1.一种SCARA机器人滚珠丝杠故障诊断方法,其特征在于,包括:获取源域数据集和目标域数据集;其中,所述源域数据集和所述目标域数据集分别对应不同SCARA机器人的滚珠丝杠驱动电机在C个故障类别下的电流数据样本;
对所述源域数据集和所述目标域数据集进行采样,得到源域数据子集对所述源域数据子集和所述目标域数据子集中的数据样本进行分组,得到第一类数据对将所有数据对分别输入至特征提取器中,输出每组数据对的映射特征向量,将每组数据对的映射特征向量输入至判别器中,基于所述判别器的输出构建判别器损失函数;
将第一类数据对中每组数据对的映射特征向量和第二类数据对中每组数据对的映射特征向量输入至判别器中进行对抗性学习,将第三类数据对中每组数据对的映射特征向量和第四类数据对中每组数据对的映射特征向量输入至判别器中进行对抗性学习,基于所述判别器的输出构建第一损失函数;
将任意两组第一个数据的故障类别和第二个数据的故障类别均不同的数据对的映射特征向量输入至判别器中进行对抗性学习,基于所述判别器的输出构建第二损失函数;
基于所述目标域数据集与所述目标域数据子集的最大均值差异平方、所述目标域数据集与所述源域数据集的最大均值差异平方构建第三损失函数;
基于所述第一损失函数、所述第二损失函数和所述第三损失函数构建特征提取器损失函数;
重新对所述源域数据集和所述目标域数据集中的数据样本进行采样,得到新的源域数据子集和新的目标域数据子集,以对所述判别器和所述特征提取器进行迭代训练,直到所述判别器损失函数和所述特征提取器损失函数的值最小,基于训练好的特征提取器和训练好的判别器得到SCARA机器人滚珠丝杠故障诊断模型。
2.根据权利要求1所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,对所述源域数据集和所述目标域数据集进行采样前还包括:将所述源域数据集中的数据样本输入至特征提取器中,输出数据样本的映射特征向量,将所述数据样本的映射特征向量输入至分类器中,基于所述分类器的输出构建分类损失函数;
利用所述源域数据集中的数据样本对所述特征提取器进行预训练,直到所述分类损失函数的值最小,得到预训练好的特征提取器。
3.根据权利要求2所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述分类损失函数为:其中,L
4.根据权利要求1所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述判别器损失函数为:其中,L
5.根据权利要求1所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述第一损失函数为:其中,L
6.根据权利要求1所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述第二损失函数为:其中,L
7.根据权利要求1所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述第三损失函数为:其中,L
其中,φ(·)表示域内和映射相关的特征图,
其中,m
8.根据权利要求1所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,对所述源域数据子集和所述目标域数据子集中的数据样本进行分组前还包括:将所述源域数据子集中的数据样本输入至特征提取器中,输出数据样本的映射特征向量,将所述数据样本的映射特征向量输入至分类器中,基于所述分类器的输出构建第四损失函数。
9.根据权利要求8所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述第四损失函数为:其中,L
10.根据权利要求9所述的SCARA机器人滚珠丝杠故障诊断方法,其特征在于,所述特征提取器损失函数为:L
其中,L