发明人：张校志; 付鑫; 韩乐

本发明涉及异常检测的技术领域，并公开了一种基于深度学习的机械臂异常振动检测方法，只需要在训练阶段加装获取振幅数据的装置，获取实际的振幅数据用于采用事后分析的方法判断机械臂的轴是否产生了异常振动，生成标注数据，在训练完成后，不需要依赖额外加装机械结构即可实时对轴或关节的异常振动进行实时检测，且基于深度学习的机械臂异常振动方法考虑了机械臂不同轴或关节之间的耦合关系，将实时控制器实时反馈所有轴的状态数据作为输入，网络结构并不复杂，能够满足实时性要求。相比于阈值判断或事后非实时判断的方法，本发明能很好应对机械臂运行时状态一直变化的情况，适用性更强。