摘要: 针对工业机器人机械轴健康管理人工检测效率和精准度较低的问题,提出一种机械轴运行监控大数据背景下基于动作周期退化相似性度量的健康指标构建方法,并结合长短时记忆(LSTM)网络进行机器人剩余寿命自动预测。首先,利用MPdist关注机械轴不同动作周期之间子周期序列相似性的特点,计算正常周期数据与退化周期数据的偏离程度,进而构建健康指标;接着,利用健康指标集训练长短时记忆网络模型建立健康指标与剩余寿命的映射关系;最后,通过MPdist-LSTM混合模型自动计算剩余寿命并适时预警。实验平台使用某公司六轴工业机器人,采集了加速老化数据约1500万条,对健康指标(HI)单调性、鲁棒性和趋势性以及剩余寿命(RUL)预测的平均绝对误差、均方根误差、决定系数、误差区间、早预测和晚预测等指标进行了实验测试,实验结果分别与动态时间规整(DTW)、欧氏距离(ED)、时域特征值(TDE)结合LSTM的方法、MPdist结合循环神经网络(RNN)和LSTM等方法进行比较。实验结果表明:与其他方法相比,所提方法构建HI的单调性和趋势性高出了0.07和0.13,RUL预测准确率更高,误差区间更小,证明了所提方法的有效性。