来源：期刊VIP网 时间：
作者：杨育熙;祁宇明;邓三鹏;毕远桥;高文华;谢兵;
单位：江汉大学工程训练中心;天津职业技术师范大学机器人及智能装备研究院;天津市智能机器人技术及应用企业重点实验室;天津科技大学;
摘要：面向工业机器人高精度、高可靠性的应用需求，识别机器人在运行不平滑时关节出现的延迟表征。提出一种基于时频特征融合和图注意力网络(GAT)的故障诊断模型。首先，PLC采集各轴转动时角度信号，转化为角速度，将其分解为多段子信号。其次，对信号进行小波变换，计算时、频域信号的相关特征并进行融合，构建关节运动数据集。最后，以损失值和准确率为指标，将本文的GAT模型与CNN-1D、GraphSAGE、GCN模型对比。结果显示，GAT识别率为98.21%,高于其他常用模型。
关键词：工业机器人;;故障诊断;;角度信号;;图注意力网络
基金资助：天津市教委科研计划自然科学重点项目(2022ZD026;2022ZD032)
