一种基于多源数据融合的工业机器人预测性维护方法及系统

本发明公开了一种基于多源数据融合的工业机器人预测性维护方法及系统，通过多类传感器同步采集振动、电流、温度、声学与视觉信号，经滤波、校正与归一化处理后，构建多模态特征集。通过时间补偿实现跨模态对齐，降维后划分为机械振动组、电气性能组、热力学组与运动精度组，基于历史健康基准计算各组马氏距离作为局部异常度得分，并根据变化速率动态调整权重，合并为初步健康指数。引入非线性放大机制增强高值响应，并依据退化趋势自适应切换平滑强度，输出综合健康指数。该方法实现了对实训平台运行状态的全面感知与动态评估，有效融合多源异构信息，克服了单一信号监测的局限性，显著提升异常识别准确性。