机床与液压

作者：李浩，付辉

单位：广安职业技术学院智能制造与汽车工程学院；兰州理工大学电气工程与信息工程学院

关键词：工业机器人;交叉滚子轴承;故障检测;Involution-GoogleNet;图神经网络

基金：国家自然科学基金项目（62361039）

针对工业机器人在变负荷、大噪声的复杂工作环境中其交叉滚子轴承故障难以有效诊断，从而带来生产隐患的问题，提出一种深度Involution-GoogleNet图神经网络工业机器人交叉滚子轴承故障诊断方法。通过Meyer小波解析对轴承振动信号进行处理，以获得各频带中的局部特征数据，并有效减少特征处理过程中出现的相位畸变。采用GoogleNet结构下的 M 尺度图卷积核完成局部特征获取，设计深度Involution特征转换网络以完成特征映射，从而构建时频特征与隐层特征之间的非线性关联。采用GR-SVM方法完成故障诊断，该方法能够适应样本有限、非线性与局部极值等问题。最后，针对GSQX2000-5六轴工业机器人采集振动信号样本，完成故障诊断准确性、故障信号数据可视化、变工况和变噪声实验分析。结果表明：所提方法在交叉滚子轴承滚动体、内圈、外圈故障和正常状态下的诊断准确率分别可达94.5%、93.8%、92.9%和95.7%，高于其他两种对比方法；所获得样本展现出较强的聚类状态；在变工况和变噪声环境中，均具有较高的故障诊断准确率。

来源：2025年第11期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第11期