基于数字孪生的工业机器人健康状态监测方法及监测系统

本发明公开了基于数字孪生的工业机器人健康状态监测方法及监测系统，方法通过构建工业机器人数字孪生体，采集关键部件位置、速度、扭矩等多类型信息并同步传输，利用优化的YOLO算法提取部件图像特征，将多源数据进行时空维度融合形成多模态数据序列，借助Transformer‑XL模型捕捉数据长距离依赖关系获取深层特征，与历史健康数据构建的特征库对比确定健康状态类别，进而生成预警信息与维护建议。监测系统对应设置数据采集映射、图像特征提取等六个功能单元，各单元协同工作。本发明实现多源数据深度融合与分析，精准监测工业机器人健康状态，为设备运维提供可靠依据。