基于残差网络的UR5机械臂故障诊断方法

【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。