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！

龙图腾网获悉北京理工大学申请的专利机械臂故障检测方法、装置、设备、存储介质及程序产品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：CN118682774B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411003071.7，技术领域涉及：B25J9/16；该发明授权机械臂故障检测方法、装置、设备、存储介质及程序产品是由曹芳菲;朱怀石;彭泉婧设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本机械臂故障检测方法、装置、设备、存储介质及程序产品在说明书摘要公布了：本发明提供一种机械臂故障检测方法、装置、设备、存储介质及程序产品，涉及智能制造技术领域，方法包括：获取待检测输入数据；将待检测输入数据分别输入正常模型和故障模型，获得正常模型输出的第一判别结果和故障模型输出的第二判别结果；基于第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得机械臂的故障检测结果。通过上述方式，先通过正常模型和故障模型分别进行判别，获得两个判别结果，再通过贝叶斯决策方法对两个判别结果进行进一步决策，获得最终的故障检测结果，在机械臂故障检测的过程中引入贝叶斯决策方法对正常模型和故障模型的判别结果进行优化判断，可提高机械臂故障检测的准确性和可靠性。

本发明授权机械臂故障检测方法、装置、设备、存储介质及程序产品在权利要求书中公布了：1.一种机械臂故障检测方法，其特征在于，包括： 获取待检测输入数据；所述待检测输入数据是基于机械臂的运动轨迹确定的； 将所述待检测输入数据分别输入正常模型和故障模型，获得所述正常模型输出的第一判别结果和所述故障模型输出的第二判别结果； 基于所述第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得所述机械臂的故障检测结果； 所述基于所述第一判别结果和第二判别结果，通过贝叶斯决策方法进行决策，获得所述机械臂的故障检测结果，包括： 基于第一卡尔曼滤波器对所述第一判别结果进行校正，获得第三判别结果； 基于第二卡尔曼滤波器对所述第二判别结果进行校正，获得第四判别结果； 通过所述贝叶斯决策方法，对所述第三判别结果和所述第四判别结果进行决策，获得所述机械臂的故障检测结果； 所述获取待检测输入数据，包括： 获取所述机械臂的预设运动轨迹； 基于差分进化算法，对所述预设运动轨迹进行轨迹优化，获得所述运动轨迹；其中，所述轨迹优化的过程以最小化优化函数为优化目标，所述优化函数是基于所述贝叶斯决策方法的贝叶斯风险上界确定的； 对所述运动轨迹进行跟踪检测，获得所述待检测输入数据； 所述优化函数的表达式为： ； 其中，H0为所述正常模型；H1为所述故障模型；PH0为所述正常模型的先验概率；PH1为所述故障模型的先验概率；μ0为所述正常模型不确定的高斯分布均值；μ1为所述故障模型不确定的高斯分布均值；σ0为所述正常模型不确定的高斯分布方差；σ1为所述故障模型不确定的高斯分布方差； 所述获取待检测输入数据之前，还包括： 构建机械臂模型；所述机械臂模型为用于描述所述机械臂的动力学特性的数学模型； 基于所述机械臂模型，构建所述正常模型；所述正常模型为用于描述所述机械臂未发生故障时的动力学特性的数学模型； 确定所述机械臂的故障系数； 基于所述故障系数和所述机械臂模型，构建所述故障模型；所述故障模型为用于描述所述机械臂发生故障时的动力学特性的数学模型； 所述正常模型的表达式为： ； ； 其中，xk表示k时刻所述机械臂的系统状态量；xk-1表示k-1时刻所述机械臂的系统状态量；uk表示k时刻所述机械臂的电机输入；yk表示k时刻所述机械臂的系统输出量；wk表示过程噪声；vk表示测量噪声；A为第一系数矩阵；B为第二系数矩阵；C为第三系数矩阵；D为第四系数矩阵；E为第五系数矩阵； 所述故障模型的表达式为： ； ； 其中，xk表示k时刻所述机械臂的系统状态量；xk-1表示k-1时刻所述机械臂的系统状态量；uk表示k时刻所述机械臂的电机输入；yk表示k时刻所述机械臂的系统输出量；wk表示过程噪声；vk表示测量噪声；A为第一系数矩阵；B为第二系数矩阵；C为第三系数矩阵；D为第四系数矩阵；E为第五系数矩阵；Z为所述故障系数。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。