关键词：故障诊断;Spiking神经网络;机械臂;STDP学习;时序信号
摘 要：因为Spiking神经网络(Spiking neural networks,SNNs)能同时传递时空信息,SNNs包含优于传统神经网络的许多特性,因而更适用于动态时序信号的分析。碰撞和受阻是机械臂在靠近抓取位置时常见的两种故障。为区别此两种故障状态与正常工作状态,提出一种基于SNNs的新型机械臂故障诊断方法。讨论所提出的SNNs故障诊断方法的体系结构,比较了当SNNs故障诊断方法选用不同Spiking神经网络拓扑结构和不同参数时的诊断结果。试验结果表明所提出的基于Spiking神经网络的机械臂故障诊断方法是有效的。该方法有助于机械臂故障的正确诊断,并且对平稳安全的生产具有重要意义。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取