机器人执行故障数据集

1、数据集描述

1.数据库标题：机器人执行失败
注：它包括5个不同的数据集；参见4。

2.来源：

（a） 创作者/捐赠者：
–Luis Seabra Lopes和Luis M.Camarinha Matos葡萄牙里斯本新里斯本大学

（b） 收到日期：1999年4月

3.过去的用法：

（a） 描述/使用它的一些出版物

• Seabra Lopes，L.（1997）“任务层面的机器人学习：
  装配领域的研究”，博士论文，Universidade葡萄牙新葡京。

• Seabra Lopes，L.和L.M.Camarinha Matos（1998）特辑

机器人学习问题的转换策略，“特征提取、构建和选择。一种数据挖掘透视”，H.Liu和H.Motoda（edrs.），

Kluwer学术出版社。

• Camarinha Matos，L.M.、L.Seabra Lopes和J.Barata（1996）柔性装配系统监控中的集成与学习，“IEEE机器人与自动化汇刊”，12（2），202-219。

（b） 指示正在预测的属性

• 执行失败的类别；参见9。

（c） 研究结果的指示

• 部分结果与特征变换有关；参见4。

• 另一组结果涉及对数据挖掘算法。

4.相关信息

–捐赠包括5个数据集，每个数据集定义了不同的

学习问题：

-LP1：接近抓取位置失败

-LP2：零件转移失败

-LP3：转移失败后的零件位置

-LP4：接近未分级位置失败

-LP5：零件运动中的故障

–特征转换策略

为了提高分类精度，一组五个特征

转换策略（基于统计摘要特征，

离散傅立叶变换等）进行定义和评估。

这使得准确率平均提高了20%。最多

可访问的参考文献是[Seabra Lopes和Camarinha Matos，1998年]。

5.每个数据集中的实例数

• 第1部分：88

• 第2部分：47

• 第3部分：47

• 第4部分：117

• 第5部分：164

6.特征数量：90（在五个数据集中的任何一个数据集中）

7.特征信息

–所有特征都是数字的（连续的，尽管只有整数）。

–每个特征表示在

故障检测；每个故障实例都有以下特征

以固定时间间隔收集的15个力/扭矩样本

在检测到故障后立即启动；

每个故障实例的总观察窗口为315毫秒。

–每个示例描述如下：

Fx1 Fy1 Fz1 Tx1 Ty1 Tz1

Fx2 Fy2 Fz2 Tx2 Ty2 Tz2

…

Fx15 Fy15 Fz15 Tx15 Ty15 Tz15

其中Fx1。。。Fx15是力Fx在观测中的演变窗口，Fy、Fz和转矩也是如此；有一个总数共有90个功能。

8.缺少特征值：无

9.类分布：每个数据集中每个类的实例百分比

–LP1:24%正常

19%碰撞

18%前部碰撞

39%梗阻

–LP2:43%正常

13%前部碰撞

15%后碰撞

11%右侧碰撞

左侧碰撞19%

–LP3:43%正常

19%略有变动

移动了32%

损失6%

–LP4:21%正常

62%碰撞

18%梗阻

–LP5:27%正常

16%底部碰撞

13%底部阻塞

部分碰撞29%

16%的刀具碰撞

2、数据集获取

数据收集于网络，获取方式

3、参考资料

智能制造数据集

获取和下载数据集的方式

获取和下载数据集的方式：https://jcn362s9p4t8.feishu.cn/wiki/A0NXwPxY3ie1cGkOy08cru6vnvc