摘要
工业机械手的改造状态监测应区分实际的机械异常与由负载、速度、程序阶段和瞬态运动产生的信号变化。本研究提出一种用于六轴机床上下料机器人的混合检测器，采用前臂安装的惯性测量单元和可审计的两阶段决策架构。工程化描述符支持两个分支：随机森林估计与已审查异常模式的相似度，而主成分分析（PCA）表示衡量上下文兼容的几何新颖性。分支分数通过基于分组验证运行选择的线性融合系数进行结合。运行工况选择一个预先验证的、受控的上下文兼容 PCA 参考，并通过有界阈值校正来修改最终决策；它不会在线更新基准模型。一个 H-of-K 持续性规则将重复的窗口级超限转换为事件级维护证据。所有依赖数据的变换都是在完整的物理采集运行被分配到训练、验证或保留测试之后进行的拟合。在运行分组存档中，完整的自适应混合方法在 18 次保留运行中达到了 97.1 ± 0.8% 的准确率和 0.96 ± 0.01 的 F1 分数。所提出的框架优先考虑防泄漏验证、受约束的自适应以及计算量适中的改造部署；后续发展将实现在线自适应。
