一种基于深度学习的搬运机器人故障检测方法

本发明涉及工业机器人故障诊断技术领域，公开一种基于深度学习的搬运机器人故障检测方法，包括：步骤1，采集实验室环境数据与现场运行数据，且进行传感器标定与噪声过滤形成高质量数据；步骤2，利用步骤1获得的数据构建网络结构设计卷积神经网络与Transformer模块进行特征提取，且采用预训练获得初始故障检测能力；步骤3，基于步骤2构建的网络结构开展域对抗训练采用梯度反转技术实现数据分布一致性生成跨域特征。本发明采用域对抗训练与多尺度时空特征提取技术方案，达到跨环境高泛化故障检测技术效果，相较于现有技术中依赖单一域数据训练的静态模型，解决传统方法在实验室与现场环境分布差异大导致的泛化性能骤降问题。