方法，其特征在于，包括如下步骤： S1、进行工业机械臂的建模与仿真； S2、设置所述工业机械臂的关节故障模式，进行故障仿真并构造故障模式数据集； S3、通过经训练的故障检测网络进行所述工业机械臂的关节故障检测；其中，所述故障检测网络包括针对各个关节建立的故障检测器，所述故障检测器包括特征提取器和异常检测器；所述特征提取器包括基于全连接层的多层感知机，使用多维尺度放缩损失函数，对对应关节状态的原始数据进行降维，提取深度特征；所述异常检测器使用自编码器对原始数据降维后的特征进行特征数据重构，利用特征提取器所提取到的特征与重构的特征数据之间的误差来判断关节状态数据正常与否； 所述多维尺度放缩损失函数为： 其中，Lm是损失函数，||||2表示2范数，ηs是比例因子，Xi和Xj是数据集中第i和第j个样本，Fi和Fj分别是样本Xi和Xj在低维特征空间中的表示，S表示数据集中样本的个数；所定义的损失指原始数据之间的欧氏距离，与低维特征空间的欧氏距离呈比例关系， 其中，以原始数据相互之间的欧氏距离，和其低维特征空间之间的欧氏距离做差，并求其绝对值，对得到的所有绝对值求平均数，并作为得到的损失，以此实现在学习数据样本低维空间特征时，保持原始空间中任意两个样本之间的距离结构； 所述利用特征提取器所提取到的特征与特征重构数据之间的误差来判断数据正常与否包括： 利用重构误差的均值和标准差构造故障检测边界，根据如下公式： Tup＝μ+βδ Tdown＝μ-βδ 其中μ为重构误差的均值，δ为标准差，β为标准差的参数，Tup为重构误差的上限，Tdown为重构误差的下限，β为超参数； 当所述重构误差处于故障监测边界以内，则判断关节状态数据正常，否则判断为异常。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。