机器人减速器是机器人的核心部件,机器人系统的可靠性与安全性与机器人减速器的劣化状态息息相关。谐波减速器是机器人减速器中常用的关节减速器。机器人减速器发生故障可导致机器人故障停机,甚至可能引起作业事故。封闭式的结构对机器人减速器的状态参数提取产生了较大影响。因此,开展机器人谐波减速器的故障诊断方法研究有着重要意义。目前在机器人减速器故障诊断领域主要在于机器人减速器的劣化与故障失效的机理研究方向,针对机器人谐波减速器的故障诊断研究方向仍需进一步发展。论文主要研究内容包括以下方面:1)本文综述了机械设备故障诊断与谐波减速器的发展现状,并总结分析了机器人谐波减速器的基本工作原理和主要的劣化失效形式。2)针对基于电机状态的谐波减速器输入轴的轴向窜动故障诊断和谐波减速器的传动误差超限故障诊断两个研究子课题,构建了实验装置和数据采集平台,通过数据采集系统获取驱动电机状态数据为后续两个研究课题的样本。3)针对机器人谐波减速器的输入轴的轴向窜动故障,在基于指数LuGre摩擦建立谐波减速器Simulink机电系统模型基础上,对谐波减速器输入轴的轴向窜动故障进行数学建模仿真实验,仿真结果表明轴向窜动故障对驱动电机状态产生一定影响。针对输入轴的轴向窜动故障,本文提出了基于深度学习网络的故障诊断方法。该诊断方法建立基于电机电流的小波包能量熵值特征提取与EMD分解特征提取方法的两种深度学习网络诊断模型,并基于实验数据完成模型的训练与验证,结果表明该模型能有效的对输入轴的轴向窜动故障进行识别。4)针对机器人谐波减速器的传动误差超限故障诊断,本文提出了基于一维卷积融合编码、隐马尔科夫链模型的谐波减速器传动误差等级评估方法。该模型将获取的电机状态数据进行多参数特征提取并应用一维卷积网络融合编码,最终驱动电机状态编码样本引用K折交叉验证思想对HMM进行训练得到最优HMMs模型。经过样本验证测试,基于驱动电机状态的谐波减速器传动误差等级评估模型可以有效的对谐波减速器的传动误差等级进行评估。