机器人故障

1、描述

      此数据集包含故障检测后机器人的力和扭矩测量。每个故障的特点是从故障检测后立即开始定期收集 15 个力/扭矩样本。

数据集robot-lp文件夹，文件夹里有五个文本文件：

      lp1.txt: 方法把握位置失败 （27K）

      lp2.txt: 部分传输失败（15K）

      lp3.txt: 转移失败后的部分位置 （15K）

      lp4.txt: 解草位置方法失败（34K）

      lp5.txt: 部分运动失败（49K）

      所有特征都是数值的，尽管它们仅具有整数值。每个特征表示故障检测后测量的力或扭矩：每个故障实例的特点是，从故障检测后立即开始，定期收集 15 个力/扭矩样本：每个故障实例的总观察窗口为 315 毫秒。

每个示例描述如下：

                 class
                 Fx1 Fy1 Fz1 Tx1 Ty1 Tz1
                 Fx2 Fy2 Fz2 Tx2 Ty2 Tz2
                 ......
                 Fx15 Fy15 Fz15 Tx15 Ty15 Tz15

其中Fx1.Fx15是观察窗口中力Fx的演化，Fy、Fz和扭矩也是如此：共有90个功能。

每个数据集中的实例数

   -- LP1: 88
   -- LP2: 47
   -- LP3: 47
   -- LP4: 117
   -- LP5: 164

类分布

   -- LP1: 24% normal
           19% collision    
           18% front collision
           39% obstruction
   -- LP2: 43% normal
           13% front collision
           15% back collision
           11% collision to the right
           19% collision to the left
   -- LP3: 43% ok
           19% slightly moved
           32% moved
            6% lost
   -- LP4: 21% normal
           62% collision
           18% obstruction
   -- LP5: 27% normal
           16% bottom collision
           13% bottom obstruction
           29% collision in part
           16% collision in tool

2、使用方式

      可用于根据数据进行故障检测。

3、数据集来源

      http://kdd.ics.uci.edu/databases/robotfailure/robotfailure.html

4、参考资料

      Seabra Lopes, L. (1997) “Robot Learning at the Task Level: a Study in the Assembly Domain”, Ph.D. thesis, Universidade Nova de Lisboa, Portugal.

      Seabra Lopes, L. and L.M. Camarinha-Matos (1998) Feature Transformation Strategies for a Robot Learning Problem, “Feature Extraction, Construction and Selection. A Data Mining Perspective”, H. Liu and H. Motoda (edrs.), Kluwer Academic Publishers.

      Camarinha-Matos, L.M., L. Seabra Lopes, and J. Barata (1996) Integration and Learning in Supervision of Flexible Assembly Systems, “IEEE Transactions on Robotics and Automation”, 12 (2), 202-219.