基于Spiking神经网络的机械臂故障诊断

• 作者: 吕峰 曾慧 王秀青 解飞
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 故障诊断 Spiking 神经网络 机械臂 STDP 学习 时序信号
• 年，卷（期）: 2017,（5）
• 页码范围: 15-21
• 页数: 7页
• 分类号: TP242.6
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.165

摘要

因为Spiking神经网络(Spiking neural networks,SNNs) 能同时传递时空信息,SNNs包含优于传统神经网络的许多特性,因而更适用于动态时序信号的分析.碰撞和受阻是机械臂在靠近抓取位置时常见的两种故障.为区别此两种故障状态与正常工作状态,提出一种基于SNNs的新型机械臂故障诊断方法.讨论所提出的SNNs故障诊断方法的体系结构,比较了当SNNs故障诊断方法选用不同Spiking神经网络拓扑结构和不同参数时的诊断结果.试验结果表明所提出的基于Spiking 神经网络的机械臂故障诊断方法是有效的.该方法有助于机械臂故障的正确诊断,并且对平稳安全的生产具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秀青	河北师范大学职业技术学院	9	116	4.0	9.0
2	曾慧	北京科技大学信息学院	12	51	4.0	6.0
3	解飞	河北师范大学职业技术学院	4	6	2.0	2.0
4	吕峰	河北师范大学职业技术学院	4	8	2.0	2.0