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！

龙图腾网获悉江西机电职业技术学院申请的专利一种工业机器人减速器故障诊断方法及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：CN121350599B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511892501.X，技术领域涉及：G06F18/2131；该发明授权一种工业机器人减速器故障诊断方法及系统是由刘曼;罗哲;何志豪;刘云;罗大海;龚钰卓;代启设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本一种工业机器人减速器故障诊断方法及系统在说明书摘要公布了：本发明提供一种工业机器人减速器故障诊断方法及系统，方法包括获取振动信号并通过预设鲸鱼优化算法确定初始化种群；基于初始化种群内个体VMD参数对振动信号进行第一VMD分解，并结合希尔伯特变化获取信号包络相关特征以计算第一适应度，依据第一适应度对初始化种群进行筛选确定潜力解种群；基于潜力解种群中VMD参数对振动信号进行第二VMD分解并以故障冲击相关特征指标计算适应度，再结合预设鲸鱼优化算法优化潜力解种群得到全局最优VMD参数；根据全局最优VMD参数、振动信号和机器人减速器理论特征确定故障信息。本发明解决了现有技术中缺少全局搜索能力强、特征提取客观以及计算效率高的工业机器人减速器故障诊断方法的问题。

本发明授权一种工业机器人减速器故障诊断方法及系统在权利要求书中公布了：1.一种工业机器人减速器故障诊断方法，其特征在于，所述方法包括： 获取预设传感器采集的工业机器人减速器在运动状态下的振动信号，并基于预设参数通过预设鲸鱼优化算法确定初始化种群，所述初始化种群中每个个体位置代表一组待优化的VMD参数； 基于所述初始化种群中个体的VMD参数，对所述振动信号进行第一VMD分解，并结合希尔伯特变化获取信号包络相关特征以计算第一适应度，并依据所述第一适应度对所述初始化种群进行筛选确定潜力解种群； 基于所述潜力解种群中个体对应的VMD参数，对所述振动信号进行第二VMD分解，并以故障冲击相关特征指标计算适应度，再结合所述预设鲸鱼优化算法的种群更新机制和全局最优个体扰动策略优化所述潜力解种群，得到全局最优VMD参数； 根据所述全局最优VMD参数对所述振动信号进行第二VMD分解，得到本征模态函数，并通过多尺度排列熵筛选出敏感本征多模态函数分量，以根据所述敏感本征多模态函数分量和机器人减速器理论特征确定故障信息； 基于所述初始化种群中个体的VMD参数，对所述振动信号进行第一VMD分解，并结合希尔伯特变化获取信号包络相关特征以计算第一适应度，并依据所述第一适应度对所述初始化种群进行筛选确定潜力解种群的步骤包括： 对所述振动信号进行片段提取确定特征信号片段，再基于所述初始化种群中个体的VMD参数对所述特征信号片段进行所述第一VMD分解得到第一本征多模态函数分量，且在进行所述第一VMD分解时降低VMD内部ADMM迭代的收敛精度； 对所述第一本征多模态函数分量进行希尔伯特变换确定包络信号和对应包络谱； 根据所述包络谱计算第一适应度，并依据所述第一适应度的值由大至小对所述初始化种群进行排序，筛选适应度排名前预设比例内的个体构成潜力解种群； 所述包络信号和包络谱计算公式为： 其中，为包络信号，为第一本征多模态函数分量，为包络谱，H为希尔伯特变换，为傅里叶变换； 根据所述全局最优VMD参数对所述振动信号进行第二VMD分解，得到本征模态函数，并通过多尺度排列熵筛选出敏感本征多模态函数分量的步骤包括： 基于所述全局最优VMD参数对所述振动信号进行第二VMD分解得到所述本征模态函数和对应第三本征多模态函数分量，且在进行所述第二VMD分解时恢复VMD内部ADMM迭代的收敛精度； 计算各个所述第三本征多模态函数分量在预设尺度因子下的粗粒化序列； 对各个所述粗粒化序列进行相空间重构后计算对应排列熵； 选取在关键尺度上排列熵值最小的所述第三本征多模态函数分量作为所述敏感本征多模态函数分量。

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江西机电职业技术学院，其通讯地址为：330000 江西省南昌市南昌经济技术开发区昌北下罗枫林大道168号；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。