基于穿戴式康复训练机器人液压系统非线性特点以及故障形式的多样性,为了真实反映穿戴式康复训练机器人的液压系统运行的稳定性,对液压驱动系统的故障机制进行分析,并对非线性液压系统的故障进行了研究。提出了通过AMESim、ADAMS与MATLAB联合来对液压驱动系统的故障信号进行仿真,将获得的相应的故障响应曲线与正常工作响应曲线作对比,确定了液压驱动系统的故障类型并对其进行诊断改善,旨在进一步提高康复训练机器人驱动系统运行的稳定性。

针对电液伺服系统故障数据冗杂、非线性以及多样性等问题,提出了一种基于Rough Set（RS）和Cuckoo Search（CS）算法优化的Support Vector Machine（SVM）的故障诊断方法。该方法通过AMESim仿真软件对穿戴式康复训练机器人电液伺服系统进行建模,并提取故障特征量;利用粗糙集把故障特征量的冗余信息剔除,再利用布谷鸟算法优化进行向量机参数的选取,将优化处理后的故障数据作为样本输入支持向量机,实现故障诊断和分类。通过将该方法与其他几种优化支持向量机方法相比较,这种方法对于电液伺服系统故障数据冗杂、非线性及较差的故障分类具有很好的诊断功能,且其诊断正确率较高以及诊断时间大大缩短。