CN:36-1239/TH

ISSN:1672-3872

半月刊

JST日本科学技术振新机构数据库(日)(2024)

中文核心期刊(遴选)数据库收录期刊

中文科技期刊数据库收录期刊

中国学术期刊(光盘版)全文收录期刊

中国期刊网收录期刊

中国学术期刊综合评价数据库 统计源期刊

搜索
搜索
这是描述信息

基于残差网络的 UR5 机械臂故障诊断方法

访问量:

DOI:10.3969/j.issn.1672-3872.2023.22.051

作者:刘恩雨,蒋强(沈阳理工大学,辽宁 沈阳 110168)

 

摘 要:【目的】UR5机械臂是常用的机械臂之一,但由于其负重较小,抓取物体时易发生故障,导致严重后果,因此探究UR5机械臂的故障诊断方法具有重要现实意义。【方法】研究团队提出了一种基于ResNet网络的UR5机械臂故障诊断方法。 首先,利用MATLAB机器人工具箱对UR5机械臂进行仿真建模。其次,在对UR5六自由度机械臂抓取时产生的大量数据进行分析后,将数据输入网络进行故障诊断实验。此外,还设置了对比实验和消融实验。【结果】ResNet网络模型的训练集与测试集的准确率最终收敛到98%,损失值最终稳定在0.015,其准确率比LeNet、AlexNet、VGG等网络模型的准确率高1%~2%,损失值也更小。【结论】ResNet网络在判别UR5机械臂故障时具有较高的准确率与较低的损失值,研究团队所提出的故障诊断方法有效,可保障机械臂正常执行抓取任务。

关键词:UR5机械臂;故障诊断;ResNet;六自由度

 

引文信息:[1]刘恩雨,蒋强.基于残差网络的UR5机械臂故障诊断方法[J].南方农机,2023,54(22):180-182.

查看全文请下载PDF文件↓

相关下载

分类:
2023年
文件大小:
1.2M
2023-12-12 15:45:02
所属人群:
所有人
上一页
1
底部logo

公众号

地       址:江西省南昌市红谷滩红谷中大道1326号江报传媒大厦908室

联系电话:0791-86202556

投稿邮箱:nfnj@vip.163.com

版权所有:江西南方农机杂志社有限责任公司.  All rights reserved.   SEO     赣ICP备2023003226号-1       技术支持:中企动力-南昌